【摘   要】近年来数据挖掘理论在中医研究中的应用愈加广泛。决策树作为数据挖掘方法之一,具有许多其它传统的统计学方法和机器学习方法无法比拟的优点,将其应用于中医证候学研究,不仅可以从临床诊断数据中辨析证候与症状间的复杂关系,总结归纳中医专家的辨证规律并模拟其诊断推理过程,还可能发现客观有用的新知识以总结专家经验和丰富中医理论,具有重要的使用价值和广阔的发展前景。

【摘   要】针对传统基于机器学习方法在蛋白质互作用信息抽取中的缺陷,提出融合浅层句法分析的信息抽取方法,该方法将候选的句子进行浅层句法分析,包括对短语切分、同位语分析、并列结构分析、句子切分的处理。经过该步骤,句子被划分为多个单独的语法单元。然后,对每个语法单元采用基于最大熵的分类方法进行蛋白质互作用信息抽取。该方法在BC-PPI语料库中获得了62.1%的F1性能。比较实验结果表明,该方法能有效减少误判和漏判,提高信息抽取的性能。

【摘   要】电子病历中命名实体的识别对于构建和挖掘大型临床数据库以服务于临床决策具有重要意义,而我国目前对此的研究相对较少。在比较现有的实体识别方法和模型后,采用条件随机场模型(CRF)机器学习的方法,对疾病、临床症状、手术操作3类中文病历中常见的命名实体进行智能识别。首先,通过分析电子病历的数据特征,选择以语言符号、词性、构词特征、词边界、上下文为特征集。然后,基于随机抽取的来自临床医院多个科室的电子病历数据,构建小规模语料库并进行标注。最后,利用条件随机场算法执行工具CRF++进行3次对照实验。通过逐步分析特征集中的多种特征对CRF自动识别的影响,提出在中文病历环境下CRF特征选择和模板设计的一些基本规则。在对照实验中,本方法取得了良好效果,3类实体的最佳F值分别达到了92.67%、93.76%和95.06%。

【摘   要】鉴于生物医学命名实体识别的多数模型使用单机器学习算法时识别效果不好,提出一种基于条件随机域(CRFs)与最大熵(Maxent)分类器融合的方法,利用基分类器之间的相关性和互补性,结合有效的特征集合,进行再学习,得到融合模型.实验表明,该模型的识别性能与单一分类器和JNLPBA专题会议相关的系统比较,取得很好成绩,F测度达到70.7%,证明该融合方法有效.

【摘   要】<正>随着现代计算机技术和互联网的不断普及,利用先进的信息技术加强中医药信息数据库的建设,加速中医药信息的全球性传播、共享和利用,加快有效信息转化为知识,促进中医药知识快速更新,已经成为中医药现代化、信息化发展的关键[1]。笔者现对当前信息技术在中医药领域中的主要应用作一介绍,

【摘   要】传染病预测是卫生工作中的一项重要工作,神经网络作为一种相对成熟的机器学习方法,能否较好地应用于传染病预测模型的构建中,值得进一步探讨。本文介绍了反馈神经网络的基本原理和模型设计,并通过既往研究实例说明了神经网络模型在传染病预测中的应用。神经网络具有信息存储方式独特、容错性良好以及自适应能力强大等优点,可以识别变量间复杂的非线性关系,探讨其在传染病预测中的应用途径和方法具有重要意义和广阔前景。

【摘   要】目的:运用机器学习方法探索40岁～65岁妇女原发性骨质疏松症的中医基本证候要素特征。方法:运用隐类分析方法对北京和上海社区骨质疏松人群中医证候相关数据进行分析并建立隐树模型。结果:得到BIC评分为-22950.125的隐树模型,模型中的隐变量展现了骨质疏松人群以肾虚、肝虚、阳虚、阴虚、血瘀等为主的基本证候要素特征。结论:隐树模型可以客观化、定量化地揭示中医症状间的复杂关系,为中医证候的定量化研究提供研究思路。

【摘   要】本文阐述了临床数据挖掘技术应用方法和工具,用weka工具将心血管疾病住院数据生成一个带有19个节点的决策树,9个条件属性.,1个决策属性。通过机器学习作出正确的推断结论,通过数据挖掘发现关联规则或新的医疗规则,是有别于专家诊断系统的创新模式。

【摘   要】microRNA(miRNA)是一类不编码蛋白的调控小分子RNA,在真核生物中发挥着广泛而重要的调控功能.由于miRNA的表达具有时空特异性,因而通过计算方法预测miRNA而后有针对性的实验验证是miRNA发现的一条重要途径.降低假阳性率是miRNA预测方法面临的重要挑战.本研究采用集成学习方法构建预测miRNA前体的分类器SVMbagging,对训练集、测试集和独立测试集的结果表明,本研究的方法性能稳健、假阳性率低,具有很好的泛化能力,尤其是当阈值取0.9时,特异性高达99.90%,敏感性在26%以上,适合于全基因组预测.采用SVMbagging在人全基因组中预测miRNA前体,当取阈值0.9时,得到14933个可能的miRNA前体.通过与高通量小RNA测序数据的比较,发现其中4481个miRNA前体具有完全匹配的小RNA序列,与理论估计的真阳性数值非常接近.最后,对32个可能的miRNA进行实验验证,确定其中2条为真实的miRNA.

