搜索结果: 1-6 共查到“计算机科学技术 癌症”相关记录6条 . 查询时间(0.038 秒)
AI分析组织样本准确预测癌症结果（图）
AI分析 癌症 人工智能 鳞状细胞癌
2023/12/18
美国得克萨斯大学西南医学中心研究人员开发了一种新的人工智能（AI）模型，可分析组织样本中细胞的空间排列。2023年12月11日发表在《自然·通讯》上的这一创新方法，准确地预测了癌症患者的结果，标志着在利用AI进行癌症预后和个性化治疗策略方面取得了重大进展。
人工智能破解癌症和阿尔茨海默氏症的“语言”（图）
人工智能 癌症 阿尔茨海默氏症 语言
2021/4/13
近日，科学家发现，Netflix、亚马逊和Facebook使用的强大算法可以“预测”癌症和阿尔茨海默氏症等神经退行性疾病的生物学语言。研究人员将数十年研究产生的大数据输入到一个计算机语言模型中，以检验人工智能能否比人类做出更先进的发现。英国剑桥大学圣约翰学院的学者发现，机器学习技术可以解读癌症、阿尔茨海默氏症和其他神经退行性疾病的“生物语言”。
德国科学家利用超级计算机辅助治疗癌症
德国科学家 超级计算机 辅助治疗 癌症
2012/10/9
一直以来，肿瘤学家们都希望，根据对组织切片的分析，预测一个肿瘤朝哪个方向发生突变，以便对症下药进行治疗。
SVM在基因微阵列癌症数据分类中的应用
支持向量机 癌症数据分类 特征选取
2009/6/11
在总结二分类支持向量机应用的基础上，提出了利用t-验证方法和Wilcoxon验证方法进行特征选取，以支持向量机（SVM）为分类器，针对基因微阵列癌症数据进行分析的新方法，通过对白血病数据集和结肠癌数据集的分类实验，证明提出的方法不但识别率高，而且需要选取的特征子集小，分类速度快，提高了分类的准确性与分类速度。
基于群体递增学习算法的癌症化学疗法优化技术研究
化学疗法 基于群体递增学习算法 约束
2009/1/20
探索分布估计算法中最频繁用于解决现实生活中优化问题的基于群体递增学习算法在优化癌症化疗中的应用能力，并与遗传算法作相应比较。实验表明基于群体递增学习（PBIL）算法的搜寻速度以及搜寻到的可行解质量均优于遗传算法。
一种改进的支持向量机及其在癌症诊断中的应用
支持向量机 癌症诊断
2008/12/26
为了改善支持向量机的泛化能力,提出了一种改进的支持向量机——SUBSVM,它把对所有训练数据训练得到的主支持向量再次训练，用得到的次支持向量构造SVM非线性分类器,将该算法应用在癌症诊断中，取得了比传统SVM分类器更高的识别率。