面向全流程智慧健康管理决策的多源异构大数据融合方法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    91646202
  • 项目类别:
    重大研究计划
  • 资助金额:
    240.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0607.知识表示与处理
  • 结题年份:
    2020
  • 批准年份:
    2016
  • 项目状态:
    已结题
  • 起止时间:
    2017-01-01 至2020-12-31

项目摘要

For exploring more valuable information from smart health big data, it is very difficult to fuse multi-source heterogeneous big data and meet the requirements of the management decisions from micro level to macro level. This project will analyze the smart health management decision mechanisms based on whole process of healthcare to mine the decision models and implementation mechanism based on semantic rules. Then, we will propose a multi-source heterogeneous big data fusion method with semantic analysis and knowledge discovery to build the health knowledge graph. The decision process will be calculated in real time and presented clearly through a big data computing platform. Finally, our research will be verified through a prototype. This project will solve the key problems of smart health management decisions, facilitate the theory of big data fusion, which is very important to the construction of the smart health management decision support systems from micro level to macro level.
如何实现多源异构大数据的有效融合,并让融合后的数据满足微观到宏观各个层次智慧健康管理决策所需,一直是从智慧健康大数据有效挖掘出更大价值所面临的一个巨大难题。本项目旨在通过对面向全流程智慧健康管理决策机制的分析,挖掘出全流程智慧健康管理决策所需要的模型以及基于语义规则的决策支持系统的实现机制,提出一种满足全流程智慧健康管理决策模型所要求的多源异构大数据融合方法以及融合过程中所需要的语义分析和知识发现机制,构建健康知识图谱,通过大数据计算平台实时计算并清晰地展示出全流程智慧健康管理决策的过程,并通过原型验证系统进行验证等内容。本项目将解决智慧健康管理决策所面临的核心技术难题,促进大数据融合理论的进一步发展,在应用上对构建满足从微观到宏观决策的智慧健康管理决策支持系统也具有重大意义。

结项摘要

医疗健康领域里存在的数据的多源异构现象严重阻碍了数据的共享和使用,加剧了人民群众看病难和看病贵等社会问题。如何实现多源异构大数据的有效融合,并让融合后的数据满足微观到宏观各个层次智慧健康管理决策所需,一直是从智慧健康大数据有效挖掘出更大价值所面临的一个巨大难题。本项目分为4个课题进行研究:全流程智慧健康管理决策模型与规则、健康知识图谱与数据融合、健康大数据的语义分析与知识发现、以及支持智慧健康管理决策的大数据计算平台。重要的研究成果包括:基于多因素解耦合的治疗方案推荐算法的工作发表在CIKM2020,在疾病决策系统、辅助诊疗系统等拥有广泛的应用场景和极强的现实意义;松弛的双语词典构建方法的工作在ACL 2020发表,大大提高了跨语种的知识图谱构建能力和效率;关于临床终点预测的异构时序事件联合表示学习模型的工作在AAAI2018发表,引起了国内外同行的广泛关注,并展开了落地合作;有界的近似查询处理框架BAQ在TKDE2019发表,得到了包括华为等公司和学术界的高度关注;所研发的验证平台包括华鼎大数据管理平台和华鼎大数据云分析平台应用已经部署在86家医疗机构中。本项目还形成了医疗机构数据集:心内科门诊与住院数据数据集,涵盖5万患者,共计80万人次,时间跨度从2004年到2015年;全科门诊与住院数据集,涵盖14万患者,共计20万人次,时间跨度从1987年到2018年;膝骨科门诊与住院数据数据集涵盖6千患者,共计1万5千人次,时间跨度从2014年到2020年。构建了一个大型医疗健康知识图谱,包括心内科知识图谱(3327万)、全科知识图谱(6.98亿)、膝骨关节炎知识图谱(770万)、MIMIC3知识图谱(1344万)、CUMLS图谱(1054万)、新冠肺炎诊疗、预防和康复图谱(0.7万)。这些数据有力的支持了本项目中相关方法、模型和算法的研究,未来在医疗健康辅助决策、新药研发和全民健康等方面都有广阔的应用前景。

项目成果

期刊论文数量(15)
专著数量(0)
科研奖励数量(0)
会议论文数量(58)
专利数量(14)
一种基于数据重构和富特征的神经网络机器阅读理解模型
  • DOI:
    --
  • 发表时间:
    2018
  • 期刊:
    中文信息学报
  • 影响因子:
    --
  • 作者:
    尹伊淳;张铭
  • 通讯作者:
    张铭
Using Greedy Random Adaptive Procedure to Solve the User Selection Problem in Mobile Crowdsourcing
利用贪婪随机自适应过程解决移动众包中的用户选择问题
  • DOI:
    10.3390/s19143158
  • 发表时间:
    2019-07
  • 期刊:
    Sensors
  • 影响因子:
    3.9
  • 作者:
    Yang Jian;Ban Xiaojuan;Xing Chunxiao
  • 通讯作者:
    Xing Chunxiao
基于深度学习的异构时序事件患者数据表示学习框架
  • DOI:
    --
  • 发表时间:
    2019
  • 期刊:
    大数据
  • 影响因子:
    --
  • 作者:
    刘卢琛;沈剑豪;张铭;王子昌;李浩然;刘泽群
  • 通讯作者:
    刘泽群
Automatic approach for constructing a knowledge graph of knee osteoarthritis in Chinese
中文膝骨关节炎知识图谱自动构建方法
  • DOI:
    10.1007/s13755-020-0102-4
  • 发表时间:
    2020-02-27
  • 期刊:
    HEALTH INFORMATION SCIENCE AND SYSTEMS
  • 影响因子:
    6
  • 作者:
    Li, Xin;Liu, Haoyang;Xing, Chunxiao
  • 通讯作者:
    Xing, Chunxiao
Big Data Market Optimization Pricing Model Based on Data Quality
基于数据质量的大数据市场优化定价模型
  • DOI:
    10.1155/2019/5964068
  • 发表时间:
    2019-04
  • 期刊:
    Complexity
  • 影响因子:
    2.3
  • 作者:
    Yang Jian;Zhao Chongchong;Xing Chunxiao
  • 通讯作者:
    Xing Chunxiao

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

数据驱动型知识地图及其关键技术
  • DOI:
    --
  • 发表时间:
    2012
  • 期刊:
    图书情报工作
  • 影响因子:
    --
  • 作者:
    朝乐门;张勇;邢春晓
  • 通讯作者:
    邢春晓
面向开放关联数据的知识地图研究
  • DOI:
    --
  • 发表时间:
    2012
  • 期刊:
    图书情报工作
  • 影响因子:
    --
  • 作者:
    朝乐门;张勇;邢春晓
  • 通讯作者:
    邢春晓
视频语义模型及评价准则
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    计算机学报,2007, 30(3):337-351
  • 影响因子:
    --
  • 作者:
    王煜;周立柱;邢春晓
  • 通讯作者:
    邢春晓
并行离散事件网络仿真系统的研究
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    电子学报,36(2),2006
  • 影响因子:
    --
  • 作者:
    李越;钱德沛;邢春晓
  • 通讯作者:
    邢春晓

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

邢春晓的其他基金

基于Chu空间的云数据管理服务建模和验证研究
  • 批准号:
    61170061
  • 批准年份:
    2011
  • 资助金额:
    15.0 万元
  • 项目类别:
    面上项目
基于信息过滤的个性化服务理论和技术研究
  • 批准号:
    60473078
  • 批准年份:
    2004
  • 资助金额:
    24.0 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码