📚旁征博引

<aside> <img src="/icons/condense_green.svg" alt="/icons/condense_green.svg" width="40px" /> 肿瘤 进化动力学 统计推理 生成式模型 生物学 穿刺活检-针吸活检 瓦瑟斯坦距离 欧式距离 概率分布 泊松分布 蒙特卡罗模拟

</aside>

🎯要点

🎯模拟肿瘤细胞增生进化轨迹 | 🎯肿瘤生长的随机空间细胞自动机模型 | 🎯模拟穿刺活检的收集空间局部的肿瘤块，模拟针吸活检采集长而薄的组织样本 | 🎯构建不同参数模拟合成肿瘤测试集 | 🎯算法模型计算先验分布、计算概率分布的瓦瑟斯坦距离和欧氏距离 | 🎯细胞进化系统动力学量化分裂差异模型。

📜病理学用例

📜Python和C++骨髓细胞进化解析数学模型

📜Python成像质谱流式细胞术病理生理学

📜Python流感传播感染康复图模型计算和算法

📜Python脑溶质扩散生理几何模型计算

📜Python流感常微分方程房室数学模型

📜Python药物副作用生物图分析算法和矩阵降维算法

🍪语言内容分比

pie title 语言分比
 "C++":90
 "R":90

pie title 内容分比
 "病理学":90
 "数学":30
 "生物学":50
 "算法模型":60
 "进化动力学":30
 "概率":30
 "统计推理":40
 "肿瘤增生":50
 "二维网格边界":20
 "细胞分裂":30

✂️梗概

🍇R瓦瑟斯坦距离

两个概率测度 $\mu$ 和 $\nu$ 之间的 $p^{\text {th }}$ 瓦瑟斯坦距离，在有限 $p^{\text {th }}$ 矩下，可以定义为

$$ W_p(\mu, \nu)^p=\inf E \left[d(X, Y)^p\right] $$

其中 $d$ 是一个度量，$E [Z]$ 表示随机变量 $Z$ 的期望值，下确界取随机变量 $X$ 和 $Y$ 的所有联合分布，边际为分别为 $\mu$ 和 $\nu$。对于 $p=1$，表明，$R$ 上的两个累积分布函数 $F_1$ 和 $F_2$ 之间的一维（一维）瓦瑟斯坦-1 度量可以写为 $L_1$距离：

$$ W_1\left(F_1, F_2\right)=\int_{ R }\left|F_1(x)-F_2(x)\right| d x $$