首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    nature reviews neuroscience|数据驱动的神经退行性疾病进展模型:跳出黑匣子思考

    数据驱动的疾病进展模型是一组新兴的计算工具,可重建长期慢性疾病的疾病时间线,为了解疾病过程及其潜在机制提供独特的见解。这种方法将人类的先验知识和假设与大规模数据处理和参数估计相结合,从短期数据推断出长期的疾病轨迹。与“黑匣子”机器学习工具相比,数据驱动的疾病进展模型通常需要更少的数据,并且本身具有可解释性,因此除了实现分类、预测和分层之外,还有助于理解疾病。在这篇综述中,我们将当前数据驱动的疾病进展模型置于一个总体框架中,并讨论了与构建静态疾病轮廓的更广泛的机器学习工具相比,它们在构建疾病时间轴方面的增强效用。我们回顾了它们在多种神经退行性疾病(尤其是阿尔茨海默病)中的应用,如确定疾病生物标志物的时间轨迹、检验关于疾病机制的假设和发现疾病亚型。我们概述了技术发展的关键领域,并将其转化为更广泛的神经科学和非神经科学应用。最后,我们讨论了将疾病进展模型纳入临床实践和试验设置的潜在途径和障碍。

    01

    【经验分享 】数据产品开发前的必修课

    分清指标和维度关系 既然是数据产品,一定离不开数据图表。而要做图表,首先得确定指标和维度。最直观的说:指标就是图表中纵坐标轴;维度就是横坐标轴。 身高,销售量,访问量,收入这些能用数字衡量的,就是指标;而性别,部门,访问来源,地区等不能用数值衡量的,就是维度。 指标和维度组成一个数据图表的基本元素。当然,最重要的一种维度就是时间,它的优先级会在其他所有维度之上,下文中会更多地讨论。一般人应该不会分不清指标和维度,去使用一下excel中的数据透视表功能,你就会对指标和维度理解得非常深刻。 有对比才有信息,有信

    04
    领券