【摘   要】目的:研究一种综合考虑专家主观经验和机器学习客观规则的中医证候诊断模型。方法:基于属性层次分析模型,提出了一种可以应用于中医证候识别的方法,并编程实现了智能系统。系统融合中、西医多个特征构建决策属性,集成中医专家主观经验和机器学习客观规则联合辨证,实现了离散属性测度、相对属性权和合成属性权的计算方法。结果:构建了中医证候诊断系统,针对肝硬化样本病例学习辨证规则,并识别新样本的证候。结论:通过中医肝硬化数据进行系统的实例验证研究,表明该系统所得辨证结果与临床诊断吻合较好。

【摘   要】利用高密度单核苷酸多态(Single nucleotide polymorphism,SNP)标记在全基因组范围内检测影响复杂疾病/性状的染色体区段或基因,已经成为目前遗传学领域新的突破点之一。在全基因组关联研究(Genome-wide association study,GWAS)取得大量成果之后,研究者们对在全基因范围内研究交互作用产生了极大的热情。近几年,对交互作用的研究,无论是在方法的研发、实际的应用以及统计学上的交互向生物学上的交互转化,还是在信息组学的整合,都呈现快速发展的趋势。已有很多策略和方法被尝试用于进行全基因组交互作用分析,这些研究推动了对复杂疾病/性状遗传机制的进一步认识。基于目前全基因组交互分析所采用的各类数据处理方法的理论与算法的异同,文章拟对目前使用较为广泛的回归类方法、机器学习方法、贝叶斯模型法、SNP筛选类方法和基于并行程序的方法等5类方法加以评述,着重介绍了这些方法的算法原理、计算效率以及差别之处,以期能够为相关领域的研究者提供参考。

【摘   要】<正>当今世界,计算机技术已经深入到各个领域,得到广泛的应用,其中在医学领域的应用,特别是计算机技术应用于疾病的诊断,对医学的发展起到了重要作用。本文从计算机技术应用于疾病的诊断的角度出发,综述了目前计算机技术在医学中的

【摘   要】构建中医证素组合智能诊断模型需要特殊的域预测分类器而非传统的点预测分类器.引入一致性预测器(conformal predictor,CP),以算法随机性水平值为证素的重要性度量,以算法风险水平为阈值进行域预测输出,以中医慢性疲劳样本集为研究对象,随机森林(random forest,RF)等传统机器学习算法被嵌入到CP框架中计算样本奇异值.实验结果表明,CP-RF模型不仅拟合率比其他域预测分类器高,还对阈值具有很好的鲁棒性,克服了阈值对预测域的波动性,解决了中医多证素组合诊断关键的技术难题之一,同时CP-RF模型的预测域错误率能够被算法风险水平阈值所校准,表明其阈值具有明确的统计意义和可解释性,能够被中医医生所接受.

【摘   要】随机森林(random forest)模型是由Breiman和Cutler在2001年提出的一种基于分类树的算法。它通过对大量分类树的汇总提高了模型的预测精度,是取代神经网络等传统机器学习方法的新的模型。随机森林的运算速度很快,在处理大数据时表现优异。随机森林不需要顾虑一般回归分析面临的多元共线性的问题,不用做变量选择。现有的随机森林软件包给出了所有变量的重要性。另外,随机森林便于计算变量的非线性作用,而且可以体现变量间的交互作用(interaction)。它对离群值也不敏感。本文通过3个案例,分别介绍了随机森林在昆虫种类的判别分析、有无数据的分析(取代逻辑斯蒂回归)和回归分析上的应用。案例的数据格式和R语言代码可为研究随机森林在分类与回归分析中的应用提供参考。

【摘   要】采用便携式拉曼光谱仪对正常、良性和恶性的乳腺癌组织进行检测,通过对其拉曼光谱的指认,归纳了其主要区别和特征.在3类乳腺组织中有明显的脂类的特征峰(1230,1268,1301,1440和1743 cm-1),而在良性和恶性的组织中,则出现了较为明显的蛋白(1246,1271,1315和1364 cm-1)和核酸(1340 cm-1)的特征峰.良性和恶性组织的区别在于恶性组织特有的特征峰(1340 cm-1),而良性组织所特有的特征峰则应归属为蛋白.在数据分析过程中,选择能够反映样本化学本质的特征峰,利用高斯过程的机器学习对特征峰值建立模型.特异性(0.94)、灵敏度(0.95)和Matthews相关系数(0.86)表明在模型中3种组织有比较良好的辨别度,对于应用拉曼光谱方法辨别正常和患病乳腺组织具有参考价值.

【摘   要】细菌sRNA是一类长度在40~500 nt之间的非编码RNA,主要以不完全碱基配对方式与靶标mRNA5′端相互作用进而发挥其生物学功能。鉴于预测方法可以为细菌sRNA及其靶标的实验发现提供指导,因此,细菌sRNA与靶标预测研究受到了广泛重视。文章首先将sRNA预测方法分为3类,分别是基于比较基因组学的预测方法、基于转录单元的预测方法和基于机器学习的预测方法;其次,将sRNA靶标预测方法分为2类,分别是序列比较方法与基于RNA二级结构的预测方法;最后对各类方法的原理、核心思想、优点和局限性进行了分析,并探讨了进一步的发展方向。

【摘   要】建立一个高效、准确的医学图像检索系统是目前具有挑战性的任务。由于相关反馈(RF)技术有效地解决了"语义鸿沟",成为基于内容的医学图像检索系统中提高检索性能的关键技术。文中根据RF算法采用的检索模型,从基于距离度量的模型、基于概率统计分类模型和基于机器学习模型三个方面,对有代表性的算法进行了分析与评价,并重点分析了基于机器学习的RF算法。最后对医学图像检索中RF技术的发展进行了展望。

【摘   要】<正>本刊讯一项由中美科学家联合研发的"计算机辅助检测在尘肺病动态诊断中的应用"项目7月22日顺利通过专家组验收。利用这项新技术,将大幅度提高读片速度和肺部疾病的检出准确性,有助于改善我国目前最严重职业病的防治状况。

【核心点】本研究系统分析了酸性、碱性和中性酶在二级结构氨基酸组成上的差异。

【摘   要】本研究系统分析了酸性、碱性和中性酶在二级结构氨基酸组成上的差异。结果发现在形成特定二级结构过程中,酸性酶和碱性酶有着不同的氨基酸使用偏向;同时,在酸性和碱性酶中,中性氨基酸和侧链微小的氨基酸含量明显较高,这可能是它们适应极端pH的普遍机制。基于此,提出了一种提取蛋白质序列特征值的新方法,其10倍交叉验证的精度可达80.3%。与其他常见特征值提取方法相比,其精度提高了9.4%到18.7%不等;而随机森林算法比其他机器学习算法识别精度也高出2.7%到21.8%不等。

