Fugu-MT 論文翻訳(概要): Multi-Instance Multi-Label Learning for Gene Mutation Prediction in Hepatocellular Carcinoma

論文の概要: Multi-Instance Multi-Label Learning for Gene Mutation Prediction in Hepatocellular Carcinoma

arxiv url: http://arxiv.org/abs/2005.04073v1
Date: Fri, 8 May 2020 14:47:25 GMT
ステータス: 処理完了
システム内更新日: 2022-12-05 12:17:36.707294
Title: Multi-Instance Multi-Label Learning for Gene Mutation Prediction in Hepatocellular Carcinoma
Title（参考訳）: 肝細胞癌における遺伝子変異予測のためのマルチインスタンスマルチラベル学習
Authors: Kaixin Xu, Ziyuan Zhao, Jiapan Gu, Zeng Zeng, Chan Wan Ying, Lim Kheng Choon, Thng Choon Hua, Pierce KH Chow
Abstract要約: 癌(HCC)における遺伝子変異の予測は、パーソナライズされた治療と精密な医療において、診断と予後に非常に有用である。本稿では,ラベル相関やラベル表現などの難易度に対処するために,多言語マルチラベル学習を用いてこの問題に対処する。
参考スコア（独自算出の注目度）: 5.234375382973767
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Gene mutation prediction in hepatocellular carcinoma (HCC) is of great diagnostic and prognostic value for personalized treatments and precision medicine. In this paper, we tackle this problem with multi-instance multi-label learning to address the difficulties on label correlations, label representations, etc. Furthermore, an effective oversampling strategy is applied for data imbalance. Experimental results have shown the superiority of the proposed approach.
Abstract（参考訳）: 肝細胞癌(HCC)における遺伝子変異の予測は、パーソナライズされた治療と精密な治療に非常に有用である。本稿では,ラベル相関やラベル表現などの困難に対処するために,マルチインスタンスマルチラベル学習を用いてこの問題に取り組む。さらに、データ不均衡に対して効果的なオーバーサンプリング戦略を適用する。実験の結果,提案手法の優位性が示された。

関連論文リスト

MMIL: A novel algorithm for disease associated cell type discovery [58.044870442206914]
単一細胞データセットは、しばしば個々の細胞ラベルを欠いているため、病気に関連する細胞を特定することは困難である。セルレベルの分類器の訓練と校正を可能にする予測手法であるMixture Modeling for Multiple Learning Instance (MMIL)を導入する。
論文参考訳（メタデータ） (2024-06-12T15:22:56Z)
Predicting Genetic Mutation from Whole Slide Images via Biomedical-Linguistic Knowledge Enhanced Multi-label Classification [119.13058298388101]
遺伝子変異予測性能を向上させるため,生物知識を付加したPathGenomic Multi-label Transformerを開発した。 BPGTはまず、2つの慎重に設計されたモジュールによって遺伝子前駆体を構成する新しい遺伝子エンコーダを確立する。 BPGTはその後ラベルデコーダを設計し、最終的に2つの調整されたモジュールによる遺伝的突然変異予測を行う。
論文参考訳（メタデータ） (2024-06-05T06:42:27Z)
Single-Cell Deep Clustering Method Assisted by Exogenous Gene Information: A Novel Approach to Identifying Cell Types [50.55583697209676]
我々は,細胞間のトポロジ的特徴を効率的に捉えるために,注目度の高いグラフオートエンコーダを開発した。クラスタリング過程において,両情報の集合を統合し,細胞と遺伝子の特徴を再構成し,識別的表現を生成する。本研究は、細胞の特徴と分布に関する知見を高め、疾患の早期診断と治療の基礎となる。
論文参考訳（メタデータ） (2023-11-28T09:14:55Z)
scBeacon: single-cell biomarker extraction via identifying paired cell clusters across biological conditions with contrastive siamese networks [0.9591674293850556]
scBeaconは、深いコントラストのあるシアムネットワーク上に構築されたフレームワークである。 scBeaconは、様々な条件で一致した細胞集団を特定します。包括的な評価は、既存の単細胞差分遺伝子解析ツールよりも scBeacon の方が優れていることを検証する。
論文参考訳（メタデータ） (2023-11-05T08:27:24Z)
Functional Integrative Bayesian Analysis of High-dimensional Multiplatform Genomic Data [0.8029049649310213]
我々は高次元多プラットフォームゲノミクスデータ(fiBAG)の関数積分ベイズ解析というフレームワークを提案する。 fiBAGは、プロテオゲノムバイオマーカーの上流での機能的証拠の同時同定を可能にする。本研究は,14種類のがんのパン・カンサー解析を用いて,fiBAGの収益性を示す。
論文参考訳（メタデータ） (2022-12-29T03:31:45Z)
Benchmarking Machine Learning Robustness in Covid-19 Genome Sequence Classification [109.81283748940696]
我々は、IlluminaやPacBioといった一般的なシークエンシングプラットフォームのエラープロファイルを模倣するために、SARS-CoV-2ゲノム配列を摂動する方法をいくつか紹介する。シミュレーションに基づくいくつかのアプローチは、入力シーケンスに対する特定の敵攻撃に対する特定の埋め込み手法に対して、他の手法よりも堅牢(かつ正確)であることを示す。
論文参考訳（メタデータ） (2022-07-18T19:16:56Z)
Gene selection from microarray expression data: A Multi-objective PSO with adaptive K-nearest neighborhood [0.0]
本稿では,遺伝子発現データを用いたヒト癌疾患の分類問題について論じる。マイクロアレイデータセットを解析し,がん疾患を効果的に分類するための新しい手法を提案する。
論文参考訳（メタデータ） (2022-05-27T04:22:10Z)
Cancer Gene Profiling through Unsupervised Discovery [49.28556294619424]
低次元遺伝子バイオマーカーを発見するための,新しい,自動かつ教師なしのフレームワークを提案する。本手法は,高次元中心型非監視クラスタリングアルゴリズムLP-Stabilityアルゴリズムに基づく。私達の署名は免疫炎症および免疫砂漠の腫瘍の区別の有望な結果報告します。
論文参考訳（メタデータ） (2021-02-11T09:04:45Z)
Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype Prediction [55.94378672172967]
本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
論文参考訳（メタデータ） (2020-09-02T02:50:30Z)
Multi-Phase Cross-modal Learning for Noninvasive Gene Mutation Prediction in Hepatocellular Carcinoma [7.621860963237023]
多相CTスキャンを用いたAPOB, COL11A1, ATRX遺伝子の突然変異予測のためのエンドツーエンドディープラーニングフレームワークを提案する。
論文参考訳（メタデータ） (2020-05-08T14:36:59Z)
Two-Stage Penalized Regression Screening to Detect Biomarker-Treatment Interactions in Randomized Clinical Trials [0.0]
ゲノミクスのような高次元バイオマーカーは、ランダム化臨床試験でますます測定されている。ランダム化臨床試験の設定において,最近提案した2段階間相互作用検出法を適用した。また,生物マーカー間の相関を考慮に入れたリッジ回帰を用いた新しいステージ1多変量スクリーニング手法を提案する。
論文参考訳（メタデータ） (2020-04-25T00:50:09Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。