白贺伊

（西安广播电视大学，陕西西安 710002）

随着我国医疗卫生事业的不断发展，越来越多的医疗健康数据被存储在数据库中。这些数据具有规模大、增长迅速、结构复杂等特点[1-3]。目前，我国对医疗健康大数据的挖掘与应用正处于起步阶段，医疗数据的深度挖掘与分析关系到全民健康的发展，如何利用人工智能技术对庞大的医疗数据进行智能化分析，挖掘其中有效信息，从而更好地服务于医护人员与广大人民群众，是目前医疗事业发展与数据应用面临的重要挑战[4]。

针对上述所提到的问题，该文基于人工智能深度学习领域中的卷积神经网络技术，提出了一种适用于对医疗健康大数据进行智能化分析的方法。该方法通过词向量训练、CNN特征学习以及疾病风险评估等步骤，完成对各种疾病的风险评估，能够利用不同疾病的训练数据集得到与之匹配的分析模型。实验结果表明，该文提出的方法以及建立的模型能够实现对不同数据集、不同疾病的智能化分析，能更好地适用于常见疾病的风险评估，具有较高实用性与可靠性。随着日益增加的医疗健康大数据处理与分析的需求，该文所提方法具有应用价值，对其进一步的发展与完善也将更有意义。

1 卷积神经网络

卷积神经网络（CNN）是一种建立在传统神经网络上，包含卷积结构的深度学习算法[5]。与传统神经网络相比，卷积神经网络在传统多层神经网络的基础上加入了特征学习部分，利用空间相对关系减少参数数目以此提高算法的训练性能。……