吉林大学周丰丰:基于异质生物医学大数据的综合生物标志物检测

不到现场,照样看最干货的学术报告!

嗨,大家好。这里是学术报告专栏,读芯术小编不定期挑选并亲自跑会,为大家奉献科技领域最优秀的学术报告,为同学们记录报告干货,并想方设法搞到一手的PPT和现场视频——足够干货,足够新鲜!话不多说,快快看过来,希望这些优秀的青年学者、专家杰青的学术报告 ,能让您在业余时间的知识阅读更有价值。

2018年9月22-23日,“2018中国医学人工智能大会暨第一届人工智能雁栖高端论坛”在中国科学院大学雁栖湖校区举行。本次大会由中国人工智能学会、中国图像图形学会、中科院计算所、中国科学院大学共同主办,关注人工智能领域的最新进展以及面临的挑战,重点讨论了人工智能在医学方面的前沿研究和产业化热点。

此次会议极具产学研融合的特点,30多位来自信息科学(含计算机与电子工程等学科)、数学与医学等领域的专家学者与临床医生和产业界代表齐聚一堂,围绕人工智能+医疗、医学图像分析、机器学习等热点领域开展了历时两天的深入交流与探讨。

读芯术作为合作媒体,经过授权,对其中部分专家报告进行内容整理。

吉林大学周丰丰以《基于异质生物医学大数据的综合生物标志物检测》为主题进行报告,以下为相关内容。

基于异质生物医学大数据的综合生物标志物检测

周丰丰 吉林大学

周老师从“健康信息学中的大数据挑战”入手,阐述了研究特征选择问题的重要性,并针对面临的计算挑战,提出了一些解决方案。

首先,可以使用基于过滤器的特征选择,即根据每个特征与表型的关联对特征进行排序。

进一步地,针对现在广泛使用的特征选择策略,增量特征选择(IFS),提出改进方案RIFS:随机重新启动的增量功能选择。

此外,报告还发现:数学最优性可能不是生物学上最优的,因为大多数现有的特征选择算法都是确定性算法,即它将为同一输入数据集生成具有局部最佳数学优化目标的相同单一解决方案;或近似算法,即理论上它不能产生全局最优解。

基于这些知识,建议生成具有相似的良好或次优性能的多个解决方案可能是合理的。

最后,以影像遗传学中的脑皮层及亚皮层的ASD拓扑特异性为示例,概述了基于异质生物医学大数据的综合生物标志物检测的一些现有应用。

留言 点赞 发个朋友圈

我们一起分享AI学习与发展的干货

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20181127B0QLZJ00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券