您所在的位置: 成果库 几类稀疏部分包络模型在医学中的应用

几类稀疏部分包络模型在医学中的应用

发布时间: 2026-01-14

基本信息

合作方式: 技术转让
成果类型: 新技术
行业领域:
生物与新医药技术
成果介绍
在医学中,为了评估一种新药在临床试验中的有效性和副作用,在服用该药之前和之后都要记录患者的许多临床变量或血液学特征。所以,确定服药后哪些特征发生变化具有很强的科学意义。虽然某些临床变量对药物的效果有反应,但其他临床变量,或更一般地说,所有临床变量的某些线性组会在服药后不会改变。这些线性组合称为数据的非重要部分,非重要部分(例如,药物的作用)不提供有关感兴趣参数的估计的信息;但是,它给估计带来了多余的变化。包络模型可以识别并删除不重要的部分,所以随后的分析仅 基于重要部分,因此效率更高。包络模型作为近几年发展起来的新型充分降维方法已成功应用于多元响应变量降维。针对高维多元响应变量下几种稀疏部分包络模型的模型平均和有效估计问题,我们将所提出的模型方法应用到生物学、基因组学、神经影像学以及各类科学工程等研究领域。
成果亮点
在医学领域中,例如,阿尔茨海默症(AD)、注意缺陷多动障碍(ADHD)、自闭症谱系障碍(ASD)等脑部疾病,稀疏降秩部分包络模型可以解决具有复杂数据结构的脑部疾病高维响应多角度降维问题;稀疏标度部分包络模型可以解决脑部疾病多元响应变量的标度转换问题,同时该模型可以在更加复杂的神经影像学数据结构中保持标度不变并可以完成有效性获得:稀疏逐群部分包络模型可以解决脑部疾病不同群组中目具有复杂群结构的高维响应变量降维问题,同时该模型可以解决高维响应变量在不同群组中的除维、变量选择和有效估计问题:模型平均的思想与高维响应变量下几类稀疏部分包络模型的理论方法相结合,可以为脑部疾病数据提供更可靠的估计和预测结果,并为高维响应变量脑部疾病数据方面的估计和预测等实际问题提供模型平均解决方案。这几焊合稀疏部分包络模型可以识别阿尔茨海默症(AD)、注意缺陷多动障碍(ADHD)、自闭症谱系障碍(ASD)等脑部疾病独特的活动模式的一些区域,并且可以确定阿尔茨海默症、注意缺陷多动障碍(ADHD)、自闭症谱系障碍(ASD)等脑部疾病和正常人之间显著泇不同的大脑区域。
团队介绍
联系人: 庄老师 单位名称:常州市武进区科技成果转移中心
成果资料