21、医疗监测中的异构数据融合：全面解析

医疗监测中的异构数据融合：全面解析

1. 引言

随着物联网的兴起，各类设备和系统相互连接，各个领域都在持续产生海量数据。其中很大一部分数据在保留其“4V”特性（即大量性、高速性、多样性和真实性）的前提下，得到了系统的捕获、存储、聚合和分析。医疗领域也正经历着这场大数据与物联网的变革。

“物联网”这一概念由凯文·阿什顿在1998年的一次演讲中首次提出，他认为物联网有潜力像互联网一样改变世界，甚至影响更大。1999年，麻省理工学院展示了他们的物联网愿景，2005年，国际电信联盟（ITU）在一份互联网报告中正式引入了物联网的概念。物联网的目标是让万物在任何时间、任何地点，与任何事物和任何人理想地通过任何路径/网络和任何服务实现连接。

近年来，家庭护理、灾害救援管理、医疗设施管理和运动健康管理等医疗应用备受关注。大数据和普及技术在生物医学和医疗信息学研究中的应用日益广泛，生物和临床数据以前所未有的速度和规模被生成和收集。尽管有Hadoop和Apache Storm等大数据处理技术以及虚拟化云等可扩展基础设施，但在基于定义的服务质量（QoS）约束进行异构数据收集和实时分析方面仍存在显著差距。鉴于医疗数据传感器在数量、速度和种类上的增加，需要特殊的分析和推理技术。

2. 传感器数据融合

传感器数据融合是物联网的重要组成部分。传感器广泛应用于气候监测、智能移动设备、医疗保健、汽车系统、工业控制和交通控制等领域。物联网中的数据具有动态和异构的特点，简单的单源分析方法已无法满足需求。数据融合将多个数据和知识整合为一致、准确且有用的表示，为可靠的决策支持提供高质量信息，同时通过减少数据的不确定性提高多源信息的准确性。融合多源互补信息能提供比单源信息更准确的