Основная тема вышеупомянутой статьи
Поскольку тема моего исследования связана с машинным обонянием, я всегда стараюсь понять работы других исследователей. Чтение бумаги и обучение по ней всегда доставляет мне массу удовольствия. Итак, я прочитал ниже исследовательскую работу [1], чтобы представить ее на собрании нашей лаборатории (Лаборатория Накамото, Технологический институт Токио, Япония). Я чувствую, что если я смогу сделать резюме этой работы, это поможет другим понять основную идею этой статьи.
Примечание. Это не моя личная работа. Я просто делаю резюме этой статьи, чтобы люди могли легко понять эту статью.
Эта статья была опубликована нижеследующими исследователями в отчете Nature Scientific.
[1] Йорн Лётч, Томас Хаммель и Альфред Ульч, Идентификация паттернов с помощью машинного обучения в результатах обонятельных подтестов, отчет Nature Scientific, 6, 35688 (2016). https://doi.org/10.1038/srep35688
Некоторые важные ключевые слова для этой статьи
- порог запаха, определяющий самую низкую концентрацию выбранного одоранта, при которой он все еще воспринимается.
- различение запахов производительность, связанная со способностью различать разные запахи.
- различение запахов производительность, связанная со способностью различать разные запахи.
Три обонятельных диагноза
- Аносмия — — — — отсутствие обонятельной функции;
- Гипосмия — — — Снижение или отсутствие обоняния;
- Нормосмия — — — нормальная обонятельная функция
Цель исследования
- Понять патологические механизмы, при которых различная этиология может вызывать обонятельную дисфункцию.
- Использование неконтролируемого машинного обучения для поиска структуры в большом наборе данных (n=10714 субъектов), чтобы связать распределение ниже трех обонятельных диагнозовс 9 этиологиями. Здоровые, носовые пазухи, врожденные, нейродегенеративные заболевания, идиопатические, постинфекционные, травматические, токсические и опухоль головного мозга/инсульт.
Основные выводы
Используя U-матрицу, карты возникающих самоорганизующихся признаков (ESOM) выявили три различных кластера, характеризующихся:
(i) низкий порог и хорошее различение и идентификация,
(ii) очень высокий порог, связанный с отсутствием или плохой способностью к различению и идентификации, или
(iii) средний порог, т. е. средний диапазон возможных порогов, связанный с пониженной способностью различать и идентифицировать.
Машинное обучение идентификации кластеров результатов обонятельного подтеста
На приведенном выше рисунке большие U-высоты в U-матрице указывают на большой разрыв в пространстве данных, тогда как малые U-высоты указывают на то, что точки расположены близко друг к другу пространство данных, указывающее кластерную структуру на основе расстояния в наборе данных.
Взаимосвязь паттернов обонятельных субтестов и этиологии, связанной с обонятельной функцией
Сводный график ассоциаций кластеров с этиологией обонятельной (дис)функции
- Явное чрезмерное представительство здоровых субъектов в кластере № 1, где все патологические этиологии, казалось, были недостаточно представлены,
- Перепредставленность субъектов с врожденной аносмией и, возможно, лиц с черепно-мозговой травмой в кластере № 2, где здоровые субъекты были явно недопредставлены
- Чрезмерная представленность субъектов с постинфекционной обонятельной дисфункцией в кластере № 3.
Матричные графики корреляций между результатами обонятельного подтеста
(различение/идентификация, различение/порог, порог/идентификация)
Распределение 3326 пациентов с аносмией, 4664 пациентов с гипосмией и 2624 пациентов или здоровых лиц с нормосмией, диагностированной в соответствии с критериями теста «Sniffin' Sticks», согласуется с известной широкой вариабельностью функциональных последствий большинства этиологий, связанных с нормальным или измененным обонянием. функция.
(А) показаны корреляции отдельно для различных этиологий обонятельной дисфункции; (B) показывает то же самое для кластеров на основе EXOM/U-матрицы
Обсуждение
- Используя подход, основанный на данных, кластерная структура была обнаружена путем применения неконтролируемого машинного обучения к результатам обонятельных подтестов, направленных на обонятельные пороги, различение запахов и идентификацию запахов.
- Во втором кластере преобладали пациенты с врожденной аносмией, в то время как пациенты с постинфекционной обонятельной дисфункцией часто относились к третьему кластеру.
- Однако кластеры не давали четкого разделения между этиологиями. Следовательно, настоящая проверка отдельной кластерной структуры поощряет дальнейшие научные усилия по распознаванию образцов обонятельных тестов.