张洋， 章鲁瑶，樊金宇，修云霞

（1.牡丹江医学院附属第二医院检验科，黑龙江 牡丹江 157011；2.牡丹江医学院，黑龙江 牡丹江 157011）

0 前言

近些年，深度学习算法在社会各个领域都迅猛的发展。在医学领域，基于卷积神经网络的乳腺癌钼靶影像在癌变检测上、基于CNN的深度学习在皮肤癌的分类诊断等方面，都取得了突破性的进展[1-5]。基于深度学习算法疾病检测、诊断在一定程度上已达到了临床医师的水平，正不断地改变医生传统的诊疗方式，在不远的将来，人工智能在医学领域必将发挥更大的作用。检验医学是临床决策的信息支撑，医学检验信息管理系统的高度自动化、数据化的特点为应用机器学习、数据挖掘、计算机辅助诊断系统的检验医学智能化发展提供了重要的契机。临床检验数据具有海量信息，数据结构极其复杂，既有文本格式的常规检验指标，也有大量的非结构化、半结构化格式的形态学检验数据、动态监测数据，还有多种格式的流式细胞数据[6-8]。海量的检验数据为医学临床诊断、治疗、预测、预后提供重要的依据。医学检验系统中存储的海量数据蕴藏着极高的价值，检验数据的多维性为数据挖掘提供了契机，也为检验数据与临床数据的结合创造关联的机会。

大数据时代的到来，临床医学中蕴含着海量的数据，这些数据背后则是等待发掘的信息、知识和规律。运用人工智能技术将医学大数据变成为人类造福的生产力，发掘医学大数据背后的秘密，是机器学习的主要任务。……