探析深度学习在股票预测中的应用前景

股票是市场经济以及国家金融市场的重要组成部分,通过股票市场可将社会上的闲散资金进行有效的集中,帮助企业建设和发展,有利于快速扩大生产规模,推动经济发展。但是股市是一种复杂的、动态的并且易变的市场,容易受到经济、政治以及社会等方面的因素也影响。因此在股票预测中系统建立的困难程度较高,要求股票预测系统具备学习和预测市场的能力。深度学习是一种智能学习样本数据算法,能够通过训练获得数据的解释。因此本文主要对深度学习在股票预测中的应用进行综述。

基于医疗大数据的临床试验创新系统设计与实践

目的设计并建设基于医疗大数据的临床试验创新系统,为医院临床试验提质加速。方法基于我院现有的科研大数据平台和临床试验管理信息系统,结合新版GCP和有关文件精神,设计并建立了临床试验创新系统。结果建立了基于医疗大数据的临床试验创新系统,为临床试验全过程提供数据支撑和智能化管理,可实现临床试验项目管理、受试者管理和数据管理三个主要功能模块;经过初步实践应用,该系统能够切实提高临床试验效率和试验质量。结论临床试验创新系统能够有效提升临床试验效率和质量,保障受试者安全,降低研究成本,为我院开展基于大数据的智能创新临床试验创造了有利条件。

基于融合条目词嵌入和注意力机制的自动ICD编码

构建一种基于融合条目词嵌入和注意力机制的深度学习模型,可以充分利用电子病案中的多种非结构化文本数据,对病案首页的主要诊断进行自动ICD编码。该模型首先对含有病案条目的文本进行融合条目的词嵌入,并通过关键词注意力来丰富词级别的类别表示;然后利用词语注意力来突出重点词语的作用,增强文本表示;最后通过全连接神经网络分类器进行分类,输出ICD编码。通过在中文电子病案数据集上的消融实验,验证了融合条目词嵌入、关键词注意力和词语注意力的有效性;与多个基准模型相比,所建模型在对81种疾病的分类中取得最好的分类效果,可以有效地提高自动ICD编码的质量。

医疗数据湖建设及医疗数据治理探索

介绍医疗数据湖建设发展情况,详细阐述数据入湖流程、数据治理方式、数据湖应用路径,指出数据湖建设及数据治理能够加强医疗数据价值挖掘,提供更多维度数据分析,为医院运营管理和科研业务提供有力支撑。

医疗全量数据模型管理工具建设与实践

介绍建立数据模型工具的意义、数据模型构成与功能,阐述医疗全量数据的数据模型管理工具系统设计及功能、应用效果,指出其应用可实现对数据模型全生命周期管理,为后续数据治理奠定良好基础。

人工智能是否比人类更聪明?

随着计算机科学和互联网技术的发展,人工智能进步迅速。科学家和工程师已经制造出在特定认知任务或智力游戏方面能战胜人类的计算机程序。在赞叹的同时,有些人为计算机的强大能力感到担心,怕的是未来人类将要被超级聪明的机器统治;另一些人则对计算机的能力不以为然,认为类似只会下围棋的AlphaGo远谈不上聪明。要讨论人工智能是不是比人类聪明,首先要区分人工智能的含义,进而论证在狭义上,计算机确实比人聪明,最后初步探讨人工智能在通用的意义上,甚至最强的意义上是否可以达到(甚至超过)人类的水平。

面向临床科研的全院级医疗大数据平台建设与数据治理实践探索

目的加强医疗数据资源整合共享,为临床科研人员提供高质量、可利用的数据,推进医疗数据在临床科研中的深入应用.方法根据全院级医疗大数据平台的建设和应用目标,将多个主要临床业务信息系统的数据整合后进行数据清洗、加工和解析,最终汇聚到统一平台中,形成有价值、可被利用的数据资源.结果构建面向临床科研的全院级医疗大数据平台,该平台累积了北京大学人民医院自2004年以来,1342万余名患者的5000万余次就诊数据,设计了面向分析的医院科研通用数据模型,并能够按照模型在平台上进行科研数据查询与导出,建立了医院临床科研数据管理规范和服务机制.结论医疗大数据平台的建设及数据治理实践为北京大学人民医院基于医疗大数据的高水平科技攻关提供了高质量数据基础,进一步提升了临床科研效率和质量.同时,在确保数据安全、合规利用的基础上,从全院视角对临床科研数据进行了管控.