10.3969/j.issn.1673-7571.2023.08.008
基于生物学知识库的临床预测深度学习算法研究进展
深度学习在生物医学领域具有较高准确率和自动提取特征的优势,已广泛应用于疾病预测.由于网络复杂且参数众多,为确保预测结果的稳定性和可靠性,进一步了解疾病的发生机制,深度学习模型的可解释性成为亟待解决的关键问题.通过将现有的知识框架,如信号通路调控网络,与深度神经网络相结合,构建具有生物学可解释性的深度学习模型,即可视化神经网络.本文总结了近5年来关于可解释生物深度模型的研究成果,并阐述了可解释模型(可视化)的原理,这些模型主要应用于肿瘤、遗传疾病和药物合成等领域.可视化神经网络降低了模型的复杂度和计算成本,逐步建立起一种推动疾病诊断、治疗和药物发现的生物信息学新范式.
深度学习可解释性、可视化神经网络、生物信息学新范式、临床预测
18
R319;R857.3(医用一般科学)
2023-10-30(万方平台首次上网日期,不代表论文的发表时间)
共10页
42-50,66