【佳学基因检测】基于IoMT的线粒体和多因素遗传疾病的机器学习预测

根据，国际有很高知名度基因检测科学性证据杂志《》在第期发表了一篇标题为《基于IoMT的线粒体和多因素遗传疾病的机器学习预测》的文章。该基因领域的临床应用研究由Atta-Ur Rahman, Muhammad Umar Nasir , Mohammed Gollapalli , Suleiman Ali Alsaif , Ahmad S Almadhor , Shahid Mehmood , Muhammad Adnan Khan , Amir Mosavi  完成。

基因信息数据库索引号：

基因检测人工智能数据标签： 35909844和 doi: 10.1155/2022/2650742. eCollection 2022.

基因解码研究关键词：

遗传疾病,线粒体疾病,预测多因素遗传疾病,母亲基因缺陷,父亲基因,过度流产

国际基因解码证据链条标签：

genetic disorder,mitochondrial diseases,multifactorial genetic disorders for prediction,defective maternal gene,paternal gene, excessive abortions

基因检测临床研究与应用结果介绍：

遗传疾病是一种严重的疾病，影响着世界各地的大量个体。有多种类型的遗传疾病，然而，基因解码研究机构专注于预测线粒体和多因素遗传疾病。遗传疾病是由多种因素引起的，包括母系或父系基因缺陷、过度流产、血细胞缺乏和白细胞计数低。对于过早或青少年的生命发育，早期发现遗传疾病至关重要。虽然很难提前预测遗传疾病，但这个预测非常关键，因为一个人的生活进步取决于它。机器学习算法用于利用从大量患者医疗报告中收集和构建的数据集，以高精度诊断遗传疾病。贼近进行了许多研究，使用基因组测序基因检测进行疾病检测，但使用患者病史的研究较少。使用患者病史的现有研究的正确性受到限制。本文提出的基于医疗物联网 (IoMT) 的遗传疾病预测模型使用两种独立的机器学习算法：支持向量机 (SVM) 和 K-贼近邻 (KNN)。实验结果表明，SVM 在正确性方面优于 KNN 和现有的预测方法。 SVM 在训练和测试方面的正确率分别为 94.99% 和 86.6%。

 遗产病基因测试