×
内夫·M·。;德尼科拉奥，G。;马切西，L。

基于高斯过程的人口模型非参数辨识。 （英语） Zbl 1123.93319号

Automatica公司 43，第7期，1134-1144（2007）.
概述：群体模型用于描述属于一个群体的不同受试者的动力学，并在药物药代动力学中发挥重要作用。提出了一种非参数辨识方案，将群体和个体的平均脉冲响应建模为高斯随机过程。假设平均曲线是一个积分维纳过程，证明其估计是三次样条。给出了一种用于估计平均曲线和单个曲线的经验贝叶斯算法。该模型在模拟数据集和外源药代动力学数据上进行了测试。

引用于9文件

MSC公司：

93E12号机组 随机控制理论中的辨识
92D25型 人口动态（一般）
92 C50 医疗应用（通用）
92B20型 生物研究、人工生命和相关主题中的神经网络

关键词：

非参数辨识;估计理论;药代动力学数据;样条曲线;神经网络;正规化

软件：

非MEM
PDF格式BibTeX公司 XML格式引用
\textit{M.Neve}等人，Automatica 43，No.7，1134--1144（2007；Zbl 1123.93319）
全文： DOI程序

参考文献：

[1] Aarons，L.，人群药代动力学和药效学软件，临床药代动力学，36，4，255-264（1999）
[2] Beal，S.L。；Sheiner，L.B.，估算种群动力学，生物医学工程评论，8，3，195-222（1982）
[3] Beal，S.L.和Sheiner，L.B.（1998年）。非mem用户指南; Beal，S.L.和Sheiner，L.B.（1998年）。非mem用户指南
[4] Bertoldo，A。；斯帕拉西诺，G。；Cobelli，C.，“人口”方法改进了动态PET数据动力学模型的参数估计，IEEE医学成像学报，23，3，297-306（2004）
[5] 药物评价和研究中心。(1999).行业指南群体药代动力学; 药物评价和研究中心。(1999).行业指南人群药代动力学
[6] Davidian，M。；Giltinan，D.M.，重复测量数据的非线性模型（1995年），查普曼和霍尔：美国纽约州查普曼和霍尔
[7] De Nicolao，G。；Ferrari-Trecate，G.，《正则化网络：通过卡尔曼滤波快速计算权重》，IEEE神经网络汇刊，12，2，228-235（2001）
[8] 埃格斯特德，M。；Martin，C.F.，最优轨迹规划和平滑样条，Automatica，371057-1064（2001）·Zbl 0989.93038号
[9] Fattinger，K.E。；Verotta，D.，《用于反褶积的非参数受试者特定总体方法：I.描述、内部验证和实际数据示例》，《药物动力学和生物药剂学杂志》，23，581-610（1995）
[10] Fattinger，K.E。；Verotta，D.，反褶积的非参数特定主题总体方法：II。外部验证，药代动力学和生物制药杂志，23611-634（1995）
[11] Ferrazzi，F.、Magni，P.和Bellazzi，R.（2003）。基因表达时间序列的贝叶斯聚类。在第三届管理生物信息学国际研讨会会议记录微阵列数据的分析和解释NETTAB 2003年; Ferrazzi，F.、Magni，P.和Bellazzi，R.（2003）。基因表达时间序列的贝叶斯聚类。在第三届管理生物信息学国际研讨会会议记录微阵列数据的分析和解释NETTAB 2003年
[12] 吉罗西，F。；琼斯，M。；Poggio，T.，正则化理论和神经网络架构，神经计算，7219-269（1995）
[13] 瓜尔达巴索，V。；Munson，P.J。；Rodbard，D.，《同时分析曲线族的通用方法》，FASEB杂志，2209-215（1988）
[14] Jelliffe，R.、Schumitzky，A.、Van Guilder，M.、Wang，X.和Leary，R.（2001）。人群药代动力学和动力学模型：参数（P）和非参数（NP）方法。在第14届IEEE计算机医疗系统研讨会; Jelliffe，R.、Schumitzky，A.、Van Guilder，M.、Wang，X.和Leary，R.（2001）。人群药代动力学和动力学模型：参数（P）和非参数（NP）方法。在第14届IEEE计算机医疗系统研讨会
[15] Leary，R.、Jelliffe，R.，Schumitzky，A.和Van Guilder，M.（2001年）。药代动力学和动力学（PK/PD）种群模型的自适应网格非参数方法。在第14届IEEE计算机医疗系统研讨会; Leary，R.、Jelliffe，R.，Schumitzky，A.和Van Guilder，M.（2001年）。药代动力学和动力学（PK/PD）种群模型的自适应网格非参数方法。在第14届IEEE计算机医疗系统研讨会
[16] 麦凯·D·J（1997）。高斯过程：监督神经网络的替代品？。在神经信息处理系统的课堂讲稿97年NIPS; 麦凯·D·J（1997）。高斯过程：监督神经网络的替代？。在神经信息处理系统的课堂讲稿97年NIPS
[17] 麦凯·D·J（1998）。高斯过程简介。在C.M.Bishop（编辑）中，神经网络与机器学习; 麦凯·D·J（1998）。高斯过程简介。在C.M.Bishop（编辑）中，神经网络与机器学习·Zbl 0936.68081号
[18] 麦凯，D.J.C.，贝叶斯插值，神经计算。，4, 415-447 (1992)
