機器學習準確預測發(fā)病風險
近日，佛羅里達大西洋大學（FAU）和耶魯大學醫(yī)學院發(fā)表的兩項獨立研究表明：機器學習算法在改善慢性病風險評估和護理方面發(fā)揮了關(guān)鍵作用，尤其對阿爾茨海默病（俗稱老年癡呆癥）患者和心臟病患者，機器學習可準確地預測發(fā)病風險。
FAU牽頭的研發(fā)團隊，利用患者對藥物、睡眠質(zhì)量和記憶力等健康問題的回復，結(jié)合人口統(tǒng)計學信息，開發(fā)了一種機器學習模型來評估患者患老年癡呆癥的風險。該方法可從多維度分析人體屬性和大腦的行為功能，挖掘和分析高級數(shù)據(jù)并持續(xù)學習，對疾病的進一步發(fā)展進行預測,該方法對阿爾茨海默病的檢測和治療具有重要意義。
耶魯大學醫(yī)學院的研究人員在Radiology發(fā)表的另一項研究中發(fā)現(xiàn)：將病人的64個冠狀CT成像特征輸入到機器學習模型中。該模型通過提取分析數(shù)據(jù)中的形態(tài)模式，可預測具有特定模式的患者比具有其他模式的患者更可能發(fā)生心臟病等不良事件。和傳統(tǒng)的方法相比，機器學習的預測結(jié)果更加準確。研究人員表示，如果增加人體的詳細數(shù)據(jù)，如年齡、吸煙、糖尿病和高血壓等，會進一步提高該方法的預測效果。
聲明：本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用，如有內(nèi)容侵權(quán)或者其他違規(guī)問題，請聯(lián)系本站處理。
舉報投訴
-
算法
+關(guān)注
關(guān)注
23文章
4711瀏覽量
95446 -
機器學習
+關(guān)注
關(guān)注
66文章
8505瀏覽量
134677
原文標題：機器學習可用于預測老年癡呆癥和心臟病發(fā)作風險
文章出處：【微信號：robotmagazine，微信公眾號：機器人技術(shù)與應用】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。
發(fā)布評論請先 登錄
相關(guān)推薦
熱點推薦
傳統(tǒng)機器學習方法和應用指導
在上一篇文章中，我們介紹了機器學習的關(guān)鍵概念術(shù)語。在本文中，我們會介紹傳統(tǒng)機器學習的基礎(chǔ)知識和多種算法特征，供各位老師選擇。 01 傳統(tǒng)機器
英國將試用AI工具提前預測糖尿病風險
，就準確預測出其患病可能性。 該AI工具的核心功能在于分析常規(guī)心電圖檢測結(jié)果。通過先進的算法，它能夠識別人眼難以察覺的細微變化，從而對患者未來罹患2型糖尿病的風險進行預警。這一突破性的應用，不僅為醫(yī)生提供了更為精準的診斷依據(jù)，也
如何選擇云原生機器學習平臺
當今，云原生機器學習平臺因其彈性擴展、高效部署、低成本運營等優(yōu)勢，逐漸成為企業(yè)構(gòu)建和部署機器學習應用的首選。然而，市場上的云原生機器
【「具身智能機器人系統(tǒng)」閱讀體驗】+數(shù)據(jù)在具身人工智能中的價值
100 倍 。此外，Sim2Real 技術(shù)的進步也促進了技能與知識從模擬環(huán)境到實際應用的轉(zhuǎn)移。這項技術(shù)在虛擬空間中訓練機器人和 AI 系統(tǒng)，使它們能夠安全有效地學習任務(wù)，而不受現(xiàn)實世界的物理風險
發(fā)表于 12-24 00:33
自然語言處理與機器學習的關(guān)系 自然語言處理的基本概念及步驟
Learning，簡稱ML）是人工智能的一個核心領(lǐng)域，它使計算機能夠從數(shù)據(jù)中學習并做出預測或決策。自然語言處理與機器學習之間有著密切的關(guān)系，因為機
ASR和機器學習的關(guān)系
