2.4 Zong et al. [7] proposed develo

2.4 Zong et al. [7] proposed developed a tool for the identification of different white blood cell categories in a given blood sample Two approaches were implemented with two different parametric data clusters. In the first, multidimensional space using artificial neural networks (ANNs) was trained followed by cross-validation using cytometry data. The second approach exploited gene expression profiling of ALL to classify its six subtypes. The system was also trained to assess the inherent problem of data overlap and to recognize abnormal blood cell patterns. The classification performance of the first approach reached up to 100% while the performance of the second approach was up to 92%.AnovelANNalgorithm for optimizing the classification of multidimensional data, which focused on acute leukemia

ผลลัพธ์ (ไทย) 1:

2.4 Zong et al. [7] นำเสนอพัฒนาเครื่องมือสำหรับการระบุประเภทเม็ดเลือดขาวแตกต่างในตัวอย่างเลือดให้สองวิธีในการดำเนินการกับข้อมูลอื่นพาราเมตริกคลัสเตอร์ที่สอง ในครั้งแรก หลายพื้นที่โดยใช้เครือข่ายประสาทเทียม (ANNs) ได้อบรมไปมาแล้ว โดยการตรวจสอบข้ามเซลล์ข้อมูลที่ใช้ วิธีที่สองสามารถยีนนิพจน์สร้างโพรไฟล์ทั้งหมดในการจัดประเภทของ subtypes หก ระบบได้รับการอบรม การประเมินปัญหาโดยธรรมชาติของการทับซ้อนของข้อมูล และ การจำแนกรูปแบบของเม็ดเลือดผิดปกติ ประสิทธิภาพการจัดประเภทของวิธีแรกถึง 100% ในขณะที่ประสิทธิภาพของวิธีที่สองมีถึง 92%AnovelANNalgorithm ในการเพิ่มประสิทธิภาพการจัดประเภทของข้อมูลหลายมิติ ซึ่งเน้นการมะเร็งเม็ดเลือดขาวเฉียบพลัน

ผลลัพธ์ (ไทย) 2:

2.4 ซงตอัล [7] นำเสนอการพัฒนาเครื่องมือสำหรับการระบุประเภทของเซลล์เม็ดเลือดขาวที่แตกต่างกันในตัวอย่างเลือดที่ได้รับสองวิธีที่ถูกนำมาใช้กับการที่แตกต่างกันสองกลุ่มข้อมูลตัวแปร เป็นครั้งแรกในพื้นที่หลายมิติโดยใช้เครือข่ายประสาทเทียม (ANNs) ได้รับการฝึกอบรมตามด้วยการตรวจสอบข้ามใช้ข้อมูลภูมิคุ้มกัน วิธีที่สองใช้ประโยชน์ยีนโปรไฟล์การแสดงออกของทั้งหมดในการจำแนกชนิดย่อยของหก เป็นระบบยังได้รับการฝึกฝนในการประเมินปัญหาที่เกิดขึ้นโดยธรรมชาติของข้อมูลที่ซ้ำซ้อนและผิดปกติในการรับรู้รูปแบบเซลล์เม็ดเลือด ผลการดำเนินงานการจัดหมวดหมู่ของวิธีแรกขึ้นไปถึง 100% ในขณะที่ประสิทธิภาพการทำงานของวิธีที่สองก็ขึ้นอยู่กับ 92%. AnovelANNalgorithm สำหรับการเพิ่มประสิทธิภาพการจัดหมวดหมู่ของข้อมูลหลายมิติซึ่งมุ่งเน้นไปที่โรคมะเร็งเม็ดเลือดเฉียบพลัน

ผลลัพธ์ (ไทย) 3:

2.4 ซอง et al . [ 7 ] เสนอพัฒนาเครื่องมือสำหรับการระบุของเม็ดเลือดขาวประเภทต่าง ๆที่ระบุในตัวอย่างเลือดสองวิธีคือใช้กับสองแตกต่างกันพารามิเตอร์ข้อมูลกลุ่ม ใน แรก ช่องว่างมิติ โดยใช้โครงข่ายประสาทเทียม ( แอนน์ ) คือฝึกตามด้วยการตรวจสอบข้ามการใช้ข้อมูล ( .วิธีที่สองใช้โปรไฟล์ของการแสดงออกของยีนทั้งหมดแบ่งเป็น 6 ชนิดย่อยของ ระบบยังฝึกประเมินปัญหาที่แท้จริงของทับซ้อนข้อมูลและรับรู้รูปแบบเซลล์ในเลือดผิดปกติ การจำแนกสมรรถนะของวิธีการแรกถึงถึง 100% ในขณะที่ประสิทธิภาพของวิธีที่สองคือถึง 92%anovelannalgorithm เพิ่มประสิทธิภาพการจำแนกข้อมูลหลายมิติ ซึ่งเน้นลูคีเมียเฉียบพลัน