《表3 深度学习在预测预后中的应用》
在后续研究中可以通过不同层次对多组学数据和医学影像数据进行噪点去除、纹理分析、肿瘤分割、非监督学习特征提取,通过集成聚类分析、特征选择、回顾性分析和深度网络学习,完成不同组学的数据融合,实现基于内容与语义的推理机关联模型,并且利用数据间的关联关系,建立结构化数据的快速检索方法,建立准确性高、鲁棒性强的智能预测模型。表3详细描述了深度学习在预测预后中的应用,研究对象包括肺癌、肺腺癌和鼠肝等,研究方法包括深度学习自动量化、CNN、MLR (multinomial logistic regression)和RF(random forest)等。
图表编号 | XD00216431900 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.16 |
作者 | 左艳、黄钢、聂生东 |
绘制单位 | 上海理工大学医疗器械与食品学院、上海健康医学院医学影像学院、上海理工大学医疗器械与食品学院 |
更多格式 | 高清、无水印(增值服务) |