医学与药物发现中构建智能系统的机器学习与深度学习方法：综合综述
机器学习
2021-07-30 v1 人工智能
摘要
随着计算机技术的进步，用于理解数据中复杂关系以进行预测和分类的智能系统快速发展。基于人工智能的框架正迅速革新医疗行业。这些智能系统由基于机器学习和深度学习的鲁棒模型构建，用于疾病的早期诊断和分类，并为一线临床医生和外科医生提供了一种有前景的辅助诊断方法。基于机器学习和深度学习的系统可以简化和优化从临床和基于图像的数据中诊断疾病的步骤，从而提供显著的临床医生支持和流程优化。它们模仿人类认知，甚至能够诊断出人类智能无法诊断的疾病。本文聚焦于跨 16 个医学专科的机器学习和深度学习应用综述，即牙医学、血液学、外科学、心脏病学、肺病学、骨科学、放射学、肿瘤学、普通医学、精神病学、内分泌学、神经学、皮肤病学、肝病学、肾科学和眼科学，以及药物发现。在本文中，除综述外，我们讨论了这些系统带来的医疗实践进展，以及这些系统对医疗专业人员的影响。
引用
@article{arxiv.2107.14037,
title = {Machine Learning and Deep Learning Methods for Building Intelligent Systems in Medicine and Drug Discovery: A Comprehensive Survey},
author = {G Jignesh Chowdary and Suganya G and Premalatha M and Asnath Victy Phamila Y and Karunamurthy K},
journal= {arXiv preprint arXiv:2107.14037},
year = {2021}
}