[发明专利]发掘用于机器学习技术中的基因组

说明书

公开了一种用于识别特征和机器学习算法参数的组合的设施，其中每个组合可以与一个或多个机器学习算法组合以训练模型。该设施基于使用该基因组和机器学习算法训练的模型当在应用于验证数据组时生成准确结果的能力来评估每个基因组，例如，通过为训练的模型和相应的用于训练模型的基因组生成匹配或验证分数。选择生成匹配分数超过匹配阈值的基因组进行突变，突变，然后重复该过程。然后，可以将这些训练的模型应用于新数据，以生成对基本主题的预测。

相关申请的交叉引用

本申请要求于2018年7月18日提交的美国专利申请号15/653,441的优先权，在此通过引用整体并入本文。

相关应用

本申请涉及2013年8月19日提交的标题为“用于表征心血管系统的无创方法和系统”的美国专利申请号13/970,580，现在是美国专利号9,289,150；2016年3月4日提交的题为“用于表征心血管系统的无创方法和系统”的美国专利申请号15/061,090号；2017年5月5日提交的标题为“用于表征心血管系统的无创方法和系统”的美国专利申请号15/588,148；2012年9月6日提交的标题为“用于评估电生理信号的系统和方法”的美国专利申请号13/605,364，现在为美国专利号8,923,958；2013年8月19日提交的标题为“用于表征心血管系统的全因死亡率和突发性心脏病死亡风险的无创方法和系统”的美国专利申请13/970,582，现在为美国专利号9,408,543；2016年7月11日提交的标题为“用于表征心血管系统的全因死亡率和突发性心脏病死亡风险的无创方法和系统”的美国专利申请号15/207,214；2014年6月4日提交的标题为“用于估算哺乳动物心脏腔大小和机械功能的无创心电图方法”的美国专利申请号14/295,615；2013年11月12日提交的标题为“用于估计哺乳动物心脏腔大小和机械功能的无创心电图方法”的美国专利申请号14/077,993；2015年1月14日提交的标题为“用于估计葡萄糖，糖化血红蛋白和其他血液成分的无创方法”的美国专利申请号14/596,541，现为美国专利9,597,021；2017年3月16日提交的标题为“用于估计葡萄糖，糖基化血红蛋白和其他血液成分的无创方法”的美国专利申请号15/460,341；2015年2月12日提交的标题为“用于从单通道数据表征心血管系统的方法和系统”的美国专利申请号14/620,388；2016年6月24日提交的标题为“使用数学分析和机器学习来诊断疾病的方法和系统”的美国专利申请号15/192,639；2016年8月26日提交的标题为“生物信号获取装置”的美国专利申请号15/248,838；2016年9月21日提交的标题为“用于心动相空间层析成像的图形用户界面”的美国临时专利申请号62/397,895；2017年6月26日提交的标题为“用于测量心肌缺血，狭窄识别，局部化和分流储备的无创方法和系统”的美国专利申请号15/633,330；以及与本文同时提交的标题为“发掘可用于机器学习技术的新特征，例如用于诊断医疗状况的机器学习技术”的美国专利申请号15/653,433。上述申请和已授权的专利中的每一个均通过引用整体并入本文。

背景技术

机器学习技术基于输入数据组来预测结果。例如，机器学习技术正用于预测天气模式，地质活动，提供医学诊断等。机器学习技术依赖于使用训练数据组(即观测数据组，在其中每个待预测的结果均已知的情况下)生成的一组特征，其中每个特征代表观测数据的某些可测量方面，以生成并调整一个或多个预测模型。例如，可以分析观察到的信号(例如，来自多个对象的心跳信号)以收集频率，平均值，以及关于这些信号的其他统计信息。机器学习技术可以使用这些特征来生成和调整将这些特征与一个或多个状况，例如某种形式的心血管疾病(CVD)，包括冠状动脉疾病(CAD))相关的模型，然后将该模型应用于具有未知结果的数据来源，例如未诊断的患者或未来的天气模式，等等。通常，这些功能是由数据科学家与领域专家一起手动选择和组合的。

附图的简要说明

图1是示出在一些示例中设施在其中操作的环境的框图。

图2是示出在一些示例中的发掘特征部件的处理的流程图。