摘要
本发明提出了一种基于meta分析的肺癌预测模型,并利用机器学习方法利用少量临床数据对其进行优化拟合使其达到预测最优解。并验证了提出的模型在小规模数据集上预测以及作为提高其他模型的准确性的增强模型的可行性。该方法由对VOCs的meta分析结果构成的模型线性贡献与利用少量临床数据进行拟合的偏置项构成。模型建立后,可以完成在小规模数据集上的精准预测,同样也可以增强融合模型的预测效果。
技术关键词
风险预测模型
早期肺癌
sigmoid函数
数据
神经网络模型
线性
累积分布函数
机器学习方法
效应
小规模
阶段
连续性
质谱
压强
列表
患者
图像
气体
系统为您推荐了相关专利信息
家居控制方法
智能家居控制
意图
大语言模型
文本
样本
深度神经网络模型
传播算法
对抗训练系统
终端设备
双向长短期记忆网络
分层方法
BiLSTM模型
测井
标志