Baidu
map

为您找到相关结果约500个

你是不是要搜索 期刊机器学习方法 点击跳转

收藏:<font color="red">机器</font><font color="red">学习</font>27张速查表、13种算法和4种<font color="red">学习方法</font>

收藏:机器学习27张速查表、13种算法和4种学习方法

机器学习的算法很多。很多时候困惑人们都是,很多算法是一类算法,而有些算法又是从其他算法中延伸出来的。这里,我们从两个方面来给大家介绍,第一个方面是学习的方式,第二个方面是算法的分类。一、4大主要学习方式 1.监督式学习 在监督式学习下,输入数据被称为“训练数据”,每组训练数据有一个明确的标识或结果,如对防垃圾邮件系统中“垃圾邮件”“非垃圾邮件”,对手写数字识别中的“1“,”

MedSci原创 - 机器学习,算法 - 2018-02-10

Psychol Med:<font color="red">机器</font><font color="red">学习方法</font>优化精准医疗以优化抑郁症治疗

Psychol Med:机器学习方法优化精准医疗以优化抑郁症治疗

集成机器学习算法在预测七种第二步治疗的缓解状态方面表现出差异分类性能。对于全套预测变量,AUC 值范围为 0.51 至 0.82,具体取决于第二步治疗类型。预测缓解对认知疗法最成功。

MedSci原创 - 抑郁症,机器学习 - 2024-04-07

Hypertension:<font color="red">机器</font><font color="red">学习方法</font>在预测年轻高血压患者临床结局的价值

Hypertension:机器学习方法在预测年轻高血压患者临床结局的价值

由此可见,ML法与Cox回归法在判断年轻高血压患者临床预后方面效果相当,而优于重新校准的Framingham风险评分模型。

MedSci原创 - 机器学习方法,预测,年轻高血压,临床结局,价值 - 2020-03-16

J Alzheimers Dis:利用<font color="red">机器</font><font color="red">学习方法</font>建立痴呆预测模型--疾病状态指数

J Alzheimers Dis:利用机器学习方法建立痴呆预测模型--疾病状态指数

DSI是一个经过验证的风险评估工具,利用“机器学习方法分析大量健康信息。该研究在线发表于12月6日的Journal of Alzheimer's Disease.

MedSci原创 - 机器学习,痴呆,预测 - 2017-01-02

利用真实世界的电子健康记录识别肺动脉高压患者的<font color="red">机器</font><font color="red">学习方法</font>

利用真实世界的电子健康记录识别肺动脉高压患者的机器学习方法

本研究旨在开发一个机器学习(ML)模型,以识别可能患有肺动脉高压(PH)的患者,使用基于美国的大型患者级电子健康记录(EHR)数据库。

MedSci原创 - 肺动脉高压,电子健康记录系统 - 2022-12-26

Translational Psychiatry:基于<font color="red">机器</font><font color="red">学习</font>和深度<font color="red">学习方法</font>对抑郁症相关血液DNA甲基化的全面多队列探索

Translational Psychiatry:基于机器学习和深度学习方法对抑郁症相关血液DNA甲基化的全面多队列探索

本研究发现1987个与抑郁症相关的CpG位点,随机森林模型在批次处理的数据中表现最佳,AUC达0.76,而在特征预选的模型中,AUC最高达到0.91,显示了机器学习在抑郁症DNA甲基化分析中的潜力。

MedSci原创 - 抑郁症,DNA甲基化,深度学习 - 2024-07-28

Nat Commun:表观遗传分析的<font color="red">机器</font><font color="red">学习方法</font>EWASplus揭示阿尔茨海默症相关基因

Nat Commun:表观遗传分析的机器学习方法EWASplus揭示阿尔茨海默症相关基因

阿尔茨海默症(AD)是一种与年龄相关的神经退行性疾病,是痴呆症的主要原因,也是全球主要的公共卫生问题之一。

MedSci原创 - 阿尔茨海默症,表观遗传,EWASplus,EWAS - 2021-07-24

Otol Neurotol:<font color="red">机器</font><font color="red">学习方法</font>筛选人工耳蜗植入候选者: 与60/60指南的比较

