科学研究大数据挑战

现代科学研究的一个重要模式就是大科学项目,其特点是大科学装置和合作,并产生海量的科研数据.数据密集型的大科学项目对数据的采集、存储、分发和处理有着巨大的需求.本文以大科学项目为案例讨论了科研大数据在数据采集、处理、存储以及网络等方面的挑战,以及相应的应对方法.其中,国际上的高能物理实验每年产生数十拍字节(PB)的数据,这些数据需要妥善地记录和保存下来,并高效地分发到世界各地进行分析处理.高能物理学家基于网格技术合作建立了大数据处理的WLCG网格平台,该平台成功地支持了大型强子对撞机实验数据的处理和分析,同时也支持了其他大科学项目,取得很好的效果.另外,为了解决对数据的高效存储和访问,新的存储技术和网络技术,如软件定义网络和云存储等,被开发应用到科学大数据中.最后还介绍了云计算技术在科研大数据中的应用.     

生物医学大数据的现状与展望

生物医学是一门新兴的前沿交叉学科,它综合了医学、生命科学和生物学的理论和方法而发展起来.近年来随着先进仪器装备与信息技术等越来越广泛和深入的整合到生物技术中来,生物医学研究中越来越频繁的涉及到大数据存储和分析等信息技术.大数据时代的来临对生物医学研究产生了重大影响.其中,一个重要发展趋势就是由假设驱动向数据驱动的转变.数十年来分子生物学水平上的实验目的是获得结论或者是提出一种新的假设,而现在基于海量生物医学大数据,可以对海量数据的研究来探索其中的规律,直接提出假设或得出可靠的结论.随着先进的生物分析技术的不断推出和更新,生物医学数据迅速积累.基于此类大数据一些以往不能解决的问题将有望解决,同时相关生物医学研究的新问题也层出不穷.生物医学相关的大数据技术和相关应用主要包括:基于高通量测序的个性化基因组、转录组和蛋白组研究,单细胞水平基因型和表型研究,人类健康相关微生物群落研究,生物医学图像研究等.相关生物医学大数据分析任务均具有着数据密集和计算密集的双密集性特点.要充分地利用这些大数据解决一系列生物医学问题,迫切需要高通量、高效率、高准确性的生物信息存储和分析策略.本文总结和回顾生物医学大数据的生成、管理和分析相关的一系列问题,其中重点讨论人体微生物群落、单细胞表型和基因型、生物医学图像等新近出现的生物医学大数据形式,以及相关数据分析和应用前景等.基于目前生物医学大数据的现状我们可以发现,生物医学大数据的研究正处于蓄势待发状态:适应于生物医学大数据的软硬件平台、大数据存储、大数据分析挖掘等方法等还不成熟,制约着生物大数据的研究.然而一旦相关研究获得突破并有所优化和应用,将会全方位地支撑生物医学大数据的深入解构;进而有助于对医学现象的趋势分析和预测,服务于相关的遗传疾病研究、公共卫生监控、医疗与医药开发等广泛生物医学应用.     

大数据与量子计算

大数据技术的迅猛发展对计算效率提出了更高的要求.由于量子系统的独特性质,量子计算具有经典计算不具有的量子超并行计算能力,能够对某些重要的经典算法进行加速.人们发现,除了大数分解算法,量子计算的更多用途是对量子体系的仿真计算和在数据分析领域的应用.近年来,大数据和量子计算开始融合.虽然实际使用的量子计算机尚未建成,量子计算在大数据的应用在理论上已经取得了一些重要的进展.实验上也有了一些发展.本文首先介绍量子计算的基本原理和Grover量子算法.随后以量子机器学习作为切入点,介绍了量子计算在数据挖掘领域的应用.     

