机器学习学科包括模型设计和数据预处理是非常重要的为了获得一个好的性能的准确的结果和可解释性。然而,他们通常不同时治疗,,当一个模型评估,数据的来源和预处理被忽略。医学和生物医学研究提供了各种各样的问题,机器学习可以是非常有用的决策支持,远程医疗和交互的发现。其中,可以找到变量选择、分类、回归、图像处理等等。

因此,这个特殊的问题是集中在机器学习方法和应用程序可以应用全面涵盖所有阶段来解决这个问题。也是有趣的,比较分析各种理论模型在应用到一个具体的问题与特定的特征。潜在的主题包括,但不限于:

• 新问题与机器学习学科医学映射
• 数据预处理考虑
  • 变量选择和风险因素识别
  • 治疗不平衡数据集考虑诊断的特异性和敏感性
  • 原型/实例选择消除噪音和减少数据集
• 理论模型比较具体的问题
  • 生物识别技术的分类和疾病
  • 回归模型精度
  • 帮助决策支持模型的可解释性

之前提交的作者应该仔细阅读《华尔街日报》的作者指南,位于//www.newsama.com/journals/cmmm/guidelines/。未来的作者应该提交一份电子版的完整手稿通过跟踪系统在《华尔街日报》手稿http://mts.hindawi.com/submit/journals/cmmm/mdm/根据以下时间表: