《表1 机器学习算法介绍:人工智能在心血管疾病诊断及风险预测中的研究进展》
监督学习是指算法通过学习带有标注的数据集和相应的输出结果,找到输入的数据与输出数据间所存在的某种映射关系[7]。因此,常应用于构建疾病风险预测模型,如对急性冠脉综合征患者PCI术后发生主要心血管不良事件(major adverse cardiovascular events,MACE)进行预测[8]。常见的监督学习算法有logistic回归,支持向量机、朴素贝叶斯和随机森林(表1)。无监督学习寻求发现数据集中变量间的底层结构,无需提前对样本数据进行标注,以揭示数据间潜在的内在联系。包括从丰富的组学大数据中自动提取分子特征,发现新的发病机制、基因型或表型[9,10]。Chung[11]等利用无监督算法在小鼠心脏重塑过程中对小鼠的基因组学,蛋白质组学和代谢组学进行了分类,以寻找心脏疾病遗传模式背后的逻辑。无监督学习常见的算法有聚类和降维。
图表编号 | XD00208552000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.20 |
作者 | 魏珂、司春婴、王贺、刘小明、关怀敏 |
绘制单位 | 河南中医药大学第一临床医学院、河南中医药大学第一附属医院心脏中心、河南中医药大学第一附属医院心脏中心、中原工学院计算机学院、河南中医药大学第一附属医院心脏中心 |
更多格式 | 高清、无水印(增值服务) |