【核心点】本研究使用机器学习中的等度规映射、局部线性嵌入、拉普拉斯特征根映射等流形学习方法处理基因表达谱数据,得到非线性降维后的数据。

【摘   要】对基因芯片表达谱的聚类分析有助于发现共表达的基因,而共表达的特性往往是共调控基因所拥有的性质。因此,对基因表达谱的准确聚类将有利于更加准确地发现基因之间的调控关系。本研究使用机器学习中的等度规映射、局部线性嵌入、拉普拉斯特征根映射等流形学习方法处理基因表达谱数据,得到非线性降维后的数据。在此基础上应用K均值聚类、模糊聚类、自组织映射神经网络等聚类方法,根据给定的阈值,从酵母基因表达数据的382个聚类结果中得到了117个共表达基因对,而从人类血清组织细胞的基因表达数据的132个聚类结果中得到了89个共表达基因对。使用的判别准则表明,基于流形学习的聚类方法与以往的方法相当,且能够被用以发现高维基因芯片表达数据中的低维的流形结构。

【核心点】本文简要介绍了半监督学习在脑白质纤维束辨识中的应用原理和研究方法,对计算机学科研究的推广具有一定的启示作用。

【摘   要】将半监督学习方法应用在神经科学领域,是目前机器学习等领域所关心的热点问题之一。本文简要介绍了半监督学习在脑白质纤维束辨识中的应用原理和研究方法,对计算机学科研究的推广具有一定的启示作用。

【核心点】由统计学发展而来的方法与从机器学习中发展而来的方法同样重要。

【摘   要】本文介绍了在利用数据挖掘技术进行医药信息整合过程中使用的统计方法 :聚类分析、回归分析和人工神经网络分析方法 ,最后得出结论 :由统计学发展而来的方法与从机器学习中发展而来的方法同样重要。

【核心点】医疗数据二次应用的前景广阔,需根据具体情况选用不同的分析方法,以使医疗数据发挥最大的价值。

【摘   要】目的:医疗卫生信息化的迅速普及,为医疗行业积累了海量有价值的数据,对这些数据的有效利用,分析、挖掘其中隐含的信息、知识及模式,可为患者提供更好的诊疗及保健,为管理者提供更好的决策支持。方法:在对医疗数据的特点进行分析的基础上,引入医疗数据二次应用的概念,并从不同角度对医疗数据二次应用中的各种方法进行了分析研究。结果:指出了医疗数据二次应用的发展方向和亟待解决的问题。结论:医疗数据二次应用的前景广阔,需根据具体情况选用不同的分析方法,以使医疗数据发挥最大的价值。

【摘   要】生物医学数据智能化处理是当前医学信息工程中一个研究热点,针对梯度下降BP(反向传播)神经网络收敛速度慢,易于陷入局部极小等缺点,采用LM神经网络对梯度下降算法进行改进。分析了LM算法的原理并通过对一组乳腺癌数据进行分类,表明该算法具有很快的收敛速度及较高的识别准确率,为医学数据分类提供了一种新方法。采用的数据来源于UCI机器学习数据集。

【摘   要】对激素敏感脂肪酶,我们构建了表征分子组成、电荷、拓扑、几何结构及物理化学性质等特征的1559个描述符,通过Fischer Score排序过滤和Monte Carlo模拟退火法相结合进行变量筛选得到35个描述符,然后分别用支持向量学习机(SVM)、人工神经网络(ANN),k-近邻(k-NN),连续核密度估计(CKD)和逻辑回归(LR)等机器学习方法建立了激素敏感脂肪酶抑制剂的分类预测模型。对于训练集的200个样本,通过五重交叉验证,各机器学习方法对正样本,负样本和总样本的平均预测精度分别在78.0%-94.0%,69.0%-91.0%和73.5%-92.5%;通过y-scrambling方法验证SVM模型是否偶然相关,结果正样本,负样本和总样本的平均预测精度分别在60.0%-74.0%,58.0%-71.0%和61.0%-69.5%,明显低于实际所建模型的预测精度,表明所建模型不存在偶然相关;对52个没有参与建模的外部独立测试样本,各机器学习方法对正样本,负样本和总样本的预测精度分别在84.6%-92.3%,88.5%-92.3%和86.5%-92.3%。所建模型中,SVM,CKD和LR较好,且明显高于其他文献报道结果。

【摘   要】以中医方剂为研究对象,运用数据库挖掘、不确定性推理、机器学习等计算技术构建了一个数据挖掘平台;采用自主研制的"中医方剂数据库系统"(CPDBS)、"中医方剂智能分析系统"(CPIAS)、"中医方剂分类模式识别系统"(CPSVM)等软件,对中医方剂知识进行了挖掘研究。在中医方剂内涵知识的发现、方剂知识要点的形式化与量化计算、方剂模式分类识别等方面的研究成果表明:把对中医方剂知识的挖掘作为解读中医诊治思维的切入点,是实现把人的"经验"转化为"知识"的有效途径,对中医学的现代化研究具有现实意义。

【摘   要】我们构建了表征乙酰胆碱酯酶抑制剂分子组成、电荷、拓扑、几何结构及物理化学性质等特征的1559个描述符,通过Fischer Score排序过滤和Monte Carlo模拟退火法相结合进行变量筛选得到37个描述符,然后分别用支持向量学习机(SVM)、人工神经网络(ANN)和k-近邻(k-NN)等机器学习方法建立了乙酰胆碱酯酶抑制剂的分类预测模型.对于训练集的515个样本,通过五重交叉验证,各机器学习方法对正样本,负样本和总样本的平均预测精度分别为87.3%-92.7%,67.0%-81.0%和79.4%-88.2%;通过y-scrambling方法验证SVM模型是否偶然相关,结果正样本,负样本和总样本的平均预测精度分别为72.7%-82.5%,41.0%-53.0%和62.1%-69.1%,明显低于实际所建模型的预测精度,表明所建模型不存在偶然相关;对172个没有参与建模的外部独立测试样本,各机器学习方法对正样本,负样本和总样本的预测精度分别为93.3%-100.0%,74.6%-89.6%和86.1%-95.9%.所建模型中,SVM模型预测精度最好,且明显高于其它文献报道结果.

