【摘要】：隨著信息技術(shù)的不斷發(fā)展,醫(yī)院內(nèi)信息系統(tǒng)愈加完善,特別是物聯(lián)網(wǎng)、移動(dòng)醫(yī)療、自動(dòng)化分析檢測(cè)儀、可穿戴設(shè)備的普及,醫(yī)院、醫(yī)生和患者都成了數(shù)據(jù)的直接創(chuàng)造者,每天都會(huì)有大量的數(shù)據(jù)產(chǎn)生并存儲(chǔ)。充分挖掘醫(yī)療健康大數(shù)據(jù)中包含的潛在價(jià)值,對(duì)提高醫(yī)療服務(wù)質(zhì)量、節(jié)約醫(yī)療成本、加強(qiáng)個(gè)人健康管理具有重要作用。但是將潛在價(jià)值挖掘出來的過程卻充滿挑戰(zhàn)。其中一個(gè)問題就是計(jì)算負(fù)擔(dān)的問題,數(shù)據(jù)量的增長(zhǎng)、數(shù)據(jù)維度的增長(zhǎng)都使得現(xiàn)有的串行計(jì)算方式不堪重負(fù),醫(yī)生如果想從海量臨床記錄中挖掘出有效的信息,可能僅在算法模型訓(xùn)練階段就耗費(fèi)幾小時(shí)甚至幾天的時(shí)間,數(shù)據(jù)處理的工作會(huì)占用醫(yī)生大量寶貴的時(shí)間和精力。還有一個(gè)問題就是醫(yī)療健康大數(shù)據(jù)的不完整性和時(shí)效性常常導(dǎo)致研究人員訓(xùn)練出的模型具有較差的泛化能力,在面對(duì)真實(shí)的數(shù)據(jù)時(shí),經(jīng)常表現(xiàn)出較大的精度落差。在醫(yī)療健康大數(shù)據(jù)環(huán)境下,針對(duì)現(xiàn)有數(shù)據(jù)分析算法處理能力不足,數(shù)據(jù)分析耗時(shí)長(zhǎng),分析算法適應(yīng)能力較差等問題,本論文研究了當(dāng)今主流的并行計(jì)算方法,來應(yīng)對(duì)這些挑戰(zhàn)。主要研究?jī)?nèi)容包括:在臨床數(shù)據(jù)方面,研究了 CUDA并行平臺(tái),結(jié)合心電數(shù)據(jù)特點(diǎn),設(shè)計(jì)了并行的心拍分割和特征提取方法,再結(jié)合算法特點(diǎn),設(shè)計(jì)出并行的廣義回歸神經(jīng)網(wǎng)絡(luò)用于心拍的分類任務(wù),為心血管疾病的診斷提供輔助信息。在保證較高分類精度的前提下,并行算法使得程序的運(yùn)行效率獲得上百倍的提升,大大縮短了數(shù)據(jù)處理時(shí)間,為醫(yī)生節(jié)約出更多的時(shí)間,使得醫(yī)生可以將更多的精力放在診療過程中。在個(gè)人健康數(shù)據(jù)方面,研究了 OpenCL并行平臺(tái),設(shè)計(jì)出了一種基于智能手機(jī)的個(gè)性化運(yùn)動(dòng)分類方法,通過集成在智能手機(jī)中的加速度傳感器和陀螺儀收集運(yùn)動(dòng)數(shù)據(jù),設(shè)計(jì)實(shí)現(xiàn)了并行Adaboost-stump算法用于分類模型的訓(xùn)練,對(duì)坐、站、走、跑、騎車五種常見的運(yùn)動(dòng)進(jìn)行分類,并取得了令人滿意的分類精度。OpenCL下的并行設(shè)計(jì)充分發(fā)揮了智能手機(jī)的計(jì)算能力,大大縮短了數(shù)據(jù)處理時(shí)間,使得用戶可以便捷、高效地在智能手機(jī)上訓(xùn)練屬于自己的個(gè)性化模型。在數(shù)據(jù)分析平臺(tái)方面,設(shè)計(jì)實(shí)現(xiàn)了基于并行計(jì)算和機(jī)器學(xué)習(xí)的臨床決策支持系統(tǒng),在機(jī)器學(xué)習(xí)算法方面實(shí)現(xiàn)了 6種常用的機(jī)器學(xué)習(xí)模型,以適應(yīng)不同的數(shù)據(jù)分析需求。在程序運(yùn)行效率方面分別把上述6種算法在3種不同框架下并行化,使得系統(tǒng)可以在不同的硬件環(huán)境下都能獲得效率提升。實(shí)驗(yàn)中,系統(tǒng)表現(xiàn)出了出色的運(yùn)行效率和分類精度,可以高效、精確地完成提供醫(yī)療輔助建議的作用。
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類號(hào)】：R-05
【圖文】：

