محاسبات داده های بزرگ

محاسبات داده های بزرگ در سلامت یکی از چالش های مهم در علوم سلامت است در این تحقیق آخرین کارهای انجام شده در این زمینه گرد آوری شده است کیفیت محتوا توسط کارشناسان پی استور بررسی شده و تضمین می گردد در ادامه چکیده ای از این تحقیق بیان شده است.

چکیده

با توسعه دستگاه های هوشمند و محاسبات ابری (رایانش ابری)، داده های سلامت عمومی را می توان بیشتر و بیشتر از منابع مختلف جمع آوری کرد و در روشهای بی سابقه ای مورد تجزیه و تحلیل قرار داد. تاثیر اجتماعی و علمی بزرگ چنین تحولاتی،  تغییرات چشم گیر و جهانی برای داده های بزرگ را موجب شده است.

در این تحقیق مروری، ما آخرین برنامه های کاربردی محاسبات داده های بزرگ را در علوم سلامت خلاصه می کنیم، که شامل سیستمهای پیشنهادی در بهداشت و درمان، نظارت بر بیماری های همه گیر مبتنی بر اینترنت ، شرایط سلامت مبتنی بر سنسورها  و نظارت بر ایمنی مواد غذایی، مطالعات پویش ژنومی (GWAS)  و جايگاه هاي صفات كمي بيان ژن (eQTL) ، استنتاج کیفیت هوا با استفاده از داده های بزرگ و متابولومیک ها و یونومیک  برای متخصصان تغذیه میشود.

ما همچنین آخرین فن آوری های مجموعه داده های بزرگ، ذخیره سازی، انتقال، و روش های تحلیلی هنری مانند فایل سیستم توزیع شده ی هادوپ، MapReduce، سیستم توصیه ای، یادگیری عمیق تجزیه و  و تحلیل شبکه را بررسی کرده ایم. در نهایت، درباره ی چشم انداز آینده علوم سلامت در دوره ی داده های بزرگ بحث کرده ایم.

1 دیدگاه برای چالش های محاسبات داده های بزرگ در علوم سلامت

  1. programstore

    نظرات و دیدگاه های خود را با ما درمیان بگذارید.

دیدگاه خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

این سایت از اکیسمت برای کاهش هرزنامه استفاده می کند. بیاموزید که چگونه اطلاعات دیدگاه های شما پردازش می‌شوند.

اطلاعات فروشنده