Nature：利用機器學習技術對肺癌患者進行早期診斷
日前，一項刊登在國際雜志Nature上的研究報告中，來自斯坦福大學等機構的科學家們通過研究或有望利用機器學習手段來檢測人類患者機體中的早期肺癌，文章中，研究人員分析并檢測了這種機器學習系統，以及其尋找血液樣本中的循環腫瘤DNA（ctDNA）的能力。圖片來源：CC0 Public Domain 肺癌是一種最常見的致死性癌癥，與很多癌癥一樣，肺癌發現得越早，患者的生存機會就越大；但很不幸的是，目前研究人員僅能通過CT掃描來對肺癌進行診斷，這種檢測手段不僅昂貴而且假陽性率較高，基于這一原因，研究人員一直想通過研究開發出能在早期階段對肺癌進行診斷的血液檢測手段。 新型的血液檢測手段將會涉及對血液樣本中的ctDNA進行篩查，隨后研究者開始轉向開發機器學習系統，此前研究結果表明，利用機器學習技術有望識別出早期乳腺癌和其它類型的癌癥。這項研究中，研究人員訓練機器學習模型，使其能夠識別出與非小細胞肺癌相關的數據參數，一旦該機器模型進行了......閱讀全文
Nature：利用機器學習技術對肺癌患者進行早期診斷
日前，一項刊登在國際雜志Nature上的研究報告中，來自斯坦福大學等機構的科學家們通過研究或有望利用機器學習手段來檢測人類患者機體中的早期肺癌，文章中，研究人員分析并檢測了這種機器學習系統，以及其尋找血液樣本中的循環腫瘤DNA（ctDNA）的能力。圖片來源：CC0 Public Domain
機器學習也許能“算命”
12月19日，《自然-計算科學》發表的一項研究描述了一種機器學習方法，能夠從不同方面準確預測人類生活，包括早死可能性和個性的細微差異。該模型或許能提供對人類行為的量化認知。 社會科學家對人類生活是否能被預測的問題看法不一。雖然我們對在人類生活中起到重要作用的社會人口學因素已有充分了解，但一直無
機器學習模型預測中風？
中風的診斷可能很棘手，因為患者并不總是表現出典型的癥狀，而且其他疾病也可能模仿它。研究人員利用現有數據開發了一種機器學習模型，可以準確預測中風，并可能使診斷變得更容易。診斷錯誤是一個主要的公共衛生問題，造成了可預防的病人傷害和衛生超支。由于診斷錯誤而導致的可預防的中風死亡比誤診的心臟病發作要常見30
機器學習能夠有效篩選“苦味”
苦味往往在食物味道中并不受歡迎，而引起這種苦味的重要因素之一是一種生物分子—苦味肽。苦味肽是能夠與細胞膜上的苦味受體結合進而引發苦味感知的一類小分子肽，通常在食品加工、儲存或消化過程中生成。近日，中國科學院大連化學物理研究所研究員靳艷團隊與大連工業大學、內蒙古伊利實業集團有限公司合作，發展了一種
機器學習加速探索材料的開發
設計空間幾何增長是材料設計中的一大挑戰。機器學習（ML）加速探索材料設計已經開始在的這一挑戰中發揮作用，并顯著提高了發現材料的效率。然而，這個流程暗含了密度泛函理論（DFT）產生的訓練集的統計上的偏見。并且，在使用高通量計算產生訓練集的時候，大量的計算會失敗。這種情況對于一些有趣的，例如含有自由
機器學習助力外骨骼性能提升
美國科學家報道了一種能加速外骨骼控制系統開發的模擬框架，這種外骨骼能輔助現實世界場景中的運動。研究顯示，這個框架或有助于推動外骨骼和義肢等裝置的廣泛應用。相關研究6月12日發表于《自然》。外骨骼能顯著提升人類運動，恢復殘疾人士的運動能力。不過，當前的控制器在匹配不同個體需求和任務涉及的復雜人體運動時
Nature－Communications：肺癌新克星
近日研究發現，一個來自德克薩斯大學跨學科的醫學分支研究團隊已鑒定出代表新型抗癌藥物的小分子，該分子可以靶向治療肺癌。相關文章發表在《Nature Communications》上。該項PCT專利(WO 2013028543 A1)被相關機構記錄在冊。 在很大程度上幸存的肺癌患者身體狀況非常差是
Nature－Medicine：肺癌早期診斷