【摘   要】从临床病历文本中自动提取医学问题的相关时间属性可以服务于诸如临床决策支持、数字化临床路径等多种医疗信息应用,因此在医学语言处理领域,面向病历文本的时间信息自动提取研究在国际上已开展多年,而中文环境下的相关研究仍属空白。本研究提出了一种基于条件随机场(CRF)的时间关系自动提取算法实现了中文医学病历文本中面向医学问题的时间属性自动提取。该机器学习方法以经过医学问题和时间信息语义标注的病历文本为训练内容,时间关系结果标注采用以医学问题为中心的模式,即仅提取所关心医学问题的时间属性。在此方法框架下通过实验,重点分析了不同的CRF学习模板对于时间关系提取的影响,实验以63份实际病历作为实验文本,以多次交叉验证的方式获得不同学习模板情况下时间关系自动提取准确率的平均值,通过分析实验数据总结了CRF学习模板设计的一般规律,实验中最佳模板情况下时间关系提取正确率可达86.94%,这些结果将为后续研究提供基础。

【摘   要】抗原表位预测是免疫信息学研究的重要方向之一,可以给实验提供重要的线索。B细胞表位或抗原决定簇是抗原中可被B细胞受体或抗体特异性识别并结合的部位。实际上,近90%的B细胞表位是构象性的。即使抗原蛋白质三级结构已知,B细胞表位预测仍然是一大挑战。该文结合实例阐述当今主要的构象性B细胞表位预测方法和算法:机器学习预测、非机器学习的计算预测、基于噬菌体展示数据的识别方法,以及一些也可用于构象性B细胞表位预测的通用蛋白质-蛋白质界面预测方法;介绍最新相关预测软件和Web服务资源,说明未来的研究趋势。

【摘   要】与有效成分相作用靶点的识别是从分子水平阐明中药作用机理的关键步骤。本文提出1种新的思路来解决中药化学成分的靶点识别问题。该方法基于小分子化合物的结构,计算表征分子组成、电荷分布、拓扑、几何结构及物理化学性质的分子描述符,经BestFirst搜索策略和CfsSubsetEval评估策略相结合的方法筛选出与靶点作用活性相关的分子描述符。采用径向基神经网络、朴素贝叶斯和随机森林3种机器学习方法构建一系列靶点的识别模型,后期将所建模型整合成靶点识别系统,进而预测中药有效成分的作用靶点。采用10折交叉验证,3种方法得到总的预测正确率分别为83.33%～95.71%、84.62%～96.43%、82.14%～95.59%,识别过程在(0.02～0.19)秒完成。实验结果证明该方法不但简单有效,更主要的是满足面向中药化学成分的靶点识别任务对辨识效率的要求。

【摘   要】针对中医药资源在网上的分布特点,设计并实现一个对包含中医药资源的网页进行自动抓取的信息抓取系统;该系统的核心算法对经典Fish算法进行改进,计算链接相关度时,引入网页分块的思想及增量反馈和自适应机制,用机器学习的观点来动态改变查询主题,结果显示,可以大大提高查准率。

【摘   要】在计算机辅助诊断系统中使用集成分类器是提高机器识别能力的一种重要途径。针对集成分类器投票组合算法中存在的投票可信度问题,提出了一种基于Grading的集成分类器组合算法EGR,该算法根据集成分类器对样本的预测结果是否正确来转换相应样本的类标签,用新数据构造元分类器。在UCI医学数据集上进行的实验结果显示,EGR算法对分类精度的提升以及敏感性与特异性的整体改善是有效的。

【摘   要】蛋白质序列特征表示和机器学习算法是影响蛋白质结构类预测效果好坏的两个重要方面。本研究基于k-字统计频率和k-片段位置分布两种特征提取方法,将分别提取到的氨基酸序列信息和物理化学性质信息同蛋白质二级结构信息进行融合,建立17维和57维的特征信息集,并尝试在Adaboost.M1算法中引入Multi-Agent多智能体融合的思想,提出了一种Ma-Ada多分类器融合算法。该算法作为蛋白质结构类的预测工具,充分挖掘了单分类器度量层信息以及各个单分类器之间的交互融合信息。实验结果表明,Ma-Ada算法在Z277、Z498、1189和D640四个蛋白质数据集的57维特征信息集上的分类率分别达到了91.3%、96.8%、85.3%和87.2%,在17维特征信息集上的分类率也分别达到了90.6%、95.8%、84.8%和88.3%。与其它蛋白质结构类预测方法的结果相比,本方法能够获得较好的分类率。

【摘   要】确定氨基酸突变对蛋白质稳定性的影响对于分子水平的疾病机理理解和新蛋白质设计是十分重要的。这项研究也有助于药物学上的为提高蛋白质药物的稳定性而对其进行的改造与重组以及免疫学上的疫苗设计。实验测定费时费力且代价昂贵。计算方法已用来预测突变的影响和阐明其潜在的生物学机制。本文阐述预测残基突变对蛋白质稳定性影响的两类方法:使用能量函数直接计算法和机器学习方法;介绍15个最新在线预测工具并说明面临的挑战与未来的方向。