ＧＨＪ則面對(duì)的是類翌較為統(tǒng)一的、相互依賴性低的、規(guī)模較大的數(shù)逡逑據(jù)，Ｗ及沒有分支、中斷的單一計(jì)算環(huán)境。這就導(dǎo)致ＣＰＵ和ＧＰＵ在硬件架構(gòu)上逡逑呈現(xiàn)出很大的不同。如圖２．２所示。圖中綠包的部分是計(jì)算單元，黃的是控制單逡逑元，撞龜?shù)氖谴鎯?chǔ)單元。從圖中我們可Ｗ看出，在ＧＰＵ中存在大量的計(jì)算單元，逡逑存儲(chǔ)和控制單元被大大簡(jiǎn)化。而ＣＰＵ中，大量的空間被存儲(chǔ)單元，而且還有復(fù)逡逑雜邀輯控制單元和圖中沒有展示的諸多優(yōu)化電路，相比之下計(jì)算單元在ＣＰＵ中逡逑１之逡逑

樣串行執(zhí)行，下面我們來介紹核函數(shù)是如何在ＧＰＵ硬件上并行執(zhí)行的ｔ６６ｌ逡逑核函數(shù)中的計(jì)算任務(wù)在執(zhí)行時(shí)被映射為大量可Ｗ并行執(zhí)行的線程，并由硬件逡逑動(dòng)態(tài)巧度并執(zhí)行這些線程。這些線程的組織形式如圖２．６所示，所有的線程被映逡逑射成若干個(gè)Ｇｒｉｄ，每個(gè)Ｇｒｉｄ由若干個(gè)Ｂ１ｃｋ±構(gòu)成，k胃觶攏歟錚悖脛杏職舾篩鰣義希裕瑁潁澹幔洹Ｊ導(dǎo)實(shí)募撲闃噶鈑桑裕瑁潁澹幔渫瓿�，同一赣z攏耄唬脛械乃校裕瑁潁澹幔洌笫遣⑿繡義現(xiàn)蔥械�，灾q飧觶攏歟錚悖脛興怯形ㄒ壞模簦瑁潁澹幔洌歟洌曄�，哉C絳蟶杓頻氖焙蚩桑族義細(xì)菡廡┍曄肚植煌南叱蹋刂撇煌南叱潭圓煌氖萁脅僮鰨詞迪皺義系ブ噶疃嗍薟僮鰨櫻桑停膩澹ǎ櫻椋睿紓歟澹歟睿螅簦恚悖簦椋錚睿停酰歟簦椋穡歟澹模幔簦幔�。此外，壤_跡玻鄧懼義蟢胃觶攏歟悖耍輳脛卸加幸豢榭桑贅咚俜夢(mèng)實(shí)墓蠶砬紗媯誨澹攏歟錚悖脛械乃校裕瑁潁澹幔洌簀義峽桑桌謎飪楣蠶砟詿嫦嗷ネㄐ擰Ｔ儐蟶峽匆桓霾忝媯琸胃觶攏歟錚悖朐謨布弦彩清義喜⑿兄蔥械

本文編號(hào)：2738779