倫敦大學學院研究人員領導的一項新研究表明，世界上首個癌前肺部病變的基因測序可能為早期發現和新治療鋪平道路。 在肺癌發生之前，氣管中會出現癌前病變，但只有一半會變成肺癌，而另一半則會消失或保持良性，而不會有害。在顯微鏡下，這些病變看起來是一樣的，很難知道哪些病變該治療。 發表在Nature M
比傳統機器學習算法快1000倍——聯想學習法
英國牛津大學材料系研究人員聯合埃克塞特大學和明斯特大學的同事開發了一種片上光學處理器，能檢測數據集中的相似性，速度比在電子處理器上運行的傳統機器學習算法快1000倍。發表在《光學》雜志上的這項新研究的靈感來自諾貝爾獎獲得者伊萬·巴甫洛夫對經典條件反射的發現。巴甫洛夫在實驗中發現，如果在喂食過程中提供
Google如何用機器學習幫助藥物研發？
從在搜索中回答與健康相關的問題，到給開發者提供健身數據平臺，Google在我們的日常健康中越來越重要。但其實互聯網巨頭們也在努力加快研發治愈人類頑疾的關鍵藥物。 同斯坦福大學的Pande Lab合作，Google Research發表了一篇題為“針對藥物研發的大規模多任務網絡”的文章
機器學習模型可識別乳房病變風險
美國研究人員近日在《放射學》雜志線上版發表文章稱，他們開發出一種機器學習工具，可以確定哪些高危乳房病變可能會變成癌癥，從而幫助醫生作出正確的治療決策，減少不必要的手術。 乳房病變是一種女性常見疾病，而高危乳房病變有很大幾率轉變成癌癥。正是由于這種風險，手術切除病變組織通常被認為是首選治療
“量子比特+機器學習”可精準測磁場
?? 北京7月8日電,據芬蘭阿爾托大學官網近日報道，該校科研人員主導的國際團隊提出了一種采用量子系統測量磁場的方法，新系統的精確度超過了標準量子極限。他們表示，從量子狀態中快速提取信息，對于未來的量子處理器和現有超靈敏探測器來說都必不可少。此項研究向利用量子增強方法進行傳感邁出了關鍵的第一步。 在
機器學習助力更好理解水的行為
美國一個研究團隊在最新一期《物理評論快報》上刊發論文稱，他們借助機器學習技術來理解水在零下100℃的行為。最新研究不僅能讓科學家更好地理解水，也為更好地從理論上理解各種物質開辟了更多途徑。 水是人們最熟悉、接觸最頻繁的物質之一，但實際上它還有很多未解之謎。在過去30年里，科學家們從理論上認為，當
機器學習模型創建定制氣味和香水
目前，人們僅根據氣味劑的物理化學特征來預測嗅覺印象。但是，該方法無法預測傳感數據，而傳感數據對于產生氣味是必不可少的。為了解決這個問題，日本東京工業大學研究人員采用了逆向思維的創新策略，不是根據分子數據預測氣味，而是根據氣味印象預測分子特征。這是使用標準質譜數據和機器學習模型實現的。研究成果發表在最
機器學習鑒別出八種戒煙藥物
美國科學家開發出一種新的機器學習方法，可通過計算機程序分析數據集的模式和趨勢來識別藥物，他們借此鑒定出了8種有助戒煙的藥物，包括用于治療感冒咳嗽的右美沙芬等。相關研究刊發于最新一期《自然·遺傳學》雜志。 吸煙是導致心血管疾病、癌癥和呼吸系統疾病的危險因素。雖然吸煙行為是后天學習的，但此前的一項
武漢大學量子機器學習研究獲進展
近日，《自然·通訊》在線發表了武漢大學計算機學院在量子人工智能理論方面的最新研究成果。論文題為《糾纏數據在量子機器學習中的相變行為》。這是武漢大學量子機器學習方向研究成果首次刊登在《自然·通訊》上。論文截圖。據悉，量子糾纏是實現量子計算優勢的關鍵資源。目前，科學家廣泛關注如何將量子糾纏整合到量子機器
機器學習技術加速植物精準設計育種
種子被譽為農業的“芯片”，育種科技創新是推動農業發展的核心動力。未來植物育種的新范式是基因組學、基因編輯、合成生物學等生物技術（BT）與數據科學、機器學習、人工智能等信息技術（IT）的多元化融合。農業農村部“十四五”規劃將“智慧種業”列在“智慧農業”領域七大攻關任務之首。任務中明確提出：構建數字化育
Nature專題：穿過迷霧看肺癌
肺癌是造成癌癥死亡的主要原因，主要分為小細胞肺癌（15%）和非小細胞肺癌兩大類，其中非小細胞肺癌又可分為腺癌（40%）、鱗狀細胞癌（30%）和大細胞癌（15%）。不同類型的肺癌，治療策略和預后情況也不盡相同。 十幾年來肺癌發病率在中國攀升得很快，這主要是因為吸煙人數快速增加（大多是男性），據統