【摘   要】该文提出一种用于多类型癌症分子分型的演化超网络模式识别方法。首先采用"一对多"方法,将一个多类分型问题转化为多个二类分型问题;然后利用信噪比方法对DNA微阵列数据进行信息基因选择;经过超网络对训练集的演化学习,构造一系列二类分类器并进行集成,最终构建一个多类型癌症分型系统并对待测样本进行分类。对急性白血病、儿童小圆蓝细胞肿瘤和GCM数据集实验结果表明:演化超网络留一交叉验证(LOOCV)识别率分别为:98.61%,100%和85.35%。演化超网络有利于挖掘癌症相关基因,具有良好的学习结果可读性。

【摘   要】接收机工作特性(ROC)曲线已经成为误分类代价未知时的两类分类器分析和比较的标准工具,实际上已经取代了分类正确率或错误率。扩展两类ROC曲线到多类ROC曲面已经成为一个增长性的研究热点。本文阐述了ROC曲线的基本概念和应用,重点介绍了多类ROC曲面的历史和具体算法,指出多类ROC曲面的研究趋势是近似计算和可视化。

【摘   要】目的建立一个适用于中国慢性肾脏病人群的肾小球滤过率估算模型,基于人体体征及血清肌酐来估算肾小球滤过率。方法采用人工神经网络方法中的广义回归神经网络(generalized regression neural network,GRNN)方法,基于562例训练样本集建立模型,在独立的269例验证样本集中验证模型性能,与传统的统计学回归方法得到的GFR估算经验方程比较。结果与经验方程相比,神经网络模型具有更高的准确性(P<0.05)。结论人工神经网络作为常用的机器学习方法之一,应用于生物医学信息处理时,比传统统计学方法具有更大的优势,利用该方法建立的肾小球滤过率估算模型具有更好的估算精度。

【摘   要】根据DNA微阵列数据维数高、样本少的特点,提出了一种用于癌症分子分型的演化硬件方法.该方法是基于虚拟可重构结构的演化硬件识别方法,具备灵活、高速和自适应能力强的特点,有利于建立一个拥有高数据吞吐能力、学习结果易读的高效分类系统.采用信噪比的方法进行特征选择,对选择的基因经过归一化和二值化,然后用演化硬件识别系统通过系统学习和系统分类2个阶段进行处理.急性白血病分类的硬件实验结果表明:演化硬件的识别率和识别时间分别达到了95.88%和0.12μs.

【摘   要】目的:研究并构建强直性脊柱炎和系统性红斑狼疮2种病症的中医药临床诊疗支持系统。方法:该系统以中医对强直性脊柱炎和系统性红斑狼疮独特的诊断、鉴别、治疗方案为基础,建立数据挖掘、统计分析、机器学习等具体算法和模型。结果:该系统实现了对2种病症的计算机辅助诊断、治疗和康复指导。结论:该系统有效指导了强直性脊柱炎和系统红斑狼疮的治疗,且有助于推进医院信息化建设。

【摘   要】医家学术思想和诊疗经验是中医药知识的载体,近年名老中医经验传承研究呈现方法多元化、成果丰富化特点。强化"证据"概念,引入"循证"思想,实施严格的方法学设计是保证研究获得高级别证据及成果真实性、可靠性的基础,是中医临床循证诊疗的前提。探索包括文献调查、病例回顾、访谈研究、信息采集、数据挖掘、机器学习、专家反馈、证据体形成等在内的从"经验"向"知识"再向"证据"转化的中医经验传承研究路径与方法具有重要意义。

【摘   要】泛素化是目前广受关注的一种翻译后修饰过程,对蛋白质降解、DNA修复等多种细胞过程都具有重要的调控作用。本文根据国内外蛋白质泛素化位点预测的研究,分析了预测泛素化位点的特征属性,总结了对这些特征进行优化的特征选择方法,并对预测过程中所使用的各种机器学习分类器进行了概述。

【摘   要】目的探讨冷冻电镜分子图像的识别方法,为快速、准确的分子图像识别研究提供有效帮助。方法提出一种新的分子图像识别算法,可以生成旋转不变性和平移不变性的特征,并且采用基于分治思想的优化策略,显著地提高了算法的识别精度。结果在基准测试集上,同当前主流分子图像识别算法进行了对比,识别率优于其他算法。结论基于旋转和平移不变性特征的分子图像识别算法,有效解决了噪声的干扰和分子图像取向随机性的问题,提高了算法的识别精度。基于分治思想的优化策略,显著地提高了算法的识别速度。

【摘   要】情绪是综合了人的感觉、思想和行为的一种状态,在人与人的交流中发挥着重要作用。情绪识别是通过获取人的生理或非生理信号对人的情绪状态进行自动辨别,以实现更加友好和自然的人-机交互。基于脑电的识别方法是一种常用且有效的情绪识别方式。文中从脑电获取及预处理、特征提取和特征选择、情绪模式的学习和分类等几个方面,介绍了基于脑电的情绪识别的研究进展、应用前景以及目前存在的主要问题。

【摘   要】目的建立温病诊疗知识模型,梳理温病文献知识,辅助中医温病临床决策。方法从中医温病学入手,以本体论为基础,采用合理的知识表示方式,以OWL2本体语言为建模工具,进行模型构建的探索研究。结果通过梳理温病诊疗概念关系,建立等价类和父子关系的联系方式,初步建立层次较清楚、结构较为合理的中医温病诊疗知识模型;通过机器学习和推理机,实现模型学习推理的功能,为临床医生提供文献参考。结论本研究初步建立了中医温病诊疗知识模型,并实现辅助中医温病临床决策,为中医文献支持中医临床决策提供了一种有效的知识组织方式。

【摘   要】重度抑郁症是一种常见的心理障碍。功能影像研究表明,重度抑郁症与大脑许多区域的异常有关,这些区域包括海马、海马旁回、中央前回、尾状核等。复杂网络理论为脑网络拓扑结构的研究提供了一个有效的研究方法,但以往的研究方法主要集中在功能脑网络属性的统计分析上。通过对抑郁症患者和正常人的功能脑网络属性特征的分类对比研究,从机器学习的角度提出一种新的诊断抑郁症患者的方法。

