【技术实现步骤摘要】
【国外来华专利技术】
本文的公开内容一般涉及用于使用神经网络对包括解释变量混杂因素的数据进行分类的方法、过程和系统，并且在一个示例中，涉及用于对具有至少一种医学状况的生物受试者的可能性进行分类的方法、过程和系统。然而，所要求保护的专利技术和本公开不应由于本节的描述而被解释为限制性的方式。例如，在疾病诊断领域，通过机器学习训练的神经网络分类器能够用于根据由生物技术获得的测量来诊断受试者的疾病。获取通过dna测序获得的受试者的基因信息、使用dna/蛋白质/肽微阵列的每个生物分子的表达信息等，并且将所获取的信息输入到预先训练的神经网络分类器。通过这样做，可以对受试者进行适当的诊断或者获得针对诊断有用的结果。训练数据用于训练神经网络并且生成适当的分类器。可以从多个批量收集这样的训练数据。然而，基于从多个批量收集的数据的统计分析可能会面临所谓的批量效应。批量效应表示在不同的批量中处理和测量样本时的系统技术差异，并且其与微阵列基因表达实验期间记录的任何生物变量无关(非专利文献1)。在存在诸如批量效应的混杂因素的情况下，无法训练神经网络模型以生成合适的分类器。
技术介绍
技术实现思路
1、本公开的非限制性目的是使用利用其中可能存在混杂因素的训练数据生成的神经网络分类器并且对可能受混杂因素影响的输入信息进行分类。
2、在一个方面，提供了一种训练预测感兴趣的客观变量的分类器的方法。方法可以由计算机执行。方法可以包括神经网络的至少一部分。方法可以包括训练来自多个批量的数据、使用训练数据以生成批量分类器、并且使用训练数据和批
3、在一个方面，提供了一种预测感兴趣的客观变量的方法。方法可以由计算机执行。可以提供一种客观变量分类器，其包括神经网络作为其至少一部分。方法可以包括提供经过训练的客观变量分类器；获取包括解释变量和批量信息的目标数据；使用客观变量分类器对所获取的目标数据执行批量分类；基于批量分类和所获得的目标数据的解释变量来预测目标数据的客观变量。
本文档来自技高网...【技术保护点】
1.一种训练分类器以预测患者的疾病状态的方法，所述方法由处理器执行，所述方法包括：
2.一种训练分类器以预测受试者的责任变量的方法，所述方法由处理器执行，所述方法包括：
3.根据权利要求1或2所述的方法，
4.根据权利要求3所述的方法，
5.根据权利要求3所述的方法，
6.根据权利要求5所述的方法，
7.根据权利要求5的方法，
8.根据权利要求5的方法，
9.根据权利要求5的方法，
10.根据权利要求4至9中的任一项所述的方法，
11.根据权利要求1至10中的任一项所述的方法，
12.根据权利要求11所述的方法，
13.根据权利要求12所述的方法，
14.根据权利要求13所述的方法，
15.根据权利要求1至14中的任一项所述的方法，
16.根据权利要求1至14中的任一项所述的方法，
17.根据权利要求16所述的方法，
18.根据权利要求17所述的方法，
19.根据权利
20.根据权利要求19所述的方法，
21.根据权利要求17或20中的任一项所述的方法，
22.根据权利要求17或20中的任一项所述的方法，
23.根据权利要求1至22中的任一项所述的方法，
24.根据权利要求23所述的方法，
25.一种预测患者的疾病状态的方法，所述方法由处理器执行，所述方法包括：
26.一种预测患者的疾病状态的方法，所述方法由处理器执行，所述方法包括：
27.一种预测患者的疾病状态的方法，所述方法由处理器执行，所述方法包括：
28.一种预测患者的疾病状态的方法，所述方法由处理器执行，所述方法包括：
29.一种由处理器执行的计算机程序，包括根据权利要求26至28中的任一项所述的方法。
30.一种对患者的疾病状态进行分类的计算机系统，所述计算机系统包括：
...【技术特征摘要】
【国外来华专利技术】
1.一种训练分类器以预测患者的疾病状态的方法，所述方法由处理器执行，所述方法包括：
2.一种训练分类器以预测受试者的责任变量的方法，所述方法由处理器执行，所述方法包括：
3.根据权利要求1或2所述的方法，
4.根据权利要求3所述的方法，
5.根据权利要求3所述的方法，
6.根据权利要求5所述的方法，
7.根据权利要求5的方法，
8.根据权利要求5的方法，
9.根据权利要求5的方法，
10.根据权利要求4至9中的任一项所述的方法，
11.根据权利要求1至10中的任一项所述的方法，
12.根据权利要求11所述的方法，
13.根据权利要求12所述的方法，
14.根据权利要求13所述的方法，
15.根据权利要求1至14中的任一项所述的方法，
16.根据权利要求1至14中的任一项所述的方法，
17.根据权利要求16所述的方法，<...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。