機器學習技術或可解決量子信息難題
今天，記者從上海交通大學獲悉，該校教授金賢敏團隊與南方科技大學教授翁文康合作，首次將機器學習技術應用于解決量子信息難題，實現了基于人工神經網絡的量子態分類器。這一重要研究成果已發表于《物理評論快報》。 量子信息科學與人工智能技術，作為近年來最前沿的研究領域，取得了諸多改變傳統信息科學
－機器學習的新玩法：可做醫療監控
也許現在多數人們還認為“機器學習”(Machine Learning)是一個相當前沿的概念，但事實上，你接觸的若干互聯網產品已經使用了與機器學習有關的思維或技術。比如電子郵件服務商就是使用機器學習算法來過濾垃圾郵件的，Google也通過相關的技術來辨別垃圾站點。 對于很多互聯網用戶來說
機器學習分析出語言多樣性成因
人類至少有7000多種不同的語言,這種多樣性強加了社會界限,對我們的認知和經濟生活、思考方式以及人們之間的互動都產生了深遠影響。 瑞士蘇黎世大學（UZH）的研究人員在《英國皇家學會學報B》上發表文章稱,他們在大型數據集上運用機器學習技術證明,當前的語言多樣性在很大程度上是由于過去10000年過
機器學習模型首次在太空檢測云層變化
原文地址：http://news.sciencenet.cn/htmlnews/2023/8/505829.shtm
機器學習+化學直覺讓藥物發現更有效
原文地址：http://news.sciencenet.cn/htmlnews/2023/11/511579.shtm
常見機器學習算法優缺點比較（二）
常見算法優缺點 1.樸素貝葉斯 樸素貝葉斯屬于生成式模型（關于生成模型和判別式模型，主要還是在于是否是要求聯合分布），非常簡單，你只是做了一堆計數。如果注有條件獨立性假設（一個比較嚴格的條件），樸素貝葉斯分類器的收斂速度將快于判別模型，如邏輯回歸，所以你只需要較少的訓練數據即可。即使
常見機器學習算法優缺點比較（三）
優點：實現簡單，計算簡單； 缺點：不能擬合非線性數據. 4.最近領算法——KNN KNN即最近鄰算法，其主要過程為： 計算訓練樣本和測試樣本中每個樣本點的距離（常見的距離度量有歐式距離，馬氏距離等）； 對上面所有的距離值進行排序； 選前k個最小距離的樣本； 根據這k個樣本的標簽進行
機器學習可用更少血液更早篩查癌癥
原文地址：http://news.sciencenet.cn/htmlnews/2024/1/516631.shtm
量子物理與機器學習結合研究取得進展
生成模型(Generative Model)是機器學習領域的重要課題和研究前沿，也被認為是通往人工智能的必由之路。歷史上，物理學為生成型學習提供了很多新思路。比如，著名的玻爾茲曼機(Boltzmann Machine)就來自于統計物理中的伊辛模型及相關的反伊辛問題。最近，中國科學院物理研究所/北
常見機器學習算法優缺點比較（一）
機器學習算法太多了，分類、回歸、聚類、推薦、圖像識別領域等等，要想找到一個合適算法真的不容易，所以在實際應用中，我們一般都是采用啟發式學習方式來實驗。通常最開始我們都會選擇大家普遍認同的算法，諸如SVM，GBDT，Adaboost，現在深度學習很火熱，神經網絡也是一個不錯的選擇。假如你在
常見機器學習算法優缺點比較（四）
缺點 · 當觀測樣本很多時，效率并不是很高； · 對非線性問題沒有通用解決方案，有時候很難找到一個合適的核函數； · 對缺失數據敏感； · 對于核的選擇也是有技巧的（libsvm中自帶了四種核函數：線性核、多項式核、RBF以及sigmoid核）： · 第一，如果樣本數量小于特征
準確預測身高？這種機器學習算法能做到
美國密歇根州立大學的研究人員近日開發出一種先進的算法，能夠根據個人基因組來預測他們的身高、骨密度，甚至是教育水平。這項成果于近日發表在《Genetics》雜志十月刊上。 這項研究的負責人、密歇根州立大學的Stephen Hsu博士表示這僅僅是開始。“盡管我們現在驗證了這一工具的這三個結果，但我