【摘   要】随着蛋白质组学研究的不断深入,基于质谱的选择反应监测技术(SRM)已经成为以发现生物标志物为代表的定向蛋白质组学研究的重要手段.SRM技术根据假设信息,特异性地获取符合假设条件的质谱信号,去除不符合条件的离子信号干扰,从而得到特定蛋白质的定量信息.SRM技术具有更高的灵敏度和精确性、更大的动态范围等优势.该技术可分为实验设计、数据获取和数据分析三个步骤.在这几个步骤中,最重要的是利用生物信息学手段总结当前实验数据的结果,并用机器学习方法和总结的经验规则进行SRM实验的母离子和子离子对的预测.针对数据质控和定量的生物信息学方法研究在提高SRM数据可靠性方面具有重要作用.此外,为方便SRM的研究,本文还收集、汇总了SRM技术相关的软件、工具和数据库资源.随着质谱仪器的不断发展,新的SRM实验策略以及分析方法、计算工具也应运而生.结合更优化的实验策略、方法,采用更精准的生物信息学算法和工具,SRM在未来蛋白质组学的发展中将发挥更加重要的作用.

【摘   要】目的尝试通过构建数学模型来确定蛋白质中与RNA相互作用的氨基酸位点。方法从蛋白质结构数据库(protein data bank,PDB)中收集532例蛋白质与RNA相互作用的数据,对每个氨基酸提取150个特征,并利用机器学习方法构建2个与RNA结合的蛋白质位点预测模型。结果经过在同一数据集上与其他模型比较,所构建的模型具有更好的性能。结论该预测模型的建立,为研究人员获得与RNA结合的蛋白质位点提供了较好的生物信息学支持。

【摘   要】目的完善方剂知识发掘的方法,在提高方剂治法模型识别能力的同时,发现影响模型稳健性的关键因素。方法提出中医方剂智能分析系统(CPIAS)知识库的扩展和改进设计,如效-候关系启发式筛选规则的建立,效-素关系、效-素关系鉴别、素-证关系等知识表的创建。在此基础上,CPIAS计算出量化数据,应用中医方剂分类模式识别系统(CPSVM)进行方剂治法建模实验,并对学习结果进行分析。结果利用知识库扩展和改进后的计算结果构成数据样本时,CPSVM机器学习水平明显提升。结论方剂功效筛选、方剂症状排序、方剂证素集合是影响中医方剂治法模型构建质量的关键性因素。

【摘   要】以肿瘤基因表达谱指导肿瘤的分类是目前机器学习领域的一个研究热点.对多类别肿瘤分类中的关键问题——特征基因选择方法进行了研究,提出了混合式特征基因选择策略.该策略首先利用7种特征选择算法提取与分类高度相关的基因,随后采用SSiCP算法消除冗余基因.实验是在肺癌的多类别基因表达谱数据集上完成的.实验比较了7种特征选择算法的性能,发现CFS算法加SSiCP算法的混合式基因选择策略可以获得数量较少的特征基因集,在训练集和独立测试集均有较高的准确度.所获得的最精简基因集中的部分基因据文献报道与肺癌的发生发展密切相关.实验结果证实了混合式特征基因选择策略的有效性.

【摘   要】在人类基因组测序已经完成的"后基因组"时代,对基因组序列的功能注释,尤其是各种DNA调控元件的鉴定,已成为进一步理解人类基因组复杂机制的瓶颈问题.最近,针对染色质状态图谱的大规模研究工作,揭示了各类DNA元件特征性的染色质修饰标记.这些研究结果推动了一系列基于有监督和无监督学习的DNA元件预测方法的产生,其中一些方法已经成功应用于多个基因组的DNA元件预测,并且已成为未知基因组的常规注释工具.这些预测方法因其算法特点和预测策略不同而适用于不同类型的DNA元件预测任务.大多数情况下,使用者需要联合使用多个预测方法来达到预测敏感性和特异性的平衡.尽管各类算法在DNA元件预测中都有一些成功的应用,但每一类算法都有其特有的弊端,需要使用者认真避免.本文回顾了前期和当下DNA元件预测方法的主要类型,全面分析了各类方法的优缺点,指出了下一步可以改进的方向.本综述中的分析和观点有助于读者深入理解DNA元件预测算法的主要原则,进而在相关研究中更好地应用这些方法.

【摘   要】本文提出一种新的活动轮廓算法,即层次的上下文活动轮廓(HCAC),并将其应用于三维CT肝脏全自动分割。HCAC是一种基于机器学习的算法,可以分为两个阶段:第一阶段,即学习阶段,给定一套腹部三维CT训练图像以及对应的手动肝脏分割结果,利用上下文特征将每次的自动分割结果向手动参考分割结果映射,迭代学习得到一组纠错分类器;第二阶段,即分割阶段,首先将待分割图像用基本的活动轮廓进行分割,分割结果输入第一个纠错分类器,输出第一个形状模型,然后结合图像信息和当前形状模型,采用上下文活动轮廓(CAC)进行再一次分割,得到的分割结果输入第二个纠错分类器,输出第二个形状模型,结合图像信息和当前形状模型,再次采用CAC进行分割。如此迭代分割,随着形状模型的逐步精确,最终我们可以取得准确的肝脏分割。本文实验结果表明,随着迭代的深入,我们取得越来越好的分割结果。在三维CT肝脏图像分割中,我们通过6次迭代,就可以取得较好的肝脏分割。

【摘   要】深度学习是机器学习领域一个新兴的研究方向,吸引了工业界和学术界的广泛关注。该文从深度学习的历史渊源谈起,描述了几种主要的深度学习架构,介绍了深度学习在肿瘤分类中的一些应用,提出了目前肿瘤分类研究存在的问题。

