21、人工智能在血液癌症分类与双足步态分析中的应用-CSDN博客

本文链接：https://blog.csdn.net/defi6farmer/article/details/149819856

人工智能在血液癌症分类与双足步态分析中的应用

1. 血液癌症分类模型研究

1.1 卷积神经网络与深度学习基础

深度学习在多个领域展现出强大的能力，如计算机视觉（从图像中提取信息）、机器翻译和音频记录中的人类语音识别。卷积神经网络（CNN）与神经网络类似，由权重、神经元和偏置值组成。这些元素根据具体情况或问题来改变神经元状态，神经元接收输入，计算加权和，然后将数据传递到输出层。

1.2 血液癌症分类模型提出

研究提出了一种基于粒子群优化（PSO）特征选择方法和SRUF描述符的多卷积神经网络（MCNN）的血液癌症分类（BCC）模型，用于区分急性淋巴细胞白血病（ALL）和急性髓系白血病（AML）。通过基因表达数据集，对基于SURF的MCNN和优化后的基于SURF的MCNN进行了ALL和AML血液癌症分类的对比分析，并将该模型的模拟结果与现有工作进行了比较。