phenotypes | BriefGPT - AI 论文速递

关键词phenotypes

搜索结果 - 6

可解释机器学习的疾病轨迹聚类：以术后谵妄表型为例的案例研究
通过将个性化 POD 风险预测的监督学习与无监督聚类技术相结合，我们提出了一种方法，用于发现潜在的 POD 表型，从而增进我们对 POD 病因的理解并促进针对性的预防和治疗策略的开发。
PDF2 months ago
基于统计和机器学习方法的基因表达谱分析的比较分析
机器学习模型在表达基因数据的表型分类方面取得了好的性能，通过提取决策的解释，这些模型能提供对表型的理解，讨论了这种解释的生物学和方法论限制，并在癌症和健康组织样本的多个数据库上进行了实验。
PDF5 months ago
利用外部知识进行非监督的数值推理从临床文本中提取表型
利用 ClinicalBert 和外部知识的无监督方法，能够在临床文本中进行数值推理以提取表型，相比无监督基准测试，综合召回率和 F1 得分的绝对增益分别高达 79％和 71％，并且在监督学习情况下，性能也优于替代方法，综合召回率和 F1
PDF2 years ago
SDGCCA：基于监督学习的深度广义典型相关分析方法用于多组学数据整合
该研究提出了多组学数据集成的一种新方法，称为 SDGCCA。SDGCCA 能够建模非线性多种组学流形之间的相关结构，旨在改善表型分类并揭示与表型相关的生物标志物。应用于老年痴呆症患者的预测和早期和晚期癌症的区分中，SDGCCA 表现出优异的
PDF2 years ago
ICML深度半监督嵌入聚类（DSEC）用于对心力衰竭患者分层
该研究介绍了一种基于半监督深度嵌入聚类算法的数据驱动患者亚组的确定方法，该方法利用电子健康记录中的标签信息确定病人亚组，并找到从异质数据中获得的与临床相关的簇，从而有潜力找到不同结果的未诊断患者的新亚组，从而带来改进的治疗。
PDF4 years ago
NIPS用于高内容筛选数据降维的深度自编码器
提出使用堆叠去噪自编码器进行高内容筛选的降维处理，证明其优于 PCA、LLE、Kernel PCA 和 Isomap 的性能，并可以用于识别感兴趣的表型和富集的亚群。
PDF9 years ago