【摘   要】目的以磁共振扩散张量影像(diffusion tensor imaging,DTI)为基础进行大脑结构网络拓扑属性分析,选择与认知表现分数相关性较大的结构网络特征,并基于这些特征建立认知表现分数预测模型,藉以客观地估测老年人的大脑认知能力。方法对94例正常老化的DTI影像进行结构脑网络构建,采用图论法分析结构连接矩阵,提取结构网络的特征,并将所有特征与受试者的简单智能状态检查量表(mini-mental status examination,MMSE)分数进行相关性分析,选取出与大脑认知高度相关的网络特征,再基于这些特征建立5种分析模型,预测受试者的认知表现分数,以进一步分析模型的预测效能。结果通过相关性分析,在相关系数大于0.22且P值小于0.05的条件下,选取出与大脑认知高度相关的30个特征,这些特征分布在AAL(automated anatomical labeling)图谱中的12个脑区。而在模型建立与效能分析部分,以高斯回归模型的效能最佳,其训练组相关系数达0.89,预测误差最小为2.01,对受试者的认知表现分数预测较准确。结论利用结构脑网络度量指标作为生物标记指针可建立正常老化认知功能预测模型,且能有效预测正常老年人的认知表现分数。

【摘   要】用多体素模式分析(multivariate pattern analysis,MVPA)方法分析功能磁共振成像(functional magnetic resonance imaging,fMRI)数据是近年来认知神经科学领域的研究热点。MVPA可分析大脑的解剖信息、大脑的功能活动以及人们的行为表现三者之间的关系,从而对人们某个认知行为背后的神经机制进行探讨。本文主要介绍以下内容:①如何用MVPA方法对fMRI数据进行处理和分析,主要包括数据预处理、特征提取和样本创建、分类器的选择与测试。②如何对MVPA的分析结果进行解释:结合认知心理学的相关知识对MVPA的分析结果进行解释。通过本文,可以对MVPA的基本理论,应用特点和发展趋势,以及如何用MVPA方法进行fMRI数据处理和分析有一个较为全面的认识。

【摘   要】超声诊断是产科临床上应用最广泛的医学成像方式,与之相应的自动医学图像处理是提高诊断准确率与客观性的重要手段。本文首先介绍超声医学图像处理方法的原理及特点,讨论了若干技术及其涉及的算法,包括图像滤波、图像分割及机器学习技术等,浅析了设计可靠的超声医学图像处理方法的要点。其次,以产前超声医学为背景介绍了这些技术的应用,主要包括标准切面自动提取和生物学参数自动测量。最后,讨论了产前超声智能化诊断的发展方向。

【摘   要】为探讨局部一致性ReHo(regional homogeneity)是否可以作为有效诊断抑郁症的特征,且其统计显著性是否可以作为有效的筛选标准并进行相应的分类。对28例正常人和38例抑郁症患者进行静息态全脑f MRI(functional Magnetic Resonance Imaging)扫描并分析。使用具有统计显著性的阈值作为筛选特征的标准并度量四种分类器下的正确率,运用敏感性分析方法评估不同特征的重要性,以此来构建一个准确率较高的模型。结果在SVM-RBF和神经网络算法中,当特征数为30时表现出了较高的正确率,分别是77.4%和73.1%。在研究特征重要性和统计显著性之间的相关性分析中,发现二者具有明显的正相关。因此,可以利用该方法用在抑郁症的诊断当中。

【摘   要】分析现行中药质量评价体系,提出多元中药指纹图谱与药效关联关系框架,引入基于机器学习的谱效关系模型,提供了合理的计算方法。提出的中药质量控制与评价的新方法,有利于保证中药安全性、有效性和质量稳定性,为促进中药现代化发展提供技术支持。

【摘   要】为了研究说谎时的脑网络特征,采集了32个被试在说真话和说谎条件下的功能磁共振数据,预处理后利用AAL模板构建不同条件下的功能连接网络,再利用基于机器学习的多维模式分类器对说谎和说真话进行分类。该分类器取得了良好的分类正确率82.03%(说谎84.38%,说真话79.69%),并提取了辨别说谎和说真话的有效的功能连接模式。结果表明了使用大尺度的功能连接对说谎和说真话进行分类的良好性能,并且从脑网络角度揭示了说谎的特征。

【摘   要】分析了中医临床记录中症状与症候类别之间的关系,将机器学习中的最大熵原理应用于中医辨症中,建立相应的分类模型,从而观察类别预测的正确性,为中医智能诊断提供初筛和决策支持。同时,将基于最大熵的分类器和基于朴素贝叶斯的分类器进行比较,结果显示,基于最大熵的分类效果胜过朴素贝叶斯分类。这表明将最大熵原理以及算法应用在中医诊断是可行的。

【摘   要】脑网络学习旨在从整体上研究大脑各功能区的交互,对于人类深入了解大脑功能和结构以及对一些脑疾病的诊断都具有非常重要的作用。作为脑网络分析的重要工具,机器学习由于能够从数据中学习规律并对未知数据进行预测,已成为近年来脑网络分析领域一个新的研究热点。本文综述了近年来基于机器学习技术在脑网络分析中的典型研究方法和应用,主要从网络的构建、特征学习和分类预测等3个方面加以介绍。最后,总结全文并展望未来研究方向。

【摘   要】<正>摘要目的本研究旨在定量研究内耳的内淋巴和外淋巴空间容积,进而进一步研究梅尼埃病的病理生理学机制及其治疗监管。方法本研究包括16例确诊的单侧梅尼埃病病

【摘   要】<正>"机器学习"是人工智能的一种形式。美国卡里生态系统研究所和佐治亚大学科学家将机器学习和大数据相结合,用于确定携带疾病的啮齿类动物的种类分布,以及容易被新生寄生虫和病原体传染的热点地区。相关论文发表在近期美国《国家科学院学报》上。据物理学家组织网报道,大部分新兴传染病都是从动物传染给人类,全世界每年有超过10亿人感染。保障公共健康需要有效的监测工具。卡里生态系统研究所疾病生

