医疗

前言 医疗健康产业目前呈高速发展状态，处在互联网对医疗行业赋能的关键阶段，由于医疗行业数据的隐私性较强，通过传统方式很难获取公开的医疗健康数据进行研究，根据阿里云天池比赛赛题设置研究及提供的脱敏数据集着手进行分析是比较理想的手段。本文的目的在于对医院的信息系统流程进行思考，结合公开数据集对于医疗健康数据特征进行分析，从而得出未来医疗健康产业数据架构模式的发展方向。 医疗健康数据特征 首先看一下天池比赛近期的两场比赛，都是针对医疗数据进行研究并进行挖掘的，采用脱敏数据，数据来源于实际病例因此参考价值较高： 分析两个比赛提供的数据集形式，可以明显感到医疗数据集的特征为数据异构，即因为医疗检测手段的关系，数据图像化比例较高，但是因为训练数据集需要根据患者其他特征包括性别、年龄、身高、体重等进行统筹分析，因此也包含了一部分结构化数据，因此医疗数据集是典型的非结构化数据和结构化数据并存的异构数据集。 常用预测算法分析 医疗数据所需要的预测结果一般为分类，由于结果的主要目的并非直接作出定性结论而更多的是为医生提供参考因此二分类（即是或不是）和多分类（分为几类）都有实际价值。 从宫颈癌风险智能诊断比赛要求结果看，初赛恶性细胞检测算法属于二分类问题，而复赛宫颈癌恶性细胞检测分类算法属于多分类问题即需要将检测结果分类成5类典型宫颈癌。 数据处理方面

https://www.kaggle.com/cms/cms-medicare 来源： https://www.cnblogs.com/Iceredtea/p/11965640.html

　　我国人口占世界人口的22%，但医疗卫生资源仅占世界的2%，医疗服务供给不足。我国的医疗资源近80%集中在城镇，医疗资源不平衡，农村医疗卫生资源严重不足，设备少、服务能力低，部分偏远地区缺医少药的现状仍存在。面对我国医疗资源短缺，区域发展不平衡的问题，大力发展智慧医疗服务将是解决目前医疗行业痛点问题的有效方法。 　　推动智慧医疗快速发展的主要动力主要是来自两个方面。一方面从医疗管理理念来说，随着多项医卫信息化政策的出台以及新医改的不断深入，老龄化问题得到关注，促使医疗管理的理念从以"治疗为中心"到以"病人为中心"过渡，因而对智慧医疗建设提出了更高的要求；另一方面，5G技术、云计算、大数据、人工智能等新技术的不断发展也在客观上为其深化应用提供了更丰富的可能性。基于智慧医疗的发展，更多的地方医疗机构将会建设"以病人为核心"的临床管理系统，医学影像传输系统的发展也将进一步展开，5G网络技术的持续发展为远程医疗系统的推广提供了有力的支持，区域卫生信息化建设也将得到推广。 　　基于智慧医疗技术的发展和医疗市场的需求，中国的智慧医疗行业有着广阔的发展空间和投资市场。我国的智慧医疗市场需求不断增长，市场规模迅速扩大，已成为仅次于美国和日本的世界第三大智慧医疗市场。2015年，我国智慧医疗市场销售额为260亿美元，同比增长35.5％，占全球市场份额达10.5％

一、医药行业概述 医药行业是按国际标准划分的 15 类国际化产业之一，是世界贸易增长最快的朝阳产业之一。随着人民 生活水平的提高，药品消费结构不断变化，我国医药行业一直保持着较快的发展速度。制药业正面临从传统工艺向现代技术的转型过程；医药流通领域也正面临全面的改革冲击，新的产业格局正在形成。 医药行业按组成的企业又可划分为：医药生产企业、医药保健品及消费品生产企业、医疗设备生产企业、医药商业企业、医疗机构、科研机构。其中，商业企业可进一步划分为批发、零售两种类型。而制药企业又可细分为四大类：药品（西药/中药/中成药）、医疗器械、化学制剂和玻璃仪器。 医药行业的运营效率低主要由于多个方面：虽然说医药行业是个高增长、高收益的行业，我国企业却由于整体经营效率很低，导致行业亏损面高达30％以上；流动资金占用高，医药行业产成品、应收账款占企业流动资金的30～40％ ，导致行业整体资本流动率低；销售费用高，难以管理。 二、行业特性说明 商品品种多，特性各异，需分类管理； 医药消费具有很强的季节性和区域性； 医药生产的自动化程度高； 医药生产过程比较稳定，配方（产品结构）和工艺不太复杂，生产周期短； 商品需求、生产计划相对稳定； 产品具有特殊性，需对质量进行严格管控； 我国幅员辽阔，分销机构多，管理难度大； 药品组成及生产工艺需高度保密，对配方、工艺有严格的权限管理需求； 自动化流水线多

1. 不同模态图像之间的转换 CT2MRI MRI2CT CT2PET 2. 分离软组织窗和骨窗 分离在X光胸片中重叠的各种组织 3. 图像增强 低剂量CT to 高剂量CT 低T MRI to 高T MRI 传统图像匹配方法 在大量成对的数据中寻找匹配的块，将对应的块整合起来，并通过图像融合的方法提高空间一致性。 深度学习方法 Pixel2Pixel GAN U-Net 多尺度处理 多域 来源： https://www.cnblogs.com/JunzhaoLiang/p/11922601.html

