A novel computational framework for integrating multidimensional data to enhance accuracy in predicting the prognosis of colorectal cancer

Accurate prognosis prediction is the key to achieving precision treatment and guiding the selection of adjuvant chemotherapy in high‐risk stage II/III colorectal cancer (CRC) patients. Here we developed a novel machine learning method, the random non‐negative matrix factorization (RNMF) algorithm, w...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	MedComm - Future medicine Ročník 1; číslo 2
Hlavní autoři:	Zhang, Qinran, Xu, Yuhong, Kang, Shiyang, Chen, Junquan, Yao, Zhihao, Wang, Haitao, Wu, Qinian, Zhao, Qi, Zhang, Qihua, Xu, Rui‐hua, Zou, Xiufen, Luo, Huiyan
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	London John Wiley & Sons, Inc 01.09.2022 Wiley
Témata:	Accuracy Adjuvants Algorithms biomarker Chemotherapy Colorectal cancer Data analysis Datasets DNA methylation Genomics Medical prognosis multidimensional data integration Performance evaluation prognosis prediction stage II/III colorectal cancer the random non‐negative matrix factorization algorithm
ISSN:	2769-6456, 2769-6456
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!