論文の概要: Gene selection from microarray expression data: A Multi-objective PSO
with adaptive K-nearest neighborhood
- arxiv url: http://arxiv.org/abs/2205.15020v1
- Date: Fri, 27 May 2022 04:22:10 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-05 07:23:42.305220
- Title: Gene selection from microarray expression data: A Multi-objective PSO
with adaptive K-nearest neighborhood
- Title（参考訳）: マイクロアレイ発現データからの遺伝子選択:適応k-nearest近傍を用いた多目的pso
- Authors: Yasamin Kowsari, Sanaz Nakhodchi, Davoud Gholamiangonabadi
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Cancer detection is one of the key research topics in the medical field.
Accurate detection of different cancer types is valuable in providing better
treatment facilities and risk minimization for patients. This paper deals with
the classification problem of human cancer diseases by using gene expression
data. It is presented a new methodology to analyze microarray datasets and
efficiently classify cancer diseases. The new method first employs Signal to
Noise Ratio (SNR) to find a list of a small subset of non-redundant genes.
Then, after normalization, it is used Multi-Objective Particle Swarm
Optimization (MOPSO) for feature selection and employed Adaptive K-Nearest
Neighborhood (KNN) for cancer disease classification. This method improves the
classification accuracy of cancer classification by reducing the number of
features. The proposed methodology is evaluated by classifying cancer diseases
in five cancer datasets. The results are compared with the most recent
approaches, which increases the classification accuracy in each dataset.
- Abstract（参考訳）: がん検出は医療分野における重要な研究の1つである。
異なるがんの正確な検出は、より良い治療施設と患者に対するリスク最小化を提供する上で有用である。
本稿では,遺伝子発現データを用いてヒト癌疾患の分類問題を扱う。
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。
この新しい手法は、まずSignal to Noise Ratio (SNR)を用いて、非冗長遺伝子の小さなサブセットのリストを見つける。
正常化後,多目的粒子群最適化(MOPSO)を用いて特徴選択を行い,がんの分類に適応的K-Nearest Neighborhood(KNN)を用いる。
本手法は,特徴量を削減することにより,がん分類の分類精度を向上させる。
提案手法は5つのがんデータセットで癌疾患を分類することによって評価される。
その結果,データセットの分類精度が向上する最新の手法と比較した。
関連論文リスト
- Multi-modal Medical Image Fusion For Non-Small Cell Lung Cancer Classification [7.002657345547741]
非小細胞肺癌(NSCLC)は、世界中のがん死亡の主な原因である。
本稿では, 融合医療画像(CT, PET)と臨床健康記録, ゲノムデータとを合成する, マルチモーダルデータの革新的な統合について紹介する。
NSCLCの検出と分類精度の大幅な向上により,本研究は既存のアプローチを超越している。
論文 参考訳（メタデータ） (2024-09-27T12:59:29Z) - Boosting Medical Image-based Cancer Detection via Text-guided Supervision from Reports [68.39938936308023]
本研究では, 高精度ながん検出を実現するための新しいテキスト誘導学習法を提案する。
本手法は,大規模プレトレーニングVLMによる臨床知識の活用により,一般化能力の向上が期待できる。
論文 参考訳（メタデータ） (2024-05-23T07:03:38Z) - Metastatic Breast Cancer Prognostication Through Multimodal Integration
of Dimensionality Reduction Algorithms and Classification Algorithms [0.0]
機械学習(ML)を用いた転移性癌の検出に関する研究
71.14%の最高精度は、PCA、遺伝的アルゴリズム、k-アネレスト近傍アルゴリズムからなるMLパイプラインによって作られた。
論文 参考訳（メタデータ） (2023-09-19T05:12:02Z) - Machine Learning Methods for Cancer Classification Using Gene Expression
Data: A Review [77.34726150561087]
がんは心臓血管疾患の2番目の死因である。
遺伝子発現は癌の早期発見において基本的な役割を担っている。
本研究は,機械学習を用いた癌分類における遺伝子発現解析の最近の進歩を概説する。
論文 参考訳（メタデータ） (2023-01-28T15:03:03Z) - Subtype-Former: a deep learning approach for cancer subtype discovery
with multi-omics data [17.36619699329539]
本研究では,TransformerとBlockに基づくディープラーニング手法であるSubtype-Formerを提案する。
その結果,Subtype-Formerは生存率分析に基づいて,5000以上の腫瘍のベンチマークデータセットで良好な性能を発揮することがわかった。
対象とするがん治療薬の研究に使用できる50種類の重要なバイオマーカーを同定した。
論文 参考訳（メタデータ） (2022-07-28T08:15:06Z) - Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。
我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文 参考訳（メタデータ） (2021-10-27T19:28:36Z) - 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) - Topological Data Analysis of copy number alterations in cancer [70.85487611525896]
癌ゲノム情報に含まれる情報を新しいトポロジに基づくアプローチで捉える可能性を探る。
本手法は, 癌体性遺伝データに有意な低次元表現を抽出する可能性を秘めている。
論文 参考訳（メタデータ） (2020-11-22T17:31:23Z) - Machine Learning Against Cancer: Accurate Diagnosis of Cancer by Machine
Learning Classification of the Whole Genome Sequencing Data [0.0]
我々は,MLAC(Machine Learning Against Cancer)の新たな手法を開発し,完全精度,感度,特異性を実現した。
The Cancer Genome Atlas and Genotype-Tissue Expression project for cancerous and healthy tissues。
論文 参考訳（メタデータ） (2020-09-12T18:51:47Z) - 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) - The scalable Birth-Death MCMC Algorithm for Mixed Graphical Model
Learning with Application to Genomic Data Integration [0.0]
本稿では,異なるタイプのマルチオミックデータを解析するための混合グラフィカルモデルを提案する。
モデル選択結果の計算効率と精度の両面で,本手法が優れていることがわかった。
論文 参考訳（メタデータ） (2020-05-08T16:34:58Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。