前言 医疗健康产业目前呈高速发展状态，处在互联网对医疗行业赋能的关键阶段，由于医疗行业数据的隐私性较强，通过传统方式很难获取公开的医疗健康数据进行研究，根据阿里云天池比赛赛题设置研究及提供的脱敏数据集着手进行分析是比较理想的手段。本文的目的在于对医院的信息系统流程进行思考，结合公开数据集对于医疗健康数据特征进行分析，从而得出未来医疗健康产业数据架构模式的发展方向。 医疗健康数据特征 首先看一下天池比赛近期的两场比赛，都是针对医疗数据进行研究并进行挖掘的，采用脱敏数据，数据来源于实际病例因此参考价值较高： 分析两个比赛提供的数据集形式，可以明显感到医疗数据集的特征为数据异构，即因为医疗检测手段的关系，数据图像化比例较高，但是因为训练数据集需要根据患者其他特征包括性别、年龄、身高、体重等进行统筹分析，因此也包含了一部分结构化数据，因此医疗数据集是典型的非结构化数据和结构化数据并存的异构数据集。 常用预测算法分析 医疗数据所需要的预测结果一般为分类，由于结果的主要目的并非直接作出定性结论而更多的是为医生提供参考因此二分类（即是或不是）和多分类（分为几类）都有实际价值。 从宫颈癌风险智能诊断比赛要求结果看，初赛恶性细胞检测算法属于二分类问题，而复赛宫颈癌恶性细胞检测分类算法属于多分类问题即需要将检测结果分类成5类典型宫颈癌。 数据处理方面

Computed Tomography 电子计算机断层扫描 CT 成像原理： 利用人体组织对X-Ray的透过率差异，测量X-Ray的衰减程度，从而成像。 　　　X-Ray穿透人体得到体素（voxel）重建图像后得到像素（pixel） 图像特点： 密度分辨率高，容易区分出不同的组织。但CT成像存在辐射危害。 　　　　 越高剂量的CT成像质量越好，但辐射量同时也越大 　　　　 低剂量的CT成像容易出现噪声、伪影 Magnetic Resonance Imaging 磁共振成像 MRI 成像原理： 对静磁场中的人体发射脉冲，使氢质子发生磁共振，接受MR信号后重建图像。 图像特点： 根据原子核从激化到平衡的所需驰豫时间的不同，分为T1、T2 MRI 　　　　 比CT拥有更高的密度分辨率，无骨性伪影，无低剂量CT产生的伪影 　　　　　但成本较高，成像时间长，容易产生运动伪影，不可对金属进行成像 Positron Emission Computed Tomography 正电子发射型计算机断层显像 PET 成像原理：对人体注入放射性核素，通过检测这些核素在人体中的聚集，从而反映代谢活动。 图像特点：能够反映分子水平代谢，得到的是三维图像，成像费用高。 CT to MRI： 采用低成本的方式生成高成本的MRI MRI to CT： 避免CT成像的辐射危害 来源： https://www

生物医学大数据 精准医疗 研发药物：特异性靶点 & 过表达靶点 Encode &roadmap 找组织特异性的表观遗传学标记、 TF 、 DNA 甲基化的动态变化等信息。 生物大数据的标准化与整合 ---- 降维分析 --- 聚类和功能分析 ---- 多组学 ---- 结合临床病理分型 ---- 生物信息学可视化分析（描述 & 预测） Regulation network ： Multiple&dynamic&balance 单细胞测序： single-cell RNA-seq 大数据应用：将基础研究与临床医学研究相结合。 国际大数据中心现状 北京基因组研究所主持国内数据库， eg ： GSA 。 建立中国人参比基因组 最新使用 AI 技术辅助预测。 来源： https://www.cnblogs.com/yuanjingnan/p/11908534.html

涉及互联网医疗政策指导和规范频出，释放出中国推动互联网医疗健康发展的积极信号。 互联网医疗经历野蛮生长和阵痛，正在步入规范发展的成熟期，辐射的范围越来越广，产业之间迎来了更多融合的机会，远程问诊、在线家庭医生签约、线上健康管理等，促进医疗资源的合理流动，也让医疗服务越发触手可及。 互联网医疗如何以创新性的解决方式，让老百姓能真正意义上享受到便捷优质的医疗服务？ 首先要明确医疗服务的两大前提：医疗质量与患者安全。 回想我们去医院就诊的过程，医生做出诊断都是基于患者病症表现与检查检验等信息，开展咨询、检查、诊断、治疗、用药等医疗服务行为。医疗服务核心是医生与患者间的服务，而这种服务必须基于医生对患者病情全面了解下展开诊疗行为。 所以，互联网医疗要实现 “重问诊”蜕变，自然也是获得患者更全面的临床医疗数据。各互联网医疗巨头也早就意识到掌握患者在医院临床数据重要性，利用自身资源与能力，通过与政府、医院合作，将患者在医院的 临床数据采集 同步到医疗平台。 如何将患者临床数据，同步到互联网医疗平台？ 医院作为患者临床数据最大集中地，患者在不同医院、不同科室的临床数据，被存在医院各种各样的软件系统中，虽然医院越来越注重信息化建设，但由于各医院信息化建设都各自为政，每个医院使用的软件系统多达数十个，加之国内的医疗信息化软件厂家数以千计，要将医院软件系统中的数据对接到互联网医疗平台，并不简单。 虽然

入驻仪式的24响礼炮，迎来了巨鲨24年的辉煌时刻，新的征程已经在路上，新的起点已经到来。 巨鲨人全体期盼的日子，2019年11月14日公司入驻新工厂。王总的讲话还在耳畔回响，新的征程，新的起点，让我们一起持续奋斗。 来源： https://www.cnblogs.com/python-123/p/11880174.html