谷丽霞，刘欣芃

（1.上海市第六人民医院，上海 201303；2.郑州大学西亚斯学院，河南新郑 451150）

第四次工业革命的到来使得互联网中的数据量呈现出井喷式的增长。医疗财务分析领域同样面临着数据快速增长带来的各项挑战，数据量的增长需要更先进、高效的数据处理技术支持[1-5]。快速完成海量数据的识别与处理，可以有效提取数据中的有用信息进行辅助判别，不但能够提升医院财务系统运转效率，还能为战略决策提供有效的数据参考[6-8]。

近年来，计算机的运算能力得到了大幅提高。传统的机器学习算法在计算效率上的优势已随着计算量的增长而变得越来越小，深度学习网络凭借其更优秀的算法性能在工业界有了更广泛的应用，众多学者开始研究深度学习理论在医疗数据处理中的各项问题。对于医疗财务数据的处理，通常面临着数据结构化程度低、特征维度大、数据缺失等问题。因此，深度学习算法较难直接找到契合的应用场景。为了提升医疗数据的分析效率，该文建立了一个智能化的医疗数据处理与识别系统。文中对于深度置信网络进行研究，将其与自编码网络相结合，实现快捷化的数据特征识别，并以某医院的相关财务数据集为例，对系统的数据分析能力进行了测试和分析。

1 理论基础

1.1 深度学习

数据量的增长使得传统的机器学习算法无法充分挖掘出数据内的隐藏价值。深度学习并不是一项新兴的技术，但是长期以来，由于其结构复杂，运算时间长，无法满足应用需求。……