首页
热心肠日报
文献库
产业库
榜单
关于日报
《肠·道》演讲
往期精彩
《肠·道》2024
《肠·道》2023
《肠·道》2022
《肠·道》2021
《肠·道》2020
《肠·道》2019
《肠·道》2018
《肠·道》2017
关于《肠·道》
肠道大会
热心肠大会
热心肠智库
智库专家
专家动态
智库新闻
关于智库
奖学金
年度人物奖
更多
HOPE
会议信息
科学与艺术
学术专刊
R·AI
周刊
热心肠先生
研究院动态
关于我们
搜索
登录
关闭
手机邮箱登录
扫码登录
微信扫描二维码快捷登录
验证成功,将在
3
秒钟后跳转
已超时,请
重试
关闭
二维码登录
手机登录
邮箱登录
+86
+1
+852
+886
+81
+65
+61
+44
获取验证码
登录 / 注册
关闭
二维码登录
手机登录
邮箱登录
获取验证码
登录 / 注册
Li Chen
文章数:1篇
微生物组
微生物组数据预测建模的的深度学习新方法
基于微生物组数据建立临床结果的预测模型是必不可少的,系统发育树代表了微生物组的一种独特的相关结构,是提高预测性能的重要前提。然而,以有效且严格的方式考虑系统发育树的预测方法还不成熟。本研究开发了一种新颖的深度学习预测方法MDeep(基于微生物组的深度学习方法)来预测连续和二元结果。从概念上讲,MDeep设计卷积层以在每个卷积层上使用多个卷积过滤器模拟分类等级,以捕获局部接受域中微生物物种之间的系统发育相关性,并通过特征映射保持不同卷积层之间的相关性结构。总而言之,卷积层及其内置的卷积过滤器可捕获不同分类级别的微生物信号,同时促进局部平滑化并保留系统树诱导的局部连通性。本研究使用模拟研究和实际数据应用程序来证明MDeep在回归和二元分类方面优于其他竞争方法。
微生物组
系统发育
深度学习
机器学习
预测