摘 要：随着大数据时代的热潮来袭，运用大数据的思维及技术解决生物医学工程领域的问题，已经成为时下的研究热点。本文通过对大数据的概念以及特征进行分析，结合当前生物医学工程中大数据的存储和分析方法，对生物医学工程的发展趋势进行了展望。
关键词：大数据；生物医学工程；发展趋势
一、生物医学工程与大数据的密切联系
1.生物医学工程的基本概念及其应用技术
生物医学工程是综合生物学、医学、电子学、材料学和工程学的理论和方法而发展起来的新兴边缘学科，其基本任务是运用工程技术手段，研究和解决生物学和医学中的有关问题。其主要应用技术包括生物医学传感器技术、信号检测与处理技术、基因芯片、医学影像处理技术、临床生化检测技术等。
2. 生物医学工程数据的特点
构成生物医学工程的数据主要来自对生物学、医学、工程学这几个方面的采集，因此数据形式呈现多样化，主要有以下5个特点：①数据量庞大。数据来源的多样性使得所搜集到的数据繁杂且呈现出不同形式。②数据异结构。采集到的非结构化数据不方便用数据库二维表结构来表达。③数据无法量化。数据无法用具体的数学公式或者表达式来表示其结构及特征。④数据冗余无意义。搜集到的数据并非都是有意义且有用的。⑤数据准确性较低。进行生物信号数据采集时很难完全避免噪声干扰，而噪声往往会造成数据误差。
二、生物医学工程中的数据挖掘方法
1.基于大数据大量、多样特征的 NoSQL数据库
NoSQL（NoSQL=Not Only SQL，它打破了关系型数据库长久以来占主导地位的局面，是快速成长起来的非关系松散数据存储类型。这种数据存储不需要事先设计好的表结构，它也不会出现表与表之间的连接操作和水平分割。
相对于铺天盖地的关系型数据库的应用，NoSQL提倡非关系数据存储，无需事先为要存储的数据建立字段，随时可以存储自定义的数据格式。而在关系数据库里，增删字段是一件非常麻烦的事情。例如，生物医学工程技术在获取数据时，得到的往往是大量的且非结构化的数据，这时大量且非结构化的数据的存储显得极其重要。
2.基于大数据高速、价值特征的Hadoop技术
Hadoop是一个能够对大量数据进行分布处理的软件框架。它包含两个基本组成部分：一个是作为主要存储系统的Hadoop分布式文件系统（HDFS，Hadoop Distributed File System），它复制和分发源数据块到服务器集群的计算节点， 由一个或多个应用程序对其进行分析；另一个是由MapReduce创建的一个软件框架和編程模型，用于编写能够并行处理大量分布式数据的应用程序。
三、生物医学工程的发展展望
1.诊疗远程网络化
在医院诊断中，医生可以通过互联网技术远程操作机器对患者进行全方位的检查，并且将采集到的相关数据通过网络进行实时传输并储存。
2.诊疗系统统一化
普通人一出生即可到当地卫生部门建立其个人医疗电子档案，并且卫生部门的电子档案数据库可以和医院里的患者电子病历数据库实现实时同步。在患者到医院就诊时，全国各个医院都可以通过调用患者的医疗电子档案查看其以前的相关病史及治疗方案，甚至可以对比患者亲属相关病历，给患者做出明确诊断。
3.医疗仪器智能小型化
体积小、智能化且契合人体构造的新型诊断仪器的出现，使医生能够对患者进行方便快捷的检查。例如，患者佩戴智能手环，医生可实时监测人体系统细微的变化，包括血糖、血压、血蛋白等含量的变化，再通过和正常人体的相关数据的对比，提出合理建议和解决方案。
总之，大数据时代下，生物医学工程发展会更加迅速，会为人类健康医疗产业带来重大的贡献。
参考文献：
[1]李德伟，顾 煜，王海平，等.大数据改变世界[M].北京：电子工业出版社，2013.
[2]钱志新.数据大金矿[M].南京：南京大学出版社，2013.
[3]李海云，景文武，于红玉.生物医学工程学科发展的思考[J].北京生物医学工程，2015，34（6）.
相关热词搜索： 发展趋势 浅谈 生物 医学工程 时代