大数据安全与自主可控

继互联网、物联网、云计算之后,大数据已成为当今信息技术领域的发展热点.大数据在带来"大"价值的同时,也存在"大"安全问题.大数据的基本特征对计算设施、存储、网络、信息资源等提出了更高的安全要求,传统的信息安全手段和管理机制已经跟不上大数据时代的信息安全形势发展.本文在研究大数据安全新特点的基础上,分析了我国大数据发展面临的信息基础设施自主可控程度低、安全防护技术和手段不足等问题;阐述了自主可控对大数据安全的重要性和意义,明确了解决大数据安全的根本之道在于实现我国主要信息产品、设备和技术的自主设计制造,并总结了我国在大数据安全领域自主可控产品的发展现状.大数据安全事关国家安全,本文最后从加强大数据战略规划和安全体系建设、构建中国特色自主可控的发展路线、强化大数据技术在信息安全领域的创新应用等3个方面,探讨提出了解决我国大数据安全的策略和办法,以确保我国大数据时代的信息安全逐步朝着体系化、规范化和技术自主可控的方向发展.     

大数据时代的天文学研究

天文学已经进入数据密集型时代或者说大数据时代.面对海量天文数据在存储、计算、网络、软件、算法乃至工作模式等方面的需求和挑战,天文学家连同计算机和信息技术领域的专家正努力使基于科学数据的知识发现过程变得更加容易.虚拟天文台旨在实现科学数据的互操作,打造一个全球性的数据网格.天文信息学则从分支学科的高度来考虑天文学的长远发展.数据挖掘和知识发现在数据密集型时代大有可为,自身也必将获得长足发展.本文简要论述天文学研究在数据密集型时代所面临的挑战,介绍虚拟天文台理念和最新进展,探讨天文信息学发展的必要性和所包含的研究内容,阐明数据挖掘和知识发现的必要性和发展方向.     

数字医疗在糖尿病管理中的应用进展

数字医疗是基于大数据和人工智能的诊疗方法, 为患者提供基于其数据或基于人工智能原理的机器学习模式, 来预防、管理或治疗疾病。数字医疗在糖尿病管理中的应用越来越广泛, 包括患病风险及并发症风险预测、临床决策支持、运动、饮食管理及患者教育等方面。虽然数字医疗在糖尿病管理中面临着信息安全、数据标准化、设备和网络建设等挑战, 但随着人工智能和机器深度学习的发展, 数字医疗将在糖尿病预测、并发症风险预测、诊疗方案制定等方面发挥更大的作用。     

机器学习在系统性红斑狼疮中的应用进展

在信息时代, 人工智能在疾病诊治及医疗保健方面发展迅速, 可分析大数据并且挖掘内在联系。机器学习应用于SLE可揭示疾病异质性特点及复杂机制, 利用大数据及算法构建模型可解决临床问题, 完善患者的分层, 优化治疗策略, 完善疾病的评估系统, 有助于精准医疗。     

大数据时代关于隐私的思考

针对中美两国在大数据时代对隐私保护的现状进行了对比,从法律保护和社会保护两个角度分别进行了分析,指出在美国大数据的发展与隐私保护的冲突已经呈现出较为激烈的态势.在我国大数据发展暂时还没有威胁到社会公众的隐私意识,但及早关注大数据发展,并科学合理地设计与制定隐私与大数据权衡的法律与政策已经迫在眉睫.     

大数据时代下金融业的发展方向、趋势及其应对策略

首先简要回顾了大数据的定义、内涵及其主要特征;其次,通过研究发现,金融业是信息密集型服务产业,在数据特征和数据处理方面基本符合"大数据"概念和特征,正步入大数据时代的初级阶段;接下来,论述了在大数据时代未来的金融体系尤其是银行业将具有"开放、数字化、高生产力、科学决策"的显著特征与发展趋势,并指出在通往大数据时代之路上金融业面临来自文化、管理与技术方面的挑战;最后,给出了在大数据时代金融业发展的应对策略.研究结果将不仅对金融业务未来发展规划具有非常现实的指导意义;同时,也将为大数据时代下新金融理论的拓展奠定基础.     

生物大数据可视化的现状及挑战

在过去的10年中,以基因组学、医学遗传学和神经信息学等为代表的生命科学各研究领域,以前所未有的增长趋势,积累了海量的数据信息.这些数据类型复杂、数量庞大,其中蕴含的价值更是不可估量.通过传统的处理手段,难以理清海量原始数据中错综复杂的关联信息.而针对生物大数据的可视化研究,将有利于科研人员对复杂数据进行多角度观察并获取有效信息.生物数据量越大,复杂性越高,可视化在生物有效信息挖掘方面发挥的作用就越大.本文通过例举若干生物机构中心现存的数据规模和数据增长速率,说明生物研究领域已进入大数据时代,然后由生物数据的组成特征及可视化的特点引出生物大数据可视化的重要性和必要性.本文总结了生命科学研究领域中不同类型生物大数据的可视化研究进展,最后讨论了目前生物大数据可视化所面临的挑战,并提出可能的解决方案.     

