一、文献综述
（一）国内外研究现状
随着医疗设备与技术的发展，人们的生活质量得到了很大的提升，但是疾病的诊治仍然是全球范围内的重大课题，个人乃至社会对疾病的预防、诊断和治疗问题的关注度也逐渐提高。与此同时，记录病人各项体征的医疗数据的体量也渐渐增大，数据量以每18个月翻倍一次的速度呈指数趋势增长，数据的产生方式也由人工采集逐渐转变成了由医疗设备自动产生，这代表着医疗行业也进入了大数据的时代。大量的数据同时推动着计算技术的发展，依赖于云的概念，只要能够通过这些医疗数据寻找到其中蕴含的与诊断信息有关的关系，就能够为疾病的预防与诊断提供帮助。
在公共医疗事业中，疾病预防从发起者层面可以分为公共卫生防控和个人疾病的检测与健康管理两个方向。公共卫生防控方面以流感为例，根据世界卫生组织最新数据估计，每年全球5%~10%的成人和20%~30%的儿童罹患流感，季节性的流感则会导致全球300万~500万重症病例和25万~50万死亡病例。建立和发展传染病预测预警技术，提高预测预警的及时性和准确性，对于传染病控制工作意义重大。目前各国采用的传染病疫情预警系统主要依赖于传统监测手段，其中存在诸多弊病：
- 使用定时抽样、每周汇总的数据获取方式，数据的获取方面相较滞后。
- 采用传统监测手段不仅会耗费大量的人力物力，还会导致监测网络的稳定性大幅下降，也就是说，遍及全国的监测网络中任意一个节点产生的差错都将直接影响结果数据的准确性。
- 传统监测手段获取的数据来源单一，无其他来源数据的作对比，以最终达到校正的目的。
而在个人疾病的检测与健康管理方面，随着城市化和人口老龄化进程加快，例如心脑血管疾病、慢性阻塞性肺疾病、恶性肿瘤、中风、糖尿病等原先被视为在发达国家人口中多发的慢性非传染性疾病已成为中国人口疾病谱的常客，基于疾病数据的统计预测系统的建立已经处于势不容缓的关口。
与此同时，储存在数据库中的疾病信息的形式十分繁杂，其中可能包括文字描述、数据，也有可能包括图像、语音等复杂的信息。对于研究人员来说，使用传统的统计方法从此类繁多而且复杂的信息中发现有价值且有精确定义的信息是很困难的。因此需要应用到现有的数据处理技术——数据挖掘与深度学习，通过数据挖掘从这些复杂的信息中提取出有价值的信息，基于这些数据使用深度学习算法训练训练出预测模型，为疾病的预防与诊断提供科学依据。
在当前发展的技术中，数据挖掘是最为合适的用于提取隐藏医学信息的技术之一。如何从这些原始数据中挖掘出有价值的信息，为我们的生活解决各种问题，这是现在所要解决的紧急问题，并且研究方向具有重要意义。
在世界范围内，一些组织与公司已经使用数据挖掘结合深度学习的方法，针对区域医疗情况的预测这一问题展开了一些实践与尝试。2008年，Google公司开发了“谷歌流感趋势（Google Flu Trends, GFT）”软件，利用Google巨大的用户群体产生的数据情报，提前1~2周准确预测了美国流感样病例百分比的变化趋势，由此在学术界掀起的利用互联网数据预测流感的研究浪潮。2017年，我国的平安集团与重庆市疾病预防控制中心的联合研发课题组，利用“互联网 医疗健康”大数据前沿技术，首次提出了“宏观 微观”的深度智能疾病预测方法，使提前一周预测某一地区流感和手足口病的患病率成为可能。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
