Loading...
机构名称:
¥ 1.0

基因组测序和质谱等新方法使可供科学家和医疗保健专业人员使用的分子数据量急剧增加,以寻求更精确的诊断和更高的治疗精度。1 尽管在 DNA 和 RNA 基因测序方面取得了最大的进展,但蛋白质和代谢物的高维测量在医学上的应用也在不断增加。分析工具也得到了同步改进,以匹配这些分子“大数据”的数量、速度和多样性。机器学习的出现被证明特别有价值。在这些方法中,计算机系统使用大量数据来构建预测统计模型,并通过合并新数据来迭代改进这些模型。深度学习是机器学习的一个强大子集,包括使用深度神经网络,在图像对象识别、2 语音识别、自动驾驶和虚拟辅助方面有着广泛的应用。这些方法现在正应用于医学,以产生具有临床指导意义的医疗信息。在这篇评论文章中,我们简要介绍了用于生成高维分子数据的方法,然后重点介绍了机器学习在这些数据的临床应用中发挥的关键作用。

分子医学中的人工智能

分子医学中的人工智能PDF文件第1页

分子医学中的人工智能PDF文件第2页

分子医学中的人工智能PDF文件第3页

分子医学中的人工智能PDF文件第4页

分子医学中的人工智能PDF文件第5页