知识卡片
多任务共享不是因果解释
多任务学习使相关预测共享部分表示,可能从有限资料中提取共同信号。形态预测多个基因或分子状态就是一种应用。共享学习说明统计关系可以被利用,不表示已确定哪一机制导致形态变化,也不保证所有任务互相受益。需要分别验证各输出,并检查任务间冲突和外部适用性。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 生物学和医学中基于人工智能的算法 多模态预测与模拟的证据层次 · 查看原书依据
通过多任务学习和端到端计算工作流程来解决泛癌症分析问题,从组织学病理图像预测4组分子特征。这些临床研究的结果令人赞叹,用深度学习系统的技术打造出不仅能够跨越广泛的癌症类型,还能通过切片单独分析出不同类型分子变化的能力。这两项研究的结果主要是
参考来源
- 位置:《人工智能与计算生物的未来 (【美】布赖恩·希尔布什)》生物学和医学中基于人工智能的算法,多模态预测与模拟的证据层次(源项目a19c7933-4eda-4176-aebd-30fe7e1ad292,源文件:extracted/人工智能与计算生物的未来 (【美】布赖恩·希尔布什)/_epub-src/EPUB/xhtml/Section07.xhtml)
- 结论依据:原文对该概念的说明、比较或案例支撑本卡解释;历史案例不等于当前临床有效性或监管认可。已经核验的边界与书中陈述分开。
- 原始内容:通过多任务学习和端到端计算工作流程来解决泛癌症分析问题,从组织学病理图像预测4组分子特征。这些临床研究的结果令人赞叹,用深度学习系统的技术打造出不仅能够跨越广泛的癌症类型,还能通过切片单独分析出不同类型分子变化的能力。这两项研究的结果主要是