自動語音識別（ASR）技術(shù)的發(fā)展一直是人工智能領(lǐng)域的一個重要分支，它使得機器能夠理解和處理人類語言。隨著機器學習（ML）技術(shù)的迅猛發(fā)展，ASR系統(tǒng)的性能和準確性得到了顯著提升。 ASR
什么是機器學習？通過機器學習方法能解決哪些問題？
來源：Master編程樹“機器學習”最初的研究動機是讓計算機系統(tǒng)具有人的學習能力以便實現(xiàn)人工智能。因為沒有學習能力的系統(tǒng)很難被認為是具有智能的。目前被廣泛采用的
NPU與機器學習算法的關(guān)系
在人工智能領(lǐng)域，機器學習算法是實現(xiàn)智能系統(tǒng)的核心。隨著數(shù)據(jù)量的激增和算法復雜度的提升，對計算資源的需求也在不斷增長。NPU作為一種專門為深度學習等機器
【「時間序列與機器學習」閱讀體驗】時間序列的信息提取
個重要環(huán)節(jié)，目標是從給定的時間序列數(shù)據(jù)中提取出有用的信息和特征，以支持后續(xù)的分析和預測任務(wù)。
特征工程(Feature Engineering)是將數(shù)據(jù)轉(zhuǎn)換為更好地表示潛在問題的特征，從而提高機器學習
發(fā)表于 08-17 21:12
【《時間序列與機器學習》閱讀體驗】+ 時間序列的信息提取
本人有些機器學習的基礎(chǔ)，理解起來一點也不輕松，加油。
作者首先說明了時間序列的信息提取是時間序列分析的一個重要環(huán)節(jié)，目標是從給定的時間序列數(shù)據(jù)中提取出有用的信息和特征，以支持后續(xù)的分析和預測任務(wù)，可以
發(fā)表于 08-14 18:00
【「時間序列與機器學習」閱讀體驗】+ 鳥瞰這本書
清晰，從時間序列分析的基礎(chǔ)理論出發(fā)，逐步深入到機器學習算法在時間序列預測中的應用，內(nèi)容全面，循序漸進。每一章都經(jīng)過精心設(shè)計，對理論知識進行了詳細的闡述，對實際案例進行了生動的展示，使讀者在理論與實踐
發(fā)表于 08-12 11:28
【「時間序列與機器學習」閱讀體驗】+ 簡單建議
這本書以其系統(tǒng)性的框架和深入淺出的講解，為讀者繪制了一幅時間序列分析與機器學習融合應用的宏偉藍圖。作者不僅扎實地構(gòu)建了時間序列分析的基礎(chǔ)知識，更巧妙地展示了機器學習如何在這一領(lǐng)域發(fā)揮巨
發(fā)表于 08-12 11:21
【《時間序列與機器學習》閱讀體驗】+ 了解時間序列
。
可以探索現(xiàn)象發(fā)展變化的規(guī)律，對某些社會經(jīng)濟現(xiàn)象進行預測。
利用時間序列可以在不同地區(qū)或國家之間進行對比分析，這也是統(tǒng)計分析的重要方法之一。
而《時間序列與機器學習》一書的后幾章分別介紹了時間序列在廣告
發(fā)表于 08-11 17:55
【「時間序列與機器學習」閱讀體驗】全書概覽與時間序列概述
數(shù)據(jù)中提取特征并將其轉(zhuǎn)化為交易策略，以及機器學習在其他金融領(lǐng)域(包括資產(chǎn)定價、資產(chǎn)配置、波動率預測)的應用。
全書彩版印刷，內(nèi)容結(jié)構(gòu)嚴整，條理清晰，循序漸進，由淺入深，是很好的時間序列學習
發(fā)表于 08-07 23:03
【《大語言模型應用指南》閱讀體驗】+ 基礎(chǔ)知識學習
能夠關(guān)注到輸入文本中的重要部分，從而提高預測的準確性和效率。這種機制允許模型在處理文本時同時考慮多個位置的信息，并根據(jù)重要性進行加權(quán)處理。
一些關(guān)鍵技術(shù)
1. 上下文理解
大語言模型能夠同時考慮句子前后
發(fā)表于 08-02 11:03
工商網(wǎng)監(jiān)
評論