近日,公司生化传感与芯片团队在机器学习指导大数据收集方法在智能诊断传感器上的应用研究成果发表在分析领域国际期刊ACS Sensors(IF=8.9)上,成果题目为“Advances in machine learning processing of big data from dis-ease diagnosis sensors”,卢沙沙副教授为第一作者,郭春显教授为通讯作者,公司为第一通讯单位。
探索准确、无创和廉价的疾病诊断传感器是化学、生物学和医学领域的一项关键任务。生物系统的复杂性和生物标志物数据的爆发性增长,使机器学习成为从疾病诊断传感器中挖掘和处理大数据的强大工具。随着生物信息学和人工智能(AI)的发展,由数据挖掘形成的机器学习模型已经能够指导更加敏感和准确的分子计算。本文综述了大数据收集方法和基本的机器学习算法,并讨论了机器学习和分子计算在疾病智能诊断传感器的最新进展。强调了现有的模块化工作流程,以及机器学习通过大数据挖掘来实现疾病诊断的关键机遇和挑战。
该工作的开展获得了国家自然科学基金青年基金项目(NO.22001168)、国家自然科学基金面上项目(NO.21972102)、国家重点研发计划(2021YFA0910403)等支持。
![](/__local/5/77/97/571A0D1F22EB8800DBF82DE9D2E_18E5E489_285DF.jpg)