R基于贝叶斯加法回归树BART、MCMC的DLNM分布滞后非线性模型分析母婴PM2.5暴露与出生体重数据及GAM模型对比、关键窗口识别
在母婴暴露于空气污染对儿童健康影响的研究中，常需对孕期暴露情况与健康结果进行回归分析。
Category Archives: 医药生物
Python图注意力神经网络GAT与蛋白质相互作用数据模型构建、可视化及熵直方图分析
本文聚焦于图注意力网络GAT在蛋白质 – 蛋白质相互作用数据集中的应用。
R语言贝叶斯分析：INLA 、MCMC混合模型、生存分析肿瘤临床试验、间歇泉喷发时间数据应用|附数据代码
多模态数据在统计学中并不罕见，常出现在观测数据来自两个或多个潜在群体或总体的情况。
Python量子生成对抗网络QGAN神经网络药物发现、多方法乳腺癌药物筛选应用
在当今的医学领域，乳腺癌作为一种严重威胁女性健康的疾病，其治疗一直是科研工作者们关注的焦点。
【视频讲解】非参数重采样bootstrap的逻辑回归Logistic应用及模型差异Python实现
本文将深入探讨逻辑回归在心脏病预测中的应用与优化。
【视频讲解】Python贝叶斯卷积神经网络BCNN分类胸部X光图像数据集实例
在人工智能的诸多领域中，分类技术扮演着核心角色，其应用广泛而深远。无论是在金融风险评估、医疗诊断、安全监控还是日常的交互式服务中，有效的分类算法都是实现智能决策的关键。随着大数据时代的到来，分类算法面临着前所未有的挑战和机遇。
SMOTEBoost、RB-Boost和RUS-Boost不平衡数据集的集成分类器分析酵母数据集、治疗乳腺癌候选药物筛选|附数据代码
在当今的大数据时代，科研和实际应用中常常面临着海量数据的处理挑战。
【视频讲解】Python灰色关联度分析直播带货效用、神经退行性疾病数据
本文展示如何用灰色关联度分析的直播带货效用及作用机制研究，并结合一个分析神经退行性疾病数据实例的代码数据，为读者提供一套完整的实践数据分析流程。
【视频】R语言广义加性模型GAMs非线性效应、比较分析草种耐寒性实验数据可视化
广义加法模型（Generalized Additive Models, GAMs）作为一种高度灵活的统计工具，显著扩展了广义线性模型（Generalized Linear Models, GLMs）的框架。
Python预测体重变化：决策树、tf神经网络、随机森林、梯度提升树、线性回归可视化分析吸烟与健康调查数据
在当今的数据驱动时代，机器学习算法已成为解析复杂数据集、揭示隐藏模式及预测未来趋势的重要工具。
Python深度学习TensorFlow Keras心脏病预测神经网络模型评估损失曲线、混淆矩阵可视化
随着深度学习技术的快速发展，高效的计算框架和库对于模型训练至关重要。
多状态马尔可夫链、生存分析心脏同种异体移植血管病变（CAV）数据可视化|附数据代码
临床研究和医疗经济学研究中客户经常关注于评估患者在疾病从一种状态发展到另一种状态时的生存预后。
R语言层次聚类、多维缩放MDS分类RNA测序（RNA-seq）乳腺发育基因数据可视化|附数据代码
在生物学和医学研究中，乳腺发育是一个复杂而精细的过程，涉及众多基因的表达调控。
R语言贝叶斯INLA空间自相关、混合效应、季节空间模型、SPDE、时空分析野生动物数据可视化
在统计建模过程中，经常会遇到空间自相关性的问题。空间自相关性是指相近位置的观测值往往比远离位置的观测值更相似。
R语言逻辑回归logistic模型ROC曲线可视化分析2例：麻醉剂用量影响、汽车购买行为
本文利用R语言，通过逐步逻辑回归模型帮助客户分析两个实际案例：麻醉剂用量对手术病人移动的影响以及汽车购买行为预测。