Otol Neurotol:机器学习方法筛选人工耳蜗植入候选者: 与60/60指南的比较

研究人员为进行CICE的患者开发了基于机器学习的转诊指南,并与广泛使用的60/60指南进行了比较。结果发现,基于机器学习的新型筛查模型在预测CI候选者方面具有较高的敏感性、特异性和准确性。

MedSci原创 - 人工耳蜗,机器学习,候选者筛选 - 2023-07-14

Radiology:深度<font color="red">学习方法</font>评价膝关节MR图像的价值

Radiology:深度学习方法评价膝关节MR图像的价值

本研究旨在验证利用深度学习方法在MR膝关节图像中检出软骨病变(包括软骨软化、软骨纤维化、软骨开裂、局部缺损、软骨退变导致的弥漫性变薄和急性软骨损伤)的可能性。

MedSci原创 - 深度学习,膝关节,MR - 2019-03-07

Critical Care Medicine:危重症患者尿量与病死率之间的关系:一种<font color="red">机器</font><font color="red">学习方法</font>

Critical Care Medicine:危重症患者尿量与病死率之间的关系:一种机器学习方法

明确ICU入院后24小时尿量对患者预后的重要性,并评估不同入院诊断的人群之间尿量预测价值的差异。

MedSci原创 - 2023-11-06

Psychiatry Research:<font color="red">机器</font><font color="red">学习方法</font>在精准医疗中应用于预测TRD患者ESK-NS治疗反应的临床预测因素

Psychiatry Research:机器学习方法在精准医疗中应用于预测TRD患者ESK-NS治疗反应的临床预测因素

丧失愉悦感、焦虑和双相特征对ESK-NS治疗反应和缓解有显著影响。

MedSci原创 - 机器学习,精准医疗 - 2023-08-03

Sci Transl Med:新<font color="red">机器</font><font color="red">学习方法</font>ARTEMIS绘制人类癌症重复元件图谱,助力癌症早期检测和组织溯源

Sci Transl Med:新机器学习方法ARTEMIS绘制人类癌症重复元件图谱,助力癌症早期检测和组织溯源

以上分析揭示了人类癌症重复元件图谱的广泛变化,并提供了一种无创检测和表征癌症的方法,这可能有利于癌症患者的早期检测和疾病监测。

测序中国 - 癌症,重复元件图谱 - 2024-04-24

Science:能对抗负面压力的最有效<font color="red">学习方法</font>居然是考试!

Science:能对抗负面压力的最有效学习方法居然是考试!

来自于美国Tufts大学的科学家在11月25日在Science上发表了一项新的研究证明:通过考试来学习,能够保护记忆力让其不受负面压力的影响。有效学习方法对抗负面压力在涉及120名学生的实验中,通过测试让每个人学习一系列单词和图表的实验表明,这些人在经历了急性应激后的记忆没有减值。而当参加学习的人用常规的方法重新阅读材料,却只能记得较少的内容,特别是在压力之后。超过十年的研究已经让大家都已经了解到

生物探索 - 记忆力,考试 - 2016-11-28

Nat Commun:多任务深度<font color="red">学习方法</font>预测实体瘤患者的治疗反应

Nat Commun:多任务深度学习方法预测实体瘤患者的治疗反应

准确预测个体患者的治疗反应对于患者的个性化药物治疗策略至关重要。

MedSci原创 - 实体瘤,个性化治疗,治疗反应,多任务深度学习方法 - 2021-03-28

Radiology:基于深部<font color="red">学习方法</font>电影MR图像全自动定量评价左心室功能

Radiology:基于深部学习方法电影MR图像全自动定量评价左心室功能

本研究旨在利用短轴电影MR图像建立基于深度学习方法进行全自动定量左心室功能,评价诊断效能。

MedSci原创 - 2018-11-23

为您找到相关结果约500个

Baidu
map
Baidu
map
Baidu
map