机器学习和生物信息学实验室联盟

标题: Fujita-2016.7.15讲座-Multimodel based Clouds Computing Systems for Healthcare [打印本页]

作者: Severus 时间: 2016-7-18 17:46
标题: Fujita-2016.7.15讲座-Multimodel based Clouds Computing Systems for Healthcare
本帖最后由 Severus 于 2016-7-18 21:18 编辑

   2016年7月15日下午我去听了Fujita教授的讲座，感觉内容很有意思，所以跟大家分享一下。

   Fujita是IPU大学的教授，智能软件系主任。Knowledge-Based Systems期刊的主编。这一次讲座的主题是基于多模式的云计算系统在基于主观分析的医疗保健和风险预测上的应用。

===========================================================================

一些概念：

1、Cloud Computing：一种基于网络的计算，为计算机和其它需要的设备提供共享处理资源和数据（包括网络、服务器、
                                 存储、应用软件、服务等）。

[attach]2523[/attach]

2、Cloud Robotics：机器人技术的一个领域，结合了一些云技术，比如云计算、云存储以及其他互联网技术，致力于为机
                              器人技术的融合是基础构架和共享服务提供便利。

（以上概念来自维基百科）

===========================================================================

背景：

   在目前，全球各国都面临着人口老龄化的现状，老人的数量增加意味着对医疗保健和身体健康情况监测的需求会持续增加，在这样的发展趋势下，未来的医疗设施有很大的可能无法满足人们的需求，可能会出现医院人数拥挤、看病要排很久的队、不能及时得到治疗等状况；

   而在数据方面，随着人口的增长以及信息时代的发展，各种数据量都急剧上升，过大的数据量使得普通的计算机、服务器无法提供相应的空间来存储，即使当前有足够的空间，也无法保证在未来能把所有数据保存下来，因此发展云存储技术十分重要。

   Fujita教授研究的项目就是基于这两个前提，结合Cloud Robotics技术，开发了一种可以监测人类身体健康状况各项指标的（家用）机器人，随时随地对身体的情况进行评估，来达到保障健康和预测风险的目的。

===========================================================================

数据收集：

在数据收集上，分为四个方面：

1、环境：             屋内环境             温度、湿度、亮度、二氧化碳浓度；

                           屋外环境             温度、湿度、大气污染物浓度（可能是PM2.5之类的）；

                           公共数据             气象数据、总电力使用量；

2、健康：             健康数据             心跳频率、心音、心电；

                           运动量                步数、距离、运动时间；

3、生活：             生活用品             门、窗、抽屉开关、家用电器；

                           生活资源             水电使用情况；

                           活动路线             房间的位置分布；

4、会话：             表情、语调          表情和语调的表示；

                           内容                      文本内容

   通过上述四个方面的数据收集，来对一个人的正常状况进行特征提取。

   我个人的理解是这个过程其实就是一个监督学习的过程，就是把平时正常状态下收集的数据作为训练集进行学习，经过大量的数据训练之后形成一个正常状态的模式，然后一旦在这个人表现出异常的时候，就可以判断他是不是身体不舒服或者生病了。

   就会话中的语调举例来说，可能收集到的数据是正常状态下，某人的说话的音调、响度和频率基本维持在一个特定值，当他生病的时候会发出喘息或者响度变得很弱，音调变低，这时程序就会再结合其他数据来判断此人是否生病。

===========================================================================

特征提取：（这一页的PPT放的太快，我只来得及记了一半……）

提供不同的数据库来进行特征提取（feature extraction）

1、many-algorithms vs many database

2、many-algorithms vs single database

3、single-algorithms vs many database

4、single-algorithms vs single database

===========================================================================

应用设计图：（本来Fujita的PPT上的图是一个很丰富的图，但是我手机拍的不是很清楚，我就重新做了一张简化版，比较简陋，只表达了大概意思，大家凑合看吧）

[attach]2522[/attach]

===========================================================================

   以上就是我听过讲座后的整理内容，因为讲座限定只有一小时，所以Fujita教授讲的非常快，PPT本来页数很多，但是由于时间限制也没有全放映出来，所以很多内容都没有详细讲解，只是粗略的给大家介绍了一下概念，但我觉得在创新方面还是很有启发的，而且也跟数据挖掘有很大的联系，我觉得把数据挖掘和数据分析的方法应用在健康监测上是一种很好的实际应用。目前比较困难的问题是数据采集，Fujita教授也说了，在现阶段他们是找了很多志愿者来集中收集数据，未来想要实现自动地不间断地针对用户收集数据，还需要进一步的研究。（其实我觉得小米手环的技术就已经实现了一部分这样的数据采集了，只不过要做到收集并分析诸如表情、语调这些数据还是比较困难。）

欢迎光临机器学习和生物信息学实验室联盟 (http://123.57.240.48/)