第四届中国健康信息处理会议的目的是将对信息技术应用于医疗保健和医学方面感兴趣的研究人员和从业者提供交流平台。
健康信息处理是生命科学和医学领域最重要的任务之一。它引起越来越多的关注，并且产生了许多计算方法。健康信息处理有两个主要议题：医学数据挖掘和生物信息学。
对于医疗数据挖掘，其目的是利用信息技术（例如文本挖掘，自然语言处理，图像处理，数据挖掘，机器学习，智能决策支持系统，本体，移动技术等）来维护和重用健康数据。将非结构化数据被转换为结构化数据，提取出感兴趣的信息，通过这些技术发现知识且可视化。
对于生物信息学，为了加快对日益增长的生物序列的分析，许多机器学习算法被引入到计算生物学中。通过使用这些技术，蛋白质结构和功能可以根据其基本序列进行鉴定，基因功能也可以通过序列数据进行分析，如启动子识别，增强子鉴定和疾病关系预测等。
为进一步发展其相关技术，CHIP鼓励作者所提交论文的主要议题从以下方面选择：描述原来的工作，包括方法、技术，先进的原型，应用，系统，工具或调查报告，报告的研究结果或未来方向。CHIP将以质量、相关性和独创性作为接受论文的基础，被接受的论文将被推荐给一些SCI索引期刊。
“Proceedings from the 3rd China Health Information Processing Conference (CHIP 2017)”2017年部分论文链接
我们邀请研究界提交以下主题的原创研究论文：
- 关于生物医学，临床或社会网络数据（如文献，EHRs，临床试验，关于医疗保健的社会媒体等）的文本挖掘和自然语言处理;
- 临床图像信息学;
- 关于生物医学，临床或社会网络数据（如文献，EHRs，临床试验，关于医疗保健的社会媒体等）的数据挖掘或机器学习;
- 关于生物医学，临床或社会网络数据（如文献，EHRs，临床试验，关于医疗保健的社会媒体等）的资源和注释;
- 健康信息检索和提取;
- 医学本体;
- 医疗保健知识表达与推理;
- 临床决策支持度和信息学;
- 穿戴式健康信息学;
- 用于医疗保健应用的移动技术;
- 用于生物医学，临床或社会网络数据解释和可视化的新工具和本体;
- 用于数据解释和可视化的新工具和本体;
- DNA，RNA和蛋白质特征提取算法，及其在计算生物学领域的应用;
- 基于机器学习方法的蛋白质结构和功能预测;
- DNA结合蛋白和RNA结合蛋白鉴定;
- 表观遗传学和疾病关系预测;
- Piwi-interacting RNA, microRNA, 和长非编码RNA预测;
- 蛋白质-蛋白质相互作用及其结合位点预测;
- 增强子，启动子预测及其功能分析;
- 重组热点/冷点识别;
- 高通量数据的主题和监管要素识别;
- 先进的机器学习方法及其在生物信息学中的应用。