R语言拟合线性混合效应模型、固定效应、随机效应参数估计可视化生物生长、发育、繁殖影响因素
本文将介绍如何设置工作目录、读取数据、标准化数据、拟合线性混合效应模型、提取随机效应参数、绘制相关性图和Dot-and-Whisker图，以帮助研究人员更好地理解数据并进行有效的数据分析。
R语言lasso协变量改进Logistic逻辑回归对特发性黄斑前膜因素交叉验证可视化分析
特发性黄斑视网膜前膜能引起患者视物变形、变小和视力下降等视功能损害。
R语言多维度视角下白领人群健康体质检测数据关系可视化分析
随着社会经济的发展和人们生活水平的提高，健康问题越来越受到关注。
R语言PLS-DA模型分析不同中医组别患者间差异指标数据可视化
PLS-DA (Partial Least Squares Discriminant Analysis) 是一种多变量统计分析方法，常用于处理具有多个预测变量和多个响应变量的数据。
【专题】2023年中国人工智能医学影像产品生态路线研究报告PDF合集分享（附原数据表）
未来，生成式人工智能将推动AI医学影像企业的指数级增长，而综合性医学人工智能模型与医学影像领域的结合将释放巨大潜力。
R软件基于k-mer的DNA分子序列比较研究及其应用
科学技术的发展为各个领域都带来了深刻的变革，在生物学领域，随着计算机的应用，生物学与信息学的结合诞生了一门新的融合学科——生物信息学。
疾病关联网络构建及并发症预测模型
数据挖掘和分析的最核心也最重要的问题就是“预测”。
R语言偏最小二乘回归PLS回归分析制药产品化学制造过程数据、缺失值填充、变量重要性
PLS回归主要的客户来自于化学、药品、食品和塑料行业。
R语言非线性回归和广义线性模型：泊松回归、伽马回归、逻辑回归、Beta回归分析机动车事故、小鼠感染、蛤蜊数据、补剂锻炼钠摄入数据
我们使用广义线性模型（Generalized Linear Models，简称GLM）来研究客户的非正态数据，并探索非线性关系。
R语言分析糖尿病数据：多元线性模型、MANOVA、决策树、典型判别分析、HE图、Box’s M检验可视化
Reaven和Miller（1979）研究了145名非肥胖成年人的葡萄糖耐量和胰岛素血液化学指标之间的关系。
【专题】2023年全球制药行业研究报告PDF合集分享（附原数据表）
制药公司的主要业务是研究、开发、生产和销售药物，用于治疗疾病、缓解症状，并越来越多地涉足疾病预防领域。
R语言组lasso改进逻辑回归变量选择分析高血压、易感因素、2型糖尿病和LDL可视化
本文用逻辑回归和lasso算法医学上的疾病的相关因素，帮助客户确定哪种模型可用于某种疾病的相关因素分析。
R语言Apriori算法关联规则对中药用药复方配伍规律药方挖掘可视化
我们常说的中药挖掘，一般是用药挖掘，还有穴位的挖掘，主要是想找出一些用药的规律。
R语言决策树、随机森林、逻辑回归临床决策分析NIPPV疗效和交叉验证
临床决策(clinical decision making)是医务人员在临床实践过程中，根据国内外医学科研的最新进展,不断提出新方案，与传统方案进行比较后,取其最优者付诸实施，从而提高疾病诊治水平的过程。
R语言改进Apriori关联规则挖掘研究西安PM2.5含量与天气因素关系数据可视化
随着社会的发展，大数据(big data)一词越来越多地被提及，人们用它来描述和定义信息爆炸时代产生的海量数据，并命名与之相关的技术发展与创新。
R语言临床预测模型：分层构建Cox生存回归模型stratified Cox model、KM生存曲线、PH假设检验
stratified cox model是针对协变量不满足PHA提出的，这里的思想是对协变量分层。
R语言GAMLSS模型对艾滋病病例、降雪量数据拟合、预测、置信区间实例可视化
GAMLSS模型是一种半参数回归模型，参数性体现在需要对响应变量作参数化分布的假设，非参数性体现在模型中解释变量的函数可以涉及非参数平滑函数，非参数平滑函数不预先设定函数关系，各个解释变量的非线性影响结果完全取决于样本数据。
R语言Apriori模型关联规则挖掘分析脑出血急性期用药规律最常配伍可视化
WeChat Tencent QQ email print 由Kaizong Ye，Sherry Deng撰写
MATLAB基于深度学习U-net神经网络模型的能谱CT的基物质分解技术研究
CT技术伴随着一定剂量的辐射，会对患者的身体健康造成影响，而且 高剂量的辐射会损害人体的遗传物质，甚至造成不可逆的损伤，进而诱发癌症。
R语言Apriori关联规则、K-means均值聚类数据挖掘中药专利复方治疗用药规律网络可视化
方法检索治疗抑郁症中药专利复方，排除外用中药及中西药物合用的复方。最近我们被要求撰写关于用药规律的研究报告，包括一些图形和统计输出。
如何发表医学sci论文
如何发表医学sci论文？
R语言分析蛋白质组学数据：飞行时间质谱(MALDI-TOF)法、峰值检测、多光谱比较
最近我们被客户要求撰写关于蛋白质组学的研究报告。
数据分享|R语言回归模型诊断、离群值分析学生考试成绩、病人医护质量满意度、婴儿死亡率和人均收入、针叶树荫面积数据
一些标准的图形工具可以极大地帮助理解数据集并评估所建议模型的质量。
Matlab用回归、SEIRD模型、聚类预测美国总统大选、新冠疫情对中美经济的影响
WeChat Tencent QQ email print 由Haoran Chen撰写 对于两人竞选，因为对
R语言GLM广义线性模型：逻辑回归、泊松回归拟合小鼠临床试验数据（剂量和反应）示例和自测题
在拟合 GLM（并检查残差）之后，可以使用 z 检验一一检验估计参数的显着性，即将估计值与其标准误差进行比较。
R语言用隐马尔可夫Profile HMM模型进行生物序列分析和模拟可视化
本文开发和应用用于生物序列分析的隐马尔可夫模型和HMM。
R语言生存分析模型因果分析：非参数估计、IP加权风险模型、结构嵌套加速失效(AFT)模型分析流行病学随访研究数据
理解世界，我们可以从相关性的角度去描述，统计，机器学习，很多问题都是从相关的角度去描述的。
python深度学习实现自编码器Autoencoder神经网络异常检测心电图ECG时间序列
通过训练具有小中心层的多层神经网络重构高维输入向量，可以将高维数据转换为低维代码。
R语言K-means和层次聚类分析癌细胞系微阵列数据和树状图可视化比较
对“NCI60”（癌细胞系微阵列）数据使用聚类方法
R语言群组变量选择、组惩罚group lasso套索模型预测分析新生儿出生体重风险因素数据和交叉验证、可视化
本文介绍具有分组惩罚的线性回归、GLM和Cox回归模型的正则化路径。
R语言逻辑回归、随机森林、SVM支持向量机预测Framingham心脏病风险和模型诊断可视化
世界卫生组织估计全世界每年有 1200 万人死于心脏病。
R语言分类回归决策树交互式修剪和更美观地可视化分析细胞图像分割数据集
绘制分类或回归树的基本方法的 rpart() 函数只是调用 plot。
R语言非线性混合效应 NLME模型(固定效应&随机效应)对抗哮喘药物茶碱动力学研究
最近我们被客户要求撰写关于抗哮喘药物茶碱动力学研究的报告。茶碱数据文件报告来自抗哮喘药物茶碱动力学研究。
R语言分布滞后线性和非线性模型（DLNM）分析空气污染（臭氧）、温度对死亡率时间序列数据的影响
分布滞后非线性模型（DLNM）表示一个建模框架，可以灵活地描述在时间序列数据中显示潜在非线性和滞后影响的关联。
Python面板时间序列数据预测：格兰杰因果关系检验Granger causality test药品销售实例与可视化
时间序列是以固定时间_区间_记录的观察序列。
R语言绘制圈图、环形热图可视化基因组实战：展示基因数据比较
可以使用环状图形展示基因数据比较。可以添加多种图展信息，如热图、散点图等。
R语言使用限制平均生存时间RMST比较两条生存曲线分析肝硬化患者
在比较性的纵向临床研究中，主要终点往往是发生特定临床事件的时间，如死亡、心衰住院、肿瘤进展等。
Python用决策树分类预测糖尿病和可视化实例
决策树是对例子进行分类的一种简单表示。
R语言贝叶斯非参数模型：密度估计、非参数化随机效应meta分析心肌梗死数据
最近，我们使用贝叶斯非参数（BNP）混合模型进行马尔科夫链蒙特卡洛（MCMC）推断。
R语言分布滞后非线性模型（DLNM）空气污染研究温度对死亡率影响建模应用
环境应激源往往表现出时间上的延迟效应，这就要求使用足够灵活的统计模型来描述暴露-反应关系的时间维度。
基于机器学习的印度肝脏病诊断分析
肝脏病在早期可能没有任何症状，不容易被察觉，或者症状是模糊的。肝脏病的症状和肝脏病的类型和程度高度相关，肝脏病的一般是通过肝功能测试诊断。
R语言样条曲线、泊松回归模型估计女性直肠癌患者标准化发病率（SIR）、标准化死亡率（SMR）
标准化发病率（SIR）或死亡率（SMR）是观察病例和期望病例的比率。
R语言中贝叶斯网络（BN）、动态贝叶斯网络、线性模型分析错颌畸形数据
贝叶斯网络（BN）是一种基于有向无环图的概率模型，它描述了一组变量及其相互之间的条件依赖性。
R语言随机森林RandomForest、逻辑回归Logisitc预测心脏病数据和可视化分析
本报告是对心脏研究的机器学习/数据科学调查分析。更具体地说，我们的目标是在心脏研究的数据集上建立一些预测模型，并建立探索性和建模方法。但什么是心脏研究？
R语言基于Bagging分类的逻辑回归(Logistic Regression)、决策树、森林分析心脏病患者
通常，bagging 与树有关，用于生成森林。但实际上，任何类型的模型都有可能使用bagging 。
R语言多重比较示例：Bonferroni校正法和Benjamini & Hochberg法
假设检验的基本原理是小概率原理，即我们认为小概率事件在一次试验中实际上不可能发生。
调查数据聚焦护士职业满意度
这是我们最近的一项护士职业满意度线上调查中关注的一个问题。遗憾的是，对护士工作满意的只有约27%。为何这么多人不愿意再次选择做护士？
R语言惩罚logistic逻辑回归（LASSO,岭回归）高维变量选择的分类模型案例
WeChat Tencent QQ email print 由Kaizong Ye，Weilong Zhang
【视频讲解】R语言分布滞后非线性模型（DLNM）研究发病率，死亡率和空气污染示例
本文提供了运行分布滞后非线性模型的示例，同时描述了预测变量和结果之间的非线性和滞后效应，这种相互关系被定义为暴露-滞后-反应关联。
R语言分布滞后线性和非线性模型（DLMs和DLNMs）分析时间序列数据
本文演示了在时间序列分析中应用分布滞后线性和非线性模型（DLMs和DLNMs）。
R语言广义相加模型 (GAMs)分析预测CO2时间序列数据
环境科学中的许多数据不适合简单的线性模型，最好用广义相加模型（GAM）来描述。<
- 1
- 2
