软计算生物医学数据的进行分析

---

软计算(SC)技术可以用来解决问题的不精确、不确定性、真理和部分实现温顺和健壮性低计算成本。

这些特性代表SC之间的主要差异和困难的计算技术和提供SC策略的能力处理模棱两可的情况,如不精确和不确定性。出于这个原因,SC技术可以获得近似解的问题没有已知的方法来计算一个确切的解决方案。主要的SC范例包括模糊系统、进化计算、人工神经计算、metaheuristics和群体智慧。

这些特性使SC特别适合医疗数据分析,这是典型的特点是不精确和噪音的存在。此外,SC技术允许轻松地将人类知识,它可以帮助实现更好的解决方案。生物医学数据可能性质不同:文本、图像、信号,等等,这通常包含一个高噪音的存在。

这个特殊问题的总体目标是编译最新的研究和开发,最新的问题,挑战SC及其生物医学应用领域的数据。

17文章提交给这个特殊的问题,最后,六个原始研究的文章被接受和被包含在这个特殊的问题。

本文从x y孟et al .,作者使用功能富集分析识别遗传标记基因和通路与新生儿脓毒症相关。病例对照人口基础数据集收集为目的的研究,和随后的统计检验和coexpression网络分析工作。一组7关键信号通路和7中心与疾病相关的基因识别高潜力的风险。

生物医学文本挖掘从a .俄南是本文的主题。特别是,作者提出了一种有效的多分类器文本分类方法基于swarm-optimized潜在狄利克雷分配和diversity-based合奏修剪。拟议的技术应用于五个生物医学文本基准。结果表明,该方法优于其他先进的分类算法,以及各种学习和乐团合奏的修剪方法。

文章从y李et al .,不同的机器学习技术被应用于糖尿病随访数据的分类。特别是,应用特征选择和不平衡处理技术后,作者应用支持向量机,决策树演算法,装袋,结果数据。结果表明,这种分类演算法是最成功的技术数据。这些结果后,一个最相关的特征也进行了分析。

在他们的工作,杨b和同事解决这一问题的研究神经活动在认知重新评价同时脑电图(脑电图)fmri(功能性磁共振成像)数据。对于这样一个目的,作者提出一种有效的融合框架,使用一个基于典型相关分析(KCCA)。结果表明,该EEG-fMRI融合方法提供了一个有效的方法来研究认知的神经活动与高时空分辨率的重新评价。

小说的工具的基因网络结构的优化提出了本文从f . Gomez-Vela et al,特别是工具叫做GeSOp,它代表了一个新的计算方法优化基因网络的结构。这种方法执行修剪无关信息的输入网络,以促进生物知识的解释,包括网络。为此,GeSOp依赖于贪婪启发式算法,只选择最相关的关系,有助于识别网络中的枢纽。该方法的性能进行了测试在不同的数据集在所有情况下都令人满意的结果。

最后,刘等人提出混合直觉模糊集之间的余弦相似性度量。为了研究这一指标,作者将其应用到医学诊断并讨论其相关属性。根据提议,然后,作者提出了决策方法用于医学诊断,以便一个病人被诊断为疾病根据余弦相似性度量的值。这种方法比较与其他现有的相似的措施。结果表明余弦相似度测量的可行性和有效性。

我们可以得出结论,这个特殊问题提出了不同的作品使用不同的机器学习技术应用于生物医学数据。因此,这个问题可以被证明是一个有价值的工具来获得洞见的艺术状态的这样一个领域。

的利益冲突

编辑们宣称他们没有利益冲突。

确认

编辑要感谢所有作者提交他们的研究这个特殊问题,以及所有评论者对他们有价值的贡献。

费德里科•长诗
米格尔Garcia-Torres
Ting胡
基督教大肠斯盖瑞尔

版权

版权©2018费德里科•长诗等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。