本文是一篇工商管理论文，通过本文的研究得出A公司虽然在深度神经网络环境下对大健康数据处理方面做出了重要贡献，但是由于本人理论水平以及其他各个方面现实问题使得本文研究方面还有诸多不足，尤其是在深度神经网络研究深度方面还有着一定差距。
1 绪论
1.1研究背景
随着互联网技术的不断发展，大数据技术成为近十年来对人们生产、生活影响深远的一项技术。2008年，国外一些研究人员就对大数据进行了概念分析，之后引起了诸多学者的关注，分别从数据的来源、数据的处理工具以及难度方面进行对大数据的定义。大数据技术是一种可以对越来越复杂的基础进行高性能的存储、处理与分析，进而提升应用水平。大数据技术的不断发展给各个行业带来的巨大的发展契机，只有充分应用大数据技术才能有效提升企业或者组织信息处理能力，提升工作效率。大数据应用于医疗领域重要体现之一，是电子健康数据，直接促成了医疗健康大数据的产生，尤其是在新冠疫情大流行发挥了极为重要的作用。
医疗方面，虽然世界医疗技术在不断进步，但是其发展依然受到诸多阻碍，比如过重的医疗费用、老年人健康问题、医护人才缺乏以及医疗过程监督问题等都影响着医疗健康事业的进一步发展。中国近年来十分注重医疗卫生事业的发展，2021年在医疗领域的投资达到70172亿元，比上一年增加了12.5%，而且保持了投资率连续13年超过10%①。目前医疗领域的支出已经在国家财政支出中占据越来越大的比重，而且在未来很长一段时间，还会保持继续增加的趋势。虽然这些费用不断增加，但是大部分支出应用与医疗服务过程不规范有关，其中包括重复医疗服务、医疗管理资源浪费、不合理的医疗定价、疾病预防缺失以及医疗欺诈等。
传统机器学习算法需要人为设计并计算特征与筛选，而深度学习是大数据分析的关键技术代表之一，克服了传统机器学习的限制，可以实现自动特征学习。已经在计算机视觉、语音识别、目标检测等诸多领域都取得了较好的实践结果。目前，深度神经网络学习在医疗领域上也应用越来越广泛，应用场景主要集中在医疗影像辅助诊断、电子病历分析、药物研发和基因测序等方面。
1.2研究目的与意义
1.2.1研究目的
通过对深度神经网络背景下的A公司健康大数据挖掘进行研究，通过建立模型的方式进行实证分析，依据结果进行相关策略与建议的研究，进而为该公司更好地建立健康大数据提供一定意见，促进企业信息资源的开发和有效使用，帮助企业合理、有效地进行企业资源的合理规划和分配，促进企业的价值创新发展。
1.2.2研究意义
（1）理论意义
医疗事业是关系到我国国民健康的大事情，从当前国内外对于医疗健康事业的研究来看，已经出现了诸多理论、技术，对医疗事业的发展做出了极大贡献。但是在深度神经网络背景下展开对实际公司健康大数据深度挖掘的研究则较少，本文则主要以A公司为例展开此领域的研究，在研究视角与研究内容方面有着一定的创新性，为该领域的提供了新的研究方向，尤其是拓展并丰富了健康大数据的应用领域，提升了公共卫生服务、智慧医疗服务、医疗资源管理等方面的服务管理效率，为医疗事业的发展起到一定促进作用，因此有着一定的理论意义。
（2）现实意义
信息化时代的到来给医疗卫生事业的发展带来了新契机，深度神经网络背景下健康大数据挖掘可以实现用户自己健康数据的处理，比如将自己的心率、血压等上传到网络健康平台，同时对于原有的医疗数据进行对比和深度挖掘就可以给医院诊断带来大量的患者信息，使其可以更加精准的做出诊断。此外还可以通过健康大数据开展合理的医疗服务，进而促进我国医疗卫生事业的全面发展，为我国人民健康事业做出更多的贡献。本文在深度神经网络背景下展开健康大数据深度挖掘，对A公司在大健康技术领域的发展有着一定的指导意义，并且可以为同类行业企业的健康医疗大数据的挖掘与应用实践提供参考借鉴价值。
2 相关概念与技术基础
2.1概念界定
2.1.1数据挖掘概念
（1）技术上的定义
数据挖掘又称数据库中的知识发现，是从海量、不完全的、有噪声的、模糊的、随机的大型数据库中发现隐含在其中有价值的、潜在有用的信息和知识的过程，也是一种决策支持过程。数据挖掘通常与计算机科学有关，并经过统计分析、线上解析解决、机器学习算法、情报检索、专家系统和模式识别等诸多方式来实现上述目标。
（2）商业角度的定义
数据挖掘是一个重要的商业信息处理工具，是在大规模海量商业数据中，运用各种分析方法和分析工具建立模型和发现数据间关系的过程。从业务角度而言，其主要特点是分析商业大量业务数据，查找潜藏的异常，识别数据，发现相关性和模型化分析处理，从中提取辅助商业决策的关键性数据来预测和评估风险，加快企业做出明智决策的过程，有利于提高商业运作、提高竞争力。因此,数据挖掘可以描述为:以商业企业的既定业务目标为主要依据,对商业环境中大量的企业数据进行收集和分析,然后从中揭示隐藏的、未知的或验证已知的规律性,并进一步将其模型化的先进有效的方法。