[19] Magni，P。；贝拉齐，R。；De Nicolao，G。；博格西，I。；Rocchetti，M.，《不完全抽样人群研究中的非参数AUC估计：贝叶斯方法》，《药代动力学和药效学杂志》，29，5/6，445-471（2002）
[20] Neve，M.、De Nicolao，G.和Marchesi，L.（2005年6月8日至10日）。人群药代动力学模型的非参数识别：MCMC方法。在第24届美国控制会议记录; Neve，M.、De Nicolao，G.和Marchesi，L.（2005年6月8日至10日）。人群药代动力学模型的非参数识别：MCMC方法。在第24届美国控制会议记录
[21] 帕克，K。；维罗塔，D。；Blaschke，T.F。；Sheiner，L.B.，描述噪声人群药代动力学数据的半参数方法，药代动力学和生物药剂学杂志，25，615-642（1997）
[22] Poggio，T。；Girosi，F.，《近似和学习网络》，美国电气与电子工程师协会论文集，781481-1497（1990）·Zbl 1226.92005号
[23] Rocchetti，M.和Poggesi，I.（1997）。使用实际数据比较Bailer和Yeh方法。在L.Aarons等人（编辑）中，人口方法测量和管理响应中的可变性浓度和剂量; Rocchetti，M.和Poggesi，I.（1997）。使用实际数据比较Bailer和Yeh方法。在L.Aarons等人（编辑）中，人口方法测量和管理响应中的可变性浓度和剂量
[24] Sheiner，L.B.，《药代动力学数据分析的人群方法：基本原理和标准数据分析方法》，《药物代谢评论》，第15期，第153-171页（1994年）
[25] Sheiner，L.B.（谢纳，L.B.）。；罗森博格，B。；Marate，V.V.，《从常规临床数据估算药代动力学参数的人群特征》，《药代动力学和生物药剂学杂志》，5，5，445-479（1977）
[26] Sheiner，L.B。；Steimer，J.L.，药物开发中的药代动力学/药效学建模，《药理学和毒理学年度评论》，40，67-95（2000）
[27] Shiryaev，A.N.，《概率》（1996），施普林格：美国纽约州施普林格·Zbl 0909.01009
[28] Smola，A.J.和Schölkopf，B.（2003年）。贝叶斯核方法。在S.Mendelson，A.J.Smola（编辑）中，机器学习暑期学校会议记录澳大利亚国立大学; Smola，A.J.和Schölkopf，B.（2003年）。贝叶斯核方法。在S.Mendelson，A.J.Smola（编辑）中，机器学习暑期学校会议记录澳大利亚国立大学·Zbl 1019.68095号
[29] Sun，S。；Egerstedt，M.B。；Martin，C.F.，控制理论平滑样条，IEEE自动控制汇刊，45，12，2271-2279（2000）·Zbl 0971.49022号
[30] 维奇尼，P。；Cobelli，C.，IVGTT最小建模的迭代两阶段人群方法：减少采样提高精度，《美国生理学、内分泌学和代谢杂志》，280，1，179-186（2001）
[31] Vozeh，S。；Steimer，J.L。；罗兰，M。；莫塞利，P。；Mentre，F。；Balant，L.P.，药物开发中人群药代动力学的使用，临床药代动力学，30，2，81-93（1996）
[32] Wahba，G.，交叉验证平滑样条的贝叶斯“置信区间”，《皇家统计学会杂志》，B辑，45，1，133-150（1983）·兹比尔0538.65006
[33] Wahba，G.，观测数据的样条模型（1990），SIAM：美国费城SIAM·Zbl 0813.62001号
[34] 韦克菲尔德，J。；Bennett，J.，人群药代动力学模型协变量的贝叶斯建模，JASA，91，917-927（1996）·Zbl 0882.62104号
[35] 韦克菲尔德，J。；A.F.M.史密斯。；Racine-Poon，A。；Gelfand，A.，使用Gibbs采样器对线性和非线性人口模型进行贝叶斯分析，应用统计学，41，201-221（1994）·Zbl 0825.62410号
[36] Williams，C.K.I.，《高斯过程预测：从线性回归到线性预测及其后的发展》，（Jordan，M.，图形模型中的学习和推理（1999），麻省理工学院出版社：麻省理工学院出版社，美国马萨诸塞州剑桥），599-621·Zbl 0921.62121号
[37] Williams，C.K.I.和Rasmussen，C.E.（1996）。回归的高斯过程。在D.S.Touretzky、M.C.Mozer和M.E.Hasselmo（编辑）中，神经信息处理系统研究进展; Williams，C.K.I.和Rasmussen，C.E.（1996）。回归的高斯过程。在D.S.Touretzky、M.C.Mozer和M.E.Hasselmo（编辑）中，神经信息处理系统研究进展
[38] Yuh，L。；Beal，S。；Davidian，M。；哈里森，F。；A.海丝特。；Kowalski，K.，《人群药代动力学/药效学方法和应用：参考书目》，生物统计学，50566-575（1994）·Zbl 0822.92010号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。