【摘   要】目的:针对脑血管疾病的常见诊断手段中存在一定程度的不足和局限,探讨用智能化混合融合模型进行诊断。方法:综合多例头颅灌注图像,利用神经网络融合模型的原理方法,对单参数图像和原始灰阶图像进行多重融合分析。结果:实现头颅灌注成像多参数图像综合分析立体化和自动化。结论:基于神经网络融合模型的头颅灌注图像分析方法,可以有效实现脑血管疾病诊断的智能化。

【摘   要】<正>英国牛津大学的研究人员日前表示,通过对照片进行计算机分析,可以帮助医生诊断具有罕见家族遗传疾病的儿童患有何种疾病。该研究由英国医学研究委员会部分资助,项目最初是通过计算机对照片中人脸特点进行识别,以寻找不同疾病在脸部结构中的不同特点,比如唐氏综合症、天使人综合征或者早衰等。由于患有不同综合征的人群照片库日益庞大,这一使用最新的计算机视觉和机器学习的算法,能够越来越多地了解到应该对哪些脸部特征加以注意,可以忽略哪些特点。

【摘   要】<正>西雅图华盛顿大学的医学工程研究人员开发了一个智能手机应用程序(BiliCam),通过智能手机的摄像头可诊断新生儿黄疸。将比色卡放在婴儿腹部,使用手机摄像头拍一张带有卡片的照片。通过比色卡能对不同的光线条件和肤色进行校准。照片传送到云,通过机器学习算法计算后,新生儿的胆红素水平报告很快就显示在手机上。新生儿由于肝功能还未发育完全,不能很好的分解胆红素。如果胆红素代谢出现异常就会引起新生儿皮肤黄染。通常医生观察皮肤黄染的程度来判断黄疸的严重程度。新生儿黄疸不及时治疗会引起大脑损伤甚至危及

【摘   要】黑色素瘤的计算机辅助诊断是基于激光共聚焦扫描显微镜(CLSM)皮肤图像纹理特征,并引入机器学习的技术,为临床应用研发的一种能够准确、有效地识别在体恶性黑色素瘤新医学诊断方法,将常用的基于机器学习的ID3、分类与回归树(CART)和AdaBoost三种算法应用于良恶性黑色素瘤图像的特征识别,并对各种学习方法的性能进行比较。实验结果表明,AdaBoost算法具有较好的分类识别性能,不但提高了恶性黑色素瘤早期诊断的准确度,降低了良性黑色素瘤的误诊率,而且为临床上早期发现和诊断提供了客观依据。

【摘   要】【目的】探讨交互式分割软件在肝脏局灶性病变CT图像中的应用。【方法】建立基于机器学习的肝脏局灶性病灶的交互式分割软件,通过学习判别式模型,对每一个像素进行病灶/非病灶的判别,从而实现区域分割。软件对PhotoshopCS4建立的理想单幅及序列ROI图像模型进行分割后,进而在肝脏局灶性病灶的CT图像上进行分割。【结果】理想的单幅及序列ROI模型中,前景随机选择不同灰度值及直径的ROI区时,均可精确分割出所有ROI区。单幅及序列CT图像分割中,前景分别选择肝癌消融后肿瘤完全灭活(低密度)及肝脏局灶性结节增生(高密度)病灶,软件正确分割病灶与周围正常组织区域;以Photoshop人工分割作为金标准,比较软件单独及序列分割的面积,差异无统计学意义(P>0.05)。【结论】基于判别模型学习的交互式分割软件初步成功应用于肝脏局灶性病灶CT图像的分割。

【摘   要】<正>程辉,男,1963年4月生,工学博士,硕士生导师,江汉大学数学与计算机科学学院副院长、学科责任教授。武汉市教师学科带头人,2012年荣获"武汉市有突出贡献中青年专家"称号。程辉教授从事计算机学科教学和科研工作20余年,教学经验丰富,在智能信息处理方法上有一定的造诣。目前主要承担《数字图像处理技术》、《IAVA程序设计》、《数据编码技

【摘   要】非编码RNA(noncoding RNA,ncRNA)是指不被翻译成蛋白质的一类RNA,近几年来关于它们的功能研究越来越引起人们的重视.现在已经发现了一些中小型ncRNA,比如microRNA、snoRNA、tRNA等,但是关于长ncRNA(lncRNA)的研究还不够完善.本篇综述回顾了ncRNA特别是lncRNA的生物信息学研究进展,包括它们的研究历程、基本特点、与疾病的关系,以及对已有的预测非编码RNA的计算机方法进行了分析和比较,并且介绍了利用机器学习模型整合新一代高通量测序数据的方法.

【摘   要】中国的中医治疗已有了几千年的历史,对人类的健康有着至关重要的意义,但是由于中药理论的不完善和复杂性,使传统的方法在中医药的研究中受到了很大的限制,严重的阻碍了传统中医药的发展和传承。数据挖掘技术是计算机技术中的一个新兴技术,它将数据库、人工智能、神经网络、信息减速、数据仓库、机器学习、统计学、遗传算法、模式识别等诸多学科的知识进行了融合,可以从大量的数据中挖掘出事先不知道的,但是却潜在的、有用的知识和信息。将数据挖掘技术应用在中药方剂的研究中,可以从古今大量的验方中挖掘出方剂的味、性、功效、归经等药理的信息,促进了中医药的临床试验和研究发展,对我国医药学的发展起到了积极的作用。

【摘   要】本文基于多主智的体群学习算法(GLBMA)提出了一个协作学习模型,通过各agent能够针对某一领域问题交换意见,分别扩充或修改各自原有的知识,直到达成共识。把该模型用于恶性肿瘤早期辅助诊断可以解决专家知识分布存储联合求解的医疗问题。