健康服务管理与决策大数据融合方法与实时分析研究

This project focuses on multi-sourced heterogeneous information fusion, early warning and service support for typical diseases, and studies the high-mortality cardiovascular disease and diabetes with a big number of patients and a long incubation period, which also have significant impact on the economic life. Guided by the methodology of systems engineering and the mainline of “data-information-knowledge management”, with the goal of collaborative optimization, we will study intelligent fusion methods of multi-sourced heterogeneous health information, build early warning models of typical diseases based on incremental online feature extraction and offline deep learning, establish new multi-agent adoption theory and new collaborative operation optimization mode of intelligent healthcare service management, and develop real-time analysis service support system, by using theories and methods in fields of big data, intelligent information processing and knowledge management. This project will provide theoretical and practical supports for our government in improving healthcare service performance and better allocating healthcare resources.

针对智能健康服务中多源异构信息难以有效融合与疾病实时预警等问题，以发病人数多、潜伏期长、死亡率高、对经济生活影响重大的心脑血管疾病和糖尿病为研究对象，以数据—信息—知识管理为主线，采用大数据、智能信息处理和知识管理等理论，提出基于协同优化的多源异构健康信息智能融合方法，构建基于增量式在线特征提取和离线深度学习的疾病预警模型，并开发面向健康服务管理的大数据融合与实时预警服务支持系统，为提高我国医疗信息服务水平、合理配置医疗资源提供理论与实践支持。

本项目以智能健康信息服务管理为背景，以数据—信息—知识管理为主线，运用系统工程和系统科学的思想，分别对健康信息数据采集、数据管理、知识融合、疾病预警及决策支持等内容进行了深度研究。在数据采集及管理方面，采用了分布式数据爬取技术构建了医疗健康数据采集及管理框架；在知识融合方面，提出基于演化算法的智能融合模型；在疾病预警方面，分别提出基于多任务回归的药品不良反应预测方法、基于动态时间匹配的疾病分级预测方法、基于集成式特征选择的帕金森病个性化预测方法、基于小波分解的心率失常预测方法、基于过采样技术和随机森林的糖尿病预测方法；在决策支持方面，分别提出双向LSTM和双 Attention机制结合的医疗临床决策答案选择模型、基于LSTM情感分类模型的医院决策评价方法。以上方法的提出为旨在创建智能健康信息服务管理与决策大数据融合与实时分析方法，解决智能健康信息服务管理中的实际难题，为我国居民提供健康、优质的智能健康信息服务支持。

内容获取失败，请点击重试