هدف از داده کاوی استخراج اطلاعات مفید از بانک‌های اطلاعاتی بزرگ یا انبارهای داده است و در جنبه‌های مختلف تجاری و علمی کاربرد دارد. الگوریتم‌های داده‌کاوی در صنعت بهداشت و درمان نقش مهمی در پیش‌بینی و تشخیص بیمار‌ی‌ها دارد و همچنین از آن‌ در صنایع داروسازی ، مدیریت بیمارستان، بازاریابی، مدیریت ارتباط با مشتری، مهندسی و آنالیز پزشکی، وب کاوی و ... استفاده‌ شده‌است.
تکنیک‌های مختلف هوش مصنوعی مانند یادگیری ماشین یا پردازش زبان طبیعی ارتباط انسان و ماشین را به صورت نوشتاری و گفتاری امکان‌پذیر می‌کند. یادگیری ماشین مجموعه‌ای از روش‌های مختلف ‌است که می تواند به صورت خودکار الگوهای نهان در داده‌ها را کشف کند.
یادگیری عمیق زیر مجموعه‌ای از یادگیری ماشین است که معمولاً توسط الگوریتم هایی متشکل از شبکه‌های عصبی مصنوعی چند لایه، مشخص می شود. از آنجا که یادگیری عمیق می تواند ویژگی‌ها را در مجموعه داده‌های بسیار پیچیده استخراج کند، یادگیری عمیق در مقایسه با سایر روش‌های یادگیری ماشین عملکرد برتری در حل بسیاری از مشکلات در زمینه‌های مختلف نشان داده‌است. این امر باعث شده‌است که یادگیری عمیق به یک رویکرد جدید تبدیل شود که می‌تواند مشکلات مختلفی را در پزشکی حل کند.
امروزه در زمینه تشخیص پزشکی از سیگنال‌ها‌ و تصاویر مختلفی از قسمت‌های مختلف بدن، همچنین اطلاعات مبتنی بر پرونده سلامت بیماران از جمله آزمایش‌ها و... استفاده می‌شود. بر این اساس امروزه حجم دادگان موجود ما را برآن مي‌دارد تا ابزارهاي مفيدي جهت استخراج اطلاعات خلق كنيم تا بتوانيم بدون دخالت انسان به طبقه‌بندي يا تحلیل محتوا بپردازيم. استفاده از روش‌های هوشمند در داده‌های پزشکی می‌تواند در تصمیم گیری بالینی به پزشکان کمک کند.
همچنین در حوزه انفورماتیک پزشکی می‌توان سیستم‌های مراکز بهداشتی درمانی را ارزیابی کرده و نیازهای نرم‌افزاری و سخت‌افزاری آنان را تشخیص داده و با استفاده از دانش تخصصی انفورماتیک پزشکی نسبت به طراحی سیستم‌های تصمیم یار، سیستم‌های خبره، سیستم‌های پزشکی از راه دور و همراه با استفاده از روش‌های مختلف از جمله هوش مصنوعی اقدام نموده و اینگونه سیستم‌ها را در اختیار گروه پزشکی و بالینی قرار داد.
هدف اولیه مرکز انفورماتیک سلامت جمع‌آوری، نگهداری، تحلیل، و پردازش اطلاعات در حوزه علوم پزشکی و سلامت است.

• بررسی و طراحی پرونده الکترونیک سلامت بیماران
• طراحی و پیاده‌سازی سیستم های تصمیم یاربالینی
• ارزیابی سیستم‌های اطلاعات سلامت
• پیاده‌سازی الگوریتم های یادگیری ماشین کلاس بندی ، خوشه بندی و...
• پیاده‌سازی سازی الگوریتم های دادکاوی در پردازش اطلاعات
• پیاده‌سازی الگوریتم‌های یادگیری عمیق در پردازش سیگنال و تصویر
• پیاده‌سازی الگوریتم‌های یادگیری عمیق در متن کاوی
• پیاده‌سازی الگوریتم‌های یادگیری عمیق در آشکارسازی، تشخیص تصاویر پزشکی
• پیاده‌سازی الگوریتم‌های یادگیری عمیق دراستاندارد سازی و افزایش کیفیت تصاویر پزشکی

• انجام پژوهش های علمی بنیادی و کاربردی
• برگزاری کارگاه های آموزشی تخصصی
• همکاری با مراکز تحقیقاتی و دانشگاهی و پژوهشگران توانمند و علاقه‌مند

اعضای ثابت:

خانم هاله فاتح (کارشناسی ارشد هوش مصنوعی و کارشناسی مهندسی نرم افزار)