10.3760/cma.j.cn114452-20200930-00754
机器学习在肿瘤分子标志物挖掘中的研究进展
随着高通量测序和多组学技术的应用,越来越多的生物标志物被挖掘并用于疾病诊断、风险分层、疗效评估及预后预测的研究中。由于机器学习能处理复杂数据,并通过建立模型等方法较好预测临床疾病变化,因此其在肿瘤标志物的挖掘和应用中具有一定的优势。通过总结近年来常用的机器学习方法,阐述其在标志物挖掘中的应用进展,并总结不同的机器学习方法在标志物挖掘中的优劣。
机器学习、肿瘤标志物、数据挖掘
44
国家自然科学基金面上项目81772272;中国医学科学院医学与健康科技创新工程项目2017-I2M-3-005;National Nature Science Foundation of China General Program81772272;CAMS Innovation Fund for Medical Sciences CIFMS2017-I2M-3-005
2023-05-30(万方平台首次上网日期,不代表论文的发表时间)
共5页
532-536