MOOCs平台大数据的教育实证

随着大数据技术和大规模在线开放课程(MOOCs)的不断发展,基于MOOCs平台数据的教育研究也日益涌现.然而,相关研究在研究问题、理论基础和研究方法等方面还有待进一步探索.MOOCs平台大数据将为教育问题的研究提供不同类型的数据,有助于打破以往的一些限制.目前来看,基于MOOCs平台大数据的教育实证研究可能会出现聚焦MOOCs本身的研究、大规模在线开放式研究和应用于经典教育研究框架内的研究3种类型.     

药物分子设计中的大数据问题

药物创新领域的大数据主要来源于高通量实验、高效能模拟计算、信息化、科技出版物和专利文献4个方面.这些大数据使我们有可能在系统层面上看到药物分子与许多靶标相互作用的新现象、新规律,提高药物创新的效率,也带来新的挑战,如存储、标引/标注和质控、可视化、数据挖掘和计算复杂度等问题.这些问题可以通过在超算和云服务技术的支持下发展并行计算方法而逐渐得到解决.从离散、不完备且信噪比低的大数据中难以找到物质活性与结构之间的连续函数关系,贝叶斯学习机及其与支持向量机、决策树技术的组合是大数据挖掘的发展方向.大数据既是科学实验通量化和社会信息化的结果又是原因,正确解决大数据挖掘问题是提高药物创新效率的核心.     

大数据并行计算框架

大数据是当前IT信息技术研究和应用的热点,但目前的研究多集中在系统和应用层面,而理论基础研究方面相对较少.本文以计算复杂性理论为基础,针对大数据量大、快速和多样性等挑战,着重研究大数据的可计算性及其计算原理.首先将多种类型的大数据抽象到度量空间进行统一化表示以解决多样性问题,其次在度量空间中基于距离对大数据进行划分,最后运用NC类计算理论等并行计算理论和方法对大数据问题进行并行求解,以解决量大和快速等问题.本文从更广的视角,根据大数据的特性和大数据整个生命周期,提出处理大数据的策略和技术以及需要变革思维方法研究大数据.     

大数据平台结合翻转课堂教学法在急性心肌梗死教学中的应用探讨

目的 评价“大数据平台结合翻转课堂”教学法在急性心肌梗死教学中的应用效果。方法 随机选取空军军医大学2019级临床医学专业五年制本科生80人，随机分为两组：实验组（40人）和对照组（40人）。实验组进行“大数据平台结合翻转课堂”模式教学，对照组采用传统模式教学。在课程结束后，通过满意度问卷调查、学习投入时间及理论知识考核等方法对比评价“大数据平台结合翻转课堂”和传统教学法的教学效果。结果 实验组考核成绩为（88±4）分，对照组为（80±2）分，实验组理论知识考核成绩显著高于对照组（P<0.05）。实验组课前预习、课后复习与自主学习投入时间为（71±15）min、（74±17）min与（89±9）min，显著高于对照组（33±9）min、（62±18）min与（35±11）min（均P<0.05），实验组学习投入时间长于对照组，并且学习意愿更强。满意度问卷调查显示实验组在提升理论知识掌握、培养学习兴趣、提升自主学习能力、培养临床思维能力和对教学模式的认可5个方面优于对照组（均P<0.05）。结论 在教学中采用“大数据平台结合翻转课堂”教学模式可显著提升本科生对急性心肌梗...     

