1、智能医疗中的分布式大健康数据处理与盲统计计算

智能医疗中的分布式大健康数据处理与盲统计计算

1. 引言

在当今的医学、科学和工程领域，统计方法得到了广泛应用。在医疗数据处理和分析中，采用高性能、高效且快速的统计计算方法已成为热门研究方向。其目标是推动统计处理方法在盲计算和分布式无监督识别方面的发展，应用范围涵盖从基于远程传感器的诊断到基于执行器的远程手术等远程医疗系统。

这些统计方法可与多种技术相结合，如数学优化技术、软计算中的启发式方法（如基于进化计算/群体智能的生物/自然启发式元启发式和超启发式优化、神经网络和模糊逻辑）、情感计算智能、物联网人工智能（AIoT）以及信息分解变换（包括变换域计算、盲源分离（BSS）和压缩感知/稀疏表示），以解决医疗诊断、传感、计算和通信中信号与图像的复杂问题。

1.1 盲计算的概念与优势

盲计算是指一系列无需任何外部数据融合和监督式机器学习平台的计算方法。其优势主要体现在以下三个方面：
1. 无需收集特定的外部数据进行融合，也无需训练机器学习算法（即无需外部数据作为训练集）。
2. 计算系统的性能不依赖于外部数据，在不同场景下，外部数据不会影响计算结果。
3. 通过低成本设备实现实时普适计算架构时，具有较低的复杂度。

虽然盲计算策略的性能可能低于非盲计算策略，但它的性能不受每个场景下主要数据特征的影响，即更换测试数据时，性能损失较小，且无需外部信息即可执行（有时提供训练集非常困难）。不过，这并不意味着盲计算方法无需根据计算场景和主要数据特征进行优化，优化以提高最终性能始终是实现自适应计算和贪婪计算的关键。

1.2 盲计算的应用场景

统计盲计算的预期应用涵盖了医疗诊断、远程/