典型文献
机器学习在子宫内膜异位症诊断中的应用
文献摘要：
机器学习是一种多学科交叉下产生的人工智能学科.在大数据时代,从数据挖掘的角度出发,应用机器学习方法,通过在繁复的数据中寻找隐含的信息与规律,是探索子宫内膜异位症(EMs)诊断和预测标准的新契机.利用机器学习挖掘EMs相关数据、构建诊断及预测模型具有可行性,但目前机器学习模型用于EMs辅助诊断尚处于研究阶段.从用于机器学习的EMs生物标志物、机器学习模型在EMs诊断中的应用和机器学习与传统统计学比较方面,讨论机器学习模型相较于传统统计学模型的应用优势,突显出机器学习在EMs诊断中应用的广阔前景.
文献关键词：
子宫内膜异位症;诊断;机器学习;模型;统计学;生物标记
中图分类号：
作者姓名：
罗忆;张丹丹
作者机构：
150001 哈尔滨医科大学附属第一医院妇产科
文献出处：
引用格式：
[1]罗忆;张丹丹-.机器学习在子宫内膜异位症诊断中的应用)[J].国际生殖健康/计划生育杂志,2022(01):84-88
A类：
B类：
子宫内膜异位症,多学科交叉,机器学习方法,繁复,索子,EMs,新契机,前机,机器学习模型,辅助诊断,研究阶段,生物标志物,统统,统计学模型,应用优势,突显出,生物标记
AB值：
0.230717
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