大数据对肿瘤登记发展的影响

对肿瘤登记和大数据的发展、大数据对肿瘤登记的作用和影响进行了系统回顾,大数据和肿瘤登记近年发展快速,大数据的发展促进了肿瘤登记的发展,而肿瘤登记发展又推动了大数据的进步.在大数据的影响下,肿瘤登记将向以下几个方向发展:(ⅰ)肿瘤登记自动化;(ⅱ)及时收集、整合和更新不同来源的肿瘤数据,提高肿瘤资料的质量、可用性和易用性,推动肿瘤资料的开放和共享,扩展肿瘤资料的应用;(ⅲ)各级医疗卫生信息中心的出现将彻底改变肿瘤登记模式;(ⅳ)采用大数据的技术和方法建立各级肿瘤数据中心;(ⅴ)医院肿瘤登记逐步开展,人群肿瘤登记覆盖率大幅提高,部分省将全民开展肿瘤登记.肿瘤登记自动化的理念和技术,迎合了大数据和肿瘤登记发展的趋势,并可借鉴应用到其他疾病的监测和研究.     

呼吸内科专业学位研究生“大数据”临床科研思维的培养

正21世纪,随着互联网技术的发展,"云技术"对庞大数据的存储、灵活调用以及"物联网"概念的普及,各种电子数据增长速度不断加快,呈现出前所未有的"数据爆炸",包括医疗卫生领域在内的各个领域都被推到了一个"大数据(big data)"时代~([1])。在医疗卫生领域,对于患者的诊疗策略更加需要基于"数据分析"而得出,而非传统的经验和直觉,临床决策也逐渐过度到基于临床研究数据统计分析的循证医学     

深度学习在原发性肝癌相关诊断模型中的应用与前景

深度学习是机器学习通过大量数据训练及分析来模拟人脑的学习行为而获得新的知识和技能。随着医学技术的进步,医学领域积累了大量的数据,对数据的研究有助于深入了解数据内的联系与规律,从而有助于预测人类疾病的发生与预后。深度学习通过找出数据中隐藏的信息,在医学领域中的应用日益突出。原发性肝癌是发病率和死亡率很高的恶性肿瘤,预后差,复发率高,如何早期诊断、及时治疗、预测复发等一直是研究重点之一。本文从肝癌发生风险预测、术后复发与生存风险预测等方面闸述深度学习在肝癌诊断及复发方面的应用进展。     

人工智能在心血管病诊疗中的应用

大数据时代的海量数据,给存储、合理分析、最优化利用这些资源带来挑战,人工智能(artificial intelligence,AI)的蓬勃发展给人们带来了希望。继美国等发布人工智能发展计划之后,我国于2017年启动人工智能计划,并把人工智能上升为国家战略[1]。人工智能是通过优化计算机算法,使其能够执行与人类智能相关的任务[2],它经历了从计算智能、感知智能到认知智能的三个阶段[1]。人工智能能够模拟人类智能的优势,通过整合分析健康和疾病的大数据,快速高效地给患者、医生、医疗机构以及监管机构提供有价值的诊疗信息[1]。心血管病的高死亡率和发病率引起了人们极大的关注。人工智能技术的快速发展,奠定了心血管病早诊断、早治疗的基础。因此,本文从人工智能在心血管病诊疗中的应用及前景进行综述。     

哪些药物可改善第一时相胰岛素分泌

改善第一时相胰岛素分泌是目前2型糖尿病治疗的热点。最新的研究发现，肠促胰岛素激素GLP-1类似物能显著改善第一时相胰岛素分泌，保护B细胞功能，因此长效GLP-1类似物和阻止GLP-1降解的药物研发已经成为2型糖尿病治疗的新热点。以下就对与第一时相胰岛素分泌相关的药物做详细的介绍。     

全球海洋预报与科学大数据

全球海洋预报是当前国内外海洋预报领域的前沿方向之一,与实施海洋强国战略、维护国家海洋权益,以及开发深远海资源等各类海洋活动日益走向深海大洋的迫切需求有着密切的关系.全球海洋预报的突出特点是使用并生成海量的数据,充分体现了大数据的基本特征.本文从论述大数据的起源、概念和本质开始,介绍了全球海洋预报的基本理论,进一步结合数据同化、模式数据和产品分发等3个方面具体阐述了全球海洋预报中使用的观测数据和生成的模式数据等大数据.最后展望了全球海洋预报以及海洋大数据未来发展中面临的挑战和亟需解决的关键科学问题.