机器学习在子宫内膜异位症诊断中的应用
机器学习是一种多学科交叉下产生的人工智能学科.在大数据时代,从数据挖掘的角度出发,应用机器学习方法,通过在繁复的数据中寻找隐含的信息与规律,是探索子宫内膜异位症(EMs)诊断和预测标准的新契机.利用机器学习挖掘EMs相关数据、构建诊断及预测模型具有可行性,但目前机器学习模型用于EMs辅助诊断尚处于研究阶段.从用于机器学习的EMs生物标志物、机器学习模型在EMs诊断中的应用和机器学习与传统统计学比较方面,讨论机器学习模型相较于传统统计学模型的应用优势,突显出机器学习在EMs诊断中应用的广阔前景.
子宫内膜异位症;诊断;机器学习;模型,统计学;生物标记
41
2022-02-28（万方平台首次上网日期，不代表论文的发表时间）
共5页
84-88