2.2卷积神经网络数据库
卷积神经网络(Convolutional Neural Network,CNN)指的是通过人工神经元进行工作，可以使其覆盖范围内的神经元得以很好的工作，进而实现大型图像优化处理，它包含两个层次的内容，一是卷积层，二是池化层，属于前馈神经网络类型。
卷积神经网络数据库是以卷积神经网络为基础进行数据收集建立起来的数据综合，通过该种方式可以有效的对各种信息进行识别。上个世纪六十年代，Hubel和Wiesel通过研究指出猫脑皮层中负责局部敏感与方向选择的神经元有着独特的结构，此种结构可以促使反馈神经工作简单化，之后提出了卷积神经网络的概念。
经过多年的发展，CNN技术已经逐渐成熟，依据该技术已经建立起了数据库，成为当前各个学科领域研究的重点内容之一，尤其是在模式分类领域中占据重要位置，通过该网络数据库可以简化预处理程序，直接进入原始图像，因此得到了较为广阔的应用。
在这一网络体系中，它的连接是稀疏的，是卷积层间的连接，是与前馈神经网络相比，其连接只涉及到与之相邻的层级，并非全面神经元相连。具体而言，其首层特征图中的任一像素只是l-1层中卷积核中所规定的感受野内相关像素的线性组合，同时，其稀疏连接体现出鲜明的正则化特点，有力增强了网络结构的泛化性和稳定性，以免产生过度拟合的情况，并降低了权重参数规模，促进了神经网络的高效学习，降低其内存消耗。
3 A公司概况与大数据应用中存在的问题 ........................ 20
3.1A公司概况 ........................................... 20
3.1.1公司基本状况 ........................ 20
3.1.2公司组织结构 .............................. 20
4深度神经网络A公司大健康关键数据挖掘策略分析 ....................... 30
4.1数据融合发展创新 ........................ 30
4.2科学制定大健康综合数据评估流程 ............... 31
5基于深度神经网络为基础的A公司大数据挖掘应用流程设计 ............................... 35
5.1 数据采集 ................................... 36
5.1.1基于文档式的数据采集 .......................... 37
5.1.2基于中间库式的数据采集 ................... 38
6 深度神经网络为基础的大健康关键信息挖掘设计在A公司的试运行
6.1数据预处理
在对数据预处理过程中应该充分应用大数据技术实施，针对数据的预处理主要是指对其实施清洗操作。将这些获得的数据进行分析，在整个数据处理过程中所有数据资料进行汇总，之后进行治疗方案的确定。
通过统计分析因子水平可知，给出的1000条数据中，共有62人患有糖尿病并且没有出现并发症；形成住院记录64条；共有主治医师14人；治疗方案共计236种；共有5类方案；检查类型共有3 类，检查内容各不相同，并体现于相应治疗方案中；入院记录共计64条，检查记录一共127次，检验共计 474 次。本次分析针对三种类型的治疗方案，即：药品、检查和检验。
①药品
由于患者首次住院时所用胰岛素以及影响其血糖水平的药品种类较少，同时考虑到患者之间的差异性，导致使用种类也会产生较大差异，因此，统一将这些药品替代为“胰岛素以及其他血糖药”，从而使胰岛素以及影响其血糖水平的药品呈现出更加集中的使用频次。
②检查检验
这一过程中时常产生“检查+检查”和“检验+检验”的结构，因此，对检查检验项目进行了分离，使各项目更加具体详细。
引入均值补足法完善患者数据的缺失部分。当这一值为定距类型时，则以其属性存在值的均值作为其缺失值，如：入院日期；当该值为非定距型类型时，则需要依据众数原理，以其属性的众数实现对缺失值的填补，如：检查号。通过将检验与检查相分离的方式使得整体的数据处理更加精细化，有利于后期对于数据的细化分析。
7 结论与展望
7.1 研究结论
健康是关系到每一个普通人的大事情，如何保证每一个人的健康是国家政府关心的重点问题也是每一个人应该注意的现实问题。随着科学技术的发展尤其是网络信息技术的突飞猛进，以互联网技术为基础的健康数据信息逐渐建立并发展，目前已经形成了大数据健康数据，本文主要在深度神经网络视角下展开对A公司健康大数据的研究，通过研究主要得出以下结论。
第一，深度神经网络目前已经在社会各个领域得到广泛应用，可以有效提升网络运算能力，因此有着强大的发展潜力，目前已经在医疗健康方面与健康大数据结合形成了化学反应，有价值产生。
第二，
