利用联邦学习技术进行 β 地中海贫血携带者检测
用于地中海贫血检测的政治切线搜索优化器基于迁移学习 (PTSO_TL) 在正常化数据、特征融合、数据增强和训练调优等阶段的整合应用中,达到了约 94.3%、96.1% 和 95.2% 的最大精度、召回率和 F 值。
Aug, 2023
This paper presents a dataset consisting of MRI images, laboratory tests, and clinical reports of patients with thalassemia, which can be used for medical diagnosis and treatment purposes, especially with the application of deep learning networks.
May, 2023
利用电子健康记录数据,我们引入了 HgbNet 预测模型用于血红蛋白水平和贫血程度的预测,该模型通过模拟临床医生的决策过程,利用缺失值处理机制和注意力机制来处理 EHR 数据中的缺失和时间间隔不规则问题,结果表明 HgbNet 优于基线模型,在贫血诊断方面具有潜在的非侵入性和提高生活质量的潜力。
Jan, 2024
FH-TabNet 是一个用于 Familial Hypercholesterolemia 检测的多阶段表格数据深度学习网络,通过使用 TabNet 模型进行初步分类,然后使用独立的 TabNet 分类器进行细分分类,展现出了在低患病率子类别中对 FH 患者进行分类的卓越性能。
Mar, 2024
研究了将大型语言模型与其他专门的机器学习模型结合使用的移动设备的潜力,以实时评估镰状细胞病患者贫血严重程度,并提供实时信息以降低 其血管阻塞性危机的发生频率。
May, 2023
非酒精性脂肪性肝病(NAFLD)是一种常见的慢性肝脏疾病,其特点是非常量饮酒者肝脏内脂肪过度积聚,包括肥胖、胰岛素抵抗、2 型糖尿病等风险因素。本研究旨在通过人口统计学、临床和遗传特征,为精确医学领域确定 NAFLD 患者的亚组;对 3408 例病例和 4739 例对照组的基因组和表型数据进行分析,采用潜在类别分析(LCA)揭示了 5 个亚组,通过基于 6 个 SNP 变异物和疾病结果的多基因风险评分来分析亚组,研究发现各群组在代谢综合征、肥胖、不同的合并症、心理神经因素和遗传因素上存在差异。
Nov, 2023
本文介绍了用于诊断和分类贫血的不同基于神经网络的分类器算法,并将这些分类器与已建立的模型(如前馈神经网络(FFNN)、Elman 网络和非线性自回归外生模型(NARX))进行了比较。通过使用来自 230 名患者的临床实验室检测结果的数据进行实验评估。所提出的神经网络具有九个输入(年龄、性别、RBC、HGB、HCT、MCV、MCH、MCHC、WBCs)和一个输出。对于不同的患者进行仿真结果表明,建议的人工神经网络能够快速准确地检测出疾病的存在。因此,该网络可以无缝地集成到临床实验室中,自动生成贫血患者的报告。此外,该建议方法价格实惠,可以在低成本的硬件上部署。
Apr, 2024
本文利用深度卷积神经网络来分类和量化镰状细胞贫血患者的红细胞形态,建立了包含 10,377 个细胞图像的数据集,使用 18 层神经网络架构,以 81% 的准确率鉴别出红细胞的三种不同形态,并使用了 SHAP 和 LIME 来进一步解释模型结果。
May, 2023
本文提出两种概率模型:一种是利用主成分分析(PCA)实现 Pritchard-Stephens-Donnelly 混合成员模型的估计,另一种是基于人口结构模型的概率模型的新 “逻辑因子分析”(LFA)框架的提出,这些模型较少地提出了建模假设,而这些模型能识别与结构存在高度分化的 SNPs。
Dec, 2013