2016大数据分析在智慧健康管理中的应用

嘉兴统捷通讯科技有限公司：相建南

实际数据的采集

1非结构数据采集

2健康数据分析

3决策系统（预警机制）

4大数据应用案例

大数据应用案例

应用案例——医院

在医院，儿科部会记录早产儿和患病婴儿的每一次心跳，然后将这些数据与历史数据相结合来识别模式。基于这些分析，系统可以在婴儿表现出任何明显的症状之前就检测到感染，这使得医生可以早期干预和治疗。

应用案例——智能分析

•WNYC开发的Transit Time NYC让纽约人可以点击纽约市的五个区域来获取地铁或火车的时间。他们从开源行程平台OpentripPlanner获取数据，并将这些数据域公开下载的地铁时间表结合来创造400万虚拟旅程。

应用案例——选举

美国联邦调查局正在结合来自社交媒体、闭路电视摄像机、电话和文本的信息来追踪犯罪和未来恐怖袭击活动。同时根据一些国外媒体报道，奥巴马在2012年总统竞选中使用大数据分析来收集选民的数据，再加上一流的分析引擎，让他可以专注于最有可能投他的选民。

这方面最有发言权的应该就是谷歌了，谷歌自主研制的自动驾驶汽车分析来自传感器和摄像头的实时数据，从而保障用户在道路上的驾驶安全。

•通过“路灯杆装上传感器”，进行城市数据挖掘。在人们的生活里，无处不在的传感器被应用在街边灯柱上。通过“灯柱传感器”，可以收集城市路面信息，检测环境数据，如空气质量、光照强度、噪音水平、温度、风速.“灯柱传感器”不会侵犯个人隐私，它只侦测信号，不记录移动设备的MAC和蓝牙地址。在今后几年“灯柱传感器”将分批安装，全面占领一些城市的大小街区。

•这样，我们就可以预先了解城市道路的情况。对城市设计和管理提供最有利的支持。

实际数据采集

实际数据采集

血压/脉搏/微循环参数计算

•压力传感器

血压测量

脉搏参数

•光电传感器

微循环参数

基于脉搏参数计算其它相关参数

实际数据采集

红外光电式连续血压测量研究

•光电式脉搏传感器的噪声分析和工程处理

•脉搏信号的模/数信号转换电路•血压测量原理

•半导体力敏传感器

•血压的压力信号放大电路

非结构数据采集

非结构数据

•Word文档

•Pdf文档

•图形文件

•语音文件

非结构数据采集

最早的网络问答服务应该是由各搜索引擎推出的问答社区，例如百度知道、搜搜问问等。接着兴起了 Quora、知乎一类的社会化问答网站。现在，网络问答服务似乎开始进化到第三阶段 -- 基于语义分析引擎的专家问答服务

Google Dremel (如何能3秒分析1PB)

•随着Hadoop的流行，大规模的数据分析系统已经越来越普及。数据分析师需要一个能将数据“玩转”的交互式系统。如此，就可以非常方便快捷的浏览数据，建立分析模型。Dremel系统有下面几个主要的特点：•Dremel是一个大规模系统。在一个PB级别的数据集上面，将任务缩短到秒级，无疑需要大量的并发。磁盘的顺序读速度在100MB/S上下，那么在1S内处理1TB数据，意味着至少需要有1万个磁盘的并发读! Google 一向是用廉价机器办大事的好手。但是机器越多，出问题概率越大，如此大的集群规模，需要有足够的容错考虑，保证整个分析的速度不被集群中的个别慢(坏)节点影响。

•Dremel是MR交互式查询能力不足的补充。和MapReduce一样，Dremel也需要和数据运行在一起，将计算移动到数据上面。所以它需要GFS这样的文件系统作为存储层。在设计之初，Dremel并非是MapReduce 的替代品，它只是可以执行非常快的分析，在使用的时候，常常用它来处理MapReduce的结果集或者用来建立分析原型。

•Dremel的数据模型是嵌套(nested)的。互联网数据常常是非关系型的。Dremel还需要有一个灵活的数据模型，这个数据模型至关重要。Dremel支持一个嵌套(nested)的数据模型，类似于Json。而传统的关系模型，由于不可避免的有大量的Join操作，在处理如此大规模的数据的时候，往往是有心无力的。

•Dremel中的数据是用列式存储的。使用列式存储，分析的时候，可以只扫描需要的那部分数据的时候，减少CPU和磁盘的访问量。同时列式存储是压缩友好的，使用压缩，可以综合CPU和磁盘，发挥最大的效能。对于关系型数据，如果使用列式存储，我们都很有经验。但是对于嵌套(nested)的结构，Dremel也可以用列存储，非常值得我们学习。

•Dremel结合了Web搜索 和并行DBMS的技术。首先，他借鉴了Web搜索中的“查询树”的概念，将一个相对巨大复杂的查询，分割成较小较简单的查询。大事化小，小事化了，能并发的在大量节点上跑。其次，和并行DBMS类似，Dremel可以提供了一个SQL-like的接口，就像Hive和Pig那样。

•/google-dremel-rationale/

健康数据分析

健康数据分析引擎

健康分析引擎

健康风险指数Big Data 心血管参数计算健康预警及建议病征分析，等 大数据(big data,mega data)，或称巨量资料，指的是需要新处理模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资产。

对人体健康的分析-深度学习

健康风险指数

健康风险指数：通过对多种健康风险因素的分析，建立健康计算模型，分析个体健康风险。

心血管参数

心血管参数计算：通过分析脉搏波，计算出各种心血管相关的生理参数，辅助健康分析。1血压2左心室

射血时

间

3每博血量4外周血

管阻力

5心舒

末容量6动脉顺应量

心血管参数