【摘 要】
：
药物不良反应是疾病治疗过程中一个非常重要的考虑因素,为了指导医生有效避免或减少药物不良反应,提出一种基于多数据源与机器学习的药物副作用预测方法,将患病前后和用药前
论文部分内容阅读
药物不良反应是疾病治疗过程中一个非常重要的考虑因素,为了指导医生有效避免或减少药物不良反应,提出一种基于多数据源与机器学习的药物副作用预测方法,将患病前后和用药前后基因的表达量变化情况作为解释变量,利用随机森林算法对药物副作用进行预测,发现使用随机森林算法针对5种副作用的测试结果都优于传统的K近邻算法,其中副作用皮疹的测试准确率达到90.24%,相比K近邻算法提升了31.70%。结果表明,利用基因表达量变化情况这一特征可以很好地预测药物副作用,同时也说明副作用的发生和基因表达量变化情况具有很强的相关性。
其他文献
为解决传统方法难以处理德州扑克巨大的状态空间,以及强化学习中人工神经网络收敛性差等问题,以强化学习框架为基础,采用AC算法,引入专家先验知识预训练网络参数,以加速收敛
对汽车驾驶员进行疲劳检测,需首先利用面部检测技术对驾驶员的面部动作进行识别,可以使用MTCNN与CNN相结合的深度学习方法完成面部动作检测。先利用MTCNN的3个模块将面部特征与关键点进行提取,再利用CNN对网络进行训练,以准确识别特定的面部动作。利用MTCNN与CNN相结合的方法,模型准确率达99%,并且实时检测的FPS平均在19帧左右。研究表明,使用MTCNN与CNN相结合的深度学习方法,可以
深度卷积神经网络(DCNN)是人工智能研究领域前沿方向。DCNN结构复杂、参数非常多、可解释性与鲁棒性不强,对图像数据集的清晰度要求很高,而目前关于DCNN抗噪性能研究还较欠缺。通过给手写体数据集DigitDataset的测试集添加4种不同幅度噪声,深入研究DCNN在手写体识别上的抗噪性能。研究结果表明:(1)噪声对DCNN性能影响很大,噪声幅度越大,精度下降越快;(2)指数噪声对精度影响最大,伽
为了求解智能物流环境下货到人模式的智能仓库货位分配问题,首先根据货物出入库频率、货物质量和货位信息,从提货架稳定性、提高出入库效率、相关货物靠近存放角度建立多目标
目的研究消毒供应室开展品管圈(QCC)活动对降低手术器械感染率的影响。方法于2018年6~12月由我院消毒供应室开展QCC活动,分别于QCC实施前和实施后向我院各手术科室发放调查问
针对目前许多神经网络模型存在泛化能力较差现象,提出一种多头注意力方法以缓解神经网络泛化问题。该方法利用多头注意力从并行的长短期记忆网络(LSTM)中选择性激活并进行信息交流。在信息交流过程中既保留了普遍性信息,又加强了鲁棒性,从而提高神经网络的泛化能力。在对比传统并行LSTM实验中,该方法在4种数据集的平均测试误差比传统方法约低1.39%。另外与3种相关研究进行对比,该方法在4种数据集的平均测试误
点击率(CTR)预估在广告系统中至关重要,决定了广告收益大小。为提高广告点击率预估准确率,提出一种基于用户历史序列的点击率预估模型CANN。通过结合协同过滤和自注意力机制
为了解决多品种、多规格的大规模定制下生产组织调度及插单、退单问题,基于多Agent技术动态调度强化学习模型,采用分布式处理体系,通过控制Agent、任务Agent、算法Agent和调
针对船舶领域对仿贝壳元件的高精度需求,设计一种螺旋线式抛光轨迹对仿贝壳表面进行磁性复合流体(MCF)抛光。根据抛光轨迹和仿贝壳表面方程计算出所有走刀路径下抛光点的加工
为定量分析两相位信号控制交叉口的安全程度,以慢行交通与机动车以及机动车之间的冲突为研究对象,建立交叉口冲突数计算模型。首先,依据概率论、交通流理论推导出绿灯初期和