論文の概要: Parea: multi-view ensemble clustering for cancer subtype discovery

• arxiv url: http://arxiv.org/abs/2209.15399v1
• Date: Fri, 30 Sep 2022 11:58:14 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-03 15:07:27.788055
• Title: Parea: multi-view ensemble clustering for cancer subtype discovery
• Title（参考訳）: Parea: がんのサブタイプ発見のためのマルチビューアンサンブルクラスタリング
• Authors: Bastian Pfeifer, Marcus D. Bloice, Michael G. Schimek
• Abstract要約: 疾患サブタイプ発見のための多視点階層型アンサンブルクラスタリング手法Pareaを提案する。 いくつかの機械学習ベンチマークデータセットでその性能を示す。 開発したPythonパッケージPyreaにPareaメソッドを組み込んだ。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Multi-view clustering methods are essential for the stratification of patients into sub-groups of similar molecular characteristics. In recent years, a wide range of methods has been developed for this purpose. However, due to the high diversity of cancer-related data, a single method may not perform sufficiently well in all cases. We present Parea, a multi-view hