科研之友
微信
新浪微博
Facebook
分享链接
摘要
深度学习在生物医学领域具有较高准确率和自动提取特征的优势,已广泛应用于疾病预测。由于网络复杂且参数众多,为确保预测结果的稳定性和可靠性,进一步了解疾病的发生机制,深度学习模型的可解释性成为亟待解决的关键问题。通过将现有的知识框架,如信号通路调控网络,与深度神经网络相结合,构建具有生物学可解释性的深度学习模型,即可视化神经网络。本文总结了近5年来关于可解释生物深度模型的研究成果,并阐述了可解释模型（可视化）的原理,这些模型主要应用于肿瘤、遗传疾病和药物合成等领域。可视化神经网络降低了模型的复杂度和计算成本,逐步建立起一种推动疾病诊断、治疗和药物发现的生物信息学新范式。
-
单位厦门大学附属第一医院; 厦门大学
