基于大数据深度学习的互联网医疗数据分析

严子健 江磊 周玮

摘 要：基于大数据网络技术的互联网医疗数据建模的总体思路可以总结如下三个方面：1、时间依赖性与互联网医疗数据的异常值检测密切相关。2、提出用于互联网医疗异常检测的LSTM高斯贝叶斯方法。利用LSTM良好的预测性能优势，使用预测误差建立高斯朴素贝叶斯模型，并融入贝叶斯模型优秀的分类能力。3、为了学习和处理IIoT时间序列大量、高维、强冗余、低相关性的数据，设计结合特征选择和深度学习技术的混合架构异常检测框架，在真实的互联网医疗数据集上测试。

关键词：深度学习;大数据;互联网医疗

基于大数据网络技术的互联网医疗数据建模和预测应用研究包括機器学习、深度学习、人工智能等在内的医疗保健行业数据分析技术的兴起，催生了该行业人口健康管理（PHM）服务的发展。PHM的兴起使医疗保健服务的重点从治疗和响应转向预测和预防。强大的预测分析技术能够在早期识别患者慢性病的风险模式，从而使医疗保健从业者有机会及时采取行动，避免后期的复杂性。预测分析不仅是一种挽救生命的技术，而且还有助于降低患者的治疗和治愈成本。

一、数据的可保存性和稳定性提高

数据分析对于紧急护理非常有用。该技术提供的关键和实时洞察力为医生提供了第二次挽救患者生命的机会。除了在紧急情况下的护理协调作用外，该技术还可以帮助护理人员更好地照顾患者并发送有关患者健康的警报。数据系统采用的是数字压缩技术，这样在采集过程中所监控到的视频图像会被数字化后存储在硬盘中，存储的时间长不容易丢失，使数据的稳定性和可靠性能够得到有效的保证。

二、具有智能化查询的功能

数据分析具有很大的影响力。通过为组织提供结构化和过滤的数据，该技术使医疗保健从业者能够为治疗添加个性化的触摸，并通过简化计费和支付流程来开发无缝的医疗保健体验。传统的监视系统在对时间较长的记录进行查询时，往往在查找上需要花费大量的时间。但矿用视频监控系统由于是数字化系统，在查找以前相关记录时可以利用索引进行快速查找，有效的确保了查找效率的提高。

三、视频图像质量较高，画面清晰易于辨别

互联网医疗数据视频监控系统在对用户进行监控过程中，其画面不仅所含信息呈较大，而且画质清晰，能够随时对用户身体状况进行掌握。同时互联网医疗数据监控监测系统还可以对其视频进行重新编辑，从而对画质进一步优化，确保视频监控的质量。

该项目主要功能在于为互联网医疗监测技术做铺垫，为人类社会在互联网医疗监测技术上进入下一个大阶段。它包含了视频处理技术、物联网传输技术、红外线探测技术、图形分析技术等一些有关于物理学方面以及电器科学的结合应用，使得实验产品的完善以及在实验过程中能够尽可能地解决生活中的实际问题，更大程度上模拟真人医疗健康监测数据。医疗保健服务通过实施强大的数据分析技术和足够的训练数据来训练模型来实现，然后才能密切分析患者的病历并识别预测疾病潜在风险的关键模式，从而充当医疗保健跟踪系统，为患者提供更快更好的服务。