项目名称: 基于结构化大数据深度挖掘的呼吸道症候群监测与早期预警机制研究

项目编号: No.61471073

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 无线电电子学、电信技术

项目作者: 周喜川

作者单位: 重庆大学

项目金额: 80万元

中文摘要: 针对现有传染病直报系统监测结果滞后于传染病发病的缺陷,课题组前期开展了确诊前呼吸道症候群数据挖掘研究。研究发现,甲型N1N1流感等呼吸道传染病的发病趋势与特定呼吸道症候群指标的变化趋势具有明显的相关性。本课题据此提出,以禽流感等法定呼吸道传染病疫情实时监测为目标,以结构化症候群大数据为研究对象,探索深度挖掘理论,分析症候群数据的多源特征结构、多尺度时空结构与层次化特异性结构,规划症候群监测指标体系,建立预测传染病发病率与疫情爆发风险的关键理论与算法,最终搭建呼吸道症候群实时监测网络平台,实现与政府疾控部门在数据层、应用层的对接。课题涉及海量异构数据特征分析、大数据深度挖掘模型等关键科学问题。研究成果将成为国家传染病防控机制中的重要环节,为我国非典、H7N9禽流感等法定呼吸道传染病疫情分析、早期预警和防控策略的制定提供科学支撑和技术服务,具有重要的科学和社会意义。

中文关键词: 深度挖掘模型;结构化数据;大数据挖掘;呼吸道传染病;症候群监测

英文摘要: The existing disease surveillance systems, including the Chinese Centers for Disease Control and Prevention (Chinese CDC), rely on diagnosis results provided by hospitals or medical labs, which results in weeks of lag in case reporting. Our previous research in pre-diagnosed medical data suggested that the actual disease infection trend was strongly related with syndromic indicators like Internet search frequency; therefore, we propose to apply data mining approaches, especial the Deep Learning methods, to analyze respiratory syndromic data for real-time disease surveillance. This project plans to start from theoretic research in Deep Data Mining. After analyzing the multisource feature structural, the multiscaling space-time structure and the multilayer heterogeneous data structure of the syndromic surveillance data, the proposed project will build the syndromic indicator framework for the purpose of respiratory infectious disease surveillance. We will further study the surveillance models to predict actual disease infections in different districts and cities, and ultimately build the syndromic surveillance platform for monitoring respiratory infectious diseases. By providing data and application interfaces to the Chinese CDC, the respiratory syndromic surveillance platform will become an important mechanism for national infectious disease control and prevention. It will provide scientific and technical foundation for analyzing epidemic stages, detecting outbreaks and developing response strategies in early stages of potential epidemics.

英文关键词: Deep Models;Structural Data;Big Data;Respiratory Infectious Diseases;Syndromic Surveillance

成为VIP会员查看完整内容
1

相关内容

流行病数据可视分析综述
专知会员服务
39+阅读 · 2022年4月4日
专知会员服务
124+阅读 · 2021年6月12日
专知会员服务
52+阅读 · 2021年5月23日
专知会员服务
55+阅读 · 2021年4月20日
专知会员服务
79+阅读 · 2021年2月16日
专知会员服务
27+阅读 · 2021年1月29日
大数据安全技术研究进展
专知会员服务
92+阅读 · 2020年5月2日
大数据时代的地学知识图谱研究展望
专知
0+阅读 · 2021年11月25日
知识图谱构建-关系抽取和属性抽取
深度学习自然语言处理
26+阅读 · 2020年3月1日
支持个性化学习的行为大数据可视化研究
【大数据】海量数据分析能力形成和大数据关键技术
产业智能官
17+阅读 · 2018年10月29日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
7+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
A Survey on Data Augmentation for Text Classification
Few-shot Learning: A Survey
Arxiv
362+阅读 · 2019年4月10日
Arxiv
15+阅读 · 2018年4月3日
Arxiv
25+阅读 · 2018年1月24日
小贴士
相关VIP内容
流行病数据可视分析综述
专知会员服务
39+阅读 · 2022年4月4日
专知会员服务
124+阅读 · 2021年6月12日
专知会员服务
52+阅读 · 2021年5月23日
专知会员服务
55+阅读 · 2021年4月20日
专知会员服务
79+阅读 · 2021年2月16日
专知会员服务
27+阅读 · 2021年1月29日
大数据安全技术研究进展
专知会员服务
92+阅读 · 2020年5月2日
相关基金
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
7+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员