机构名称：
¥ 2.0
摘要 机器学习越来越被认为是生物、生物医学和行为科学领域一项很有前途的技术。毫无疑问，这项技术在图像识别方面取得了巨大的成功，并可直接应用于电生理学、放射学或病理学等诊断领域，在这些领域我们可以获得大量带注释的数据。然而，机器学习在预后方面往往表现不佳，尤其是在处理稀疏数据时。在这个领域，基于经典物理的模拟似乎仍然无法替代。在这篇综述中，我们确定了机器学习和多尺度建模在生物医学科学中可以相互受益的领域：机器学习可以以控制方程、边界条件或约束的形式整合基于物理的知识，以管理不准确问题并稳健地处理稀疏和噪声数据；多尺度建模可以整合机器学习来创建代理模型，识别系统动态和参数，分析敏感性，并量化不确定性以弥合尺度并理解功能的出现。着眼于生命科学领域的应用，我们讨论了机器学习与多尺度建模相结合的最新技术，确定了应用和机会，提出了未解决的问题，并解决了潜在的挑战和局限性。我们预计它将激发计算力学界的讨论，并触及数学、统计学、计算机科学、人工智能、生物医学、系统生物学和精准医学等其他学科，共同努力为生物系统创建强大而高效的模型。
多尺度建模与机器学习相结合
主要关键词
相关文件推荐
