计算智能是在数学或传统建模的使用有限时解决复杂的现实世界问题的有力方法。计算智能范式有许多分支机构，包括神经网络，群智能，专家系统，进化计算，模糊系统和学习系统。这样的系统在处理医疗保健的不同方面可以发挥至关重要的作用。

随着医学互联网（MIOT）的进步，设计众多自动化诊断模型以用于不同疾病的早期诊断已变得可行。机器学习模型已广泛用于评估从MIOT收集的生物医学数据。但是，这些模型需要有效的特征提取和选择方法作为评估收集的生物医学数据的预处理工具。因此，特征提取和选择方法可能会阻碍基于机器学习的生物医学数据分析的性能。因此，已经实施了深度学习模型来评估从MIOT收集的生物医学数据。这些模型在每一层都应用许多过滤器，以自动提取并选择生物医学数据的潜在特征。这些模型比机器学习模型取得了相当大的结果，但是在资源和时间方面，模型构建过程都非常昂贵。此外，当有大量数据可用时，深度学习模型有效地表现。

本期特刊的目的是确定深度学习模型和智能系统用于MIOT应用的新进步和应用。我们欢迎原始的研究和评论文章涵盖新颖理论，创新方法和有意义的应用，这些应用可能会导致物联网医学互联网（MIOT）应用的计算智能取得重大进展。

潜在的主题包括但不限于以下内容：

• 医疗保健信息学
• 医学互联网的机器智能技术（MIOT）
• MIOT的识别和优化方法
• MIOT的软计算方法
• MIOT的医学成像和模式识别
• MIOT的生物医学成像和图像处理
• 用于生物学问题的模式采矿算法
• MIOT推荐的人工智能和模式识别技术
• 深度学习和机器学习算法，用于在医学成像中有效索引和检索
• 数据分析和模式识别的计算智能
• 电子健康应用程序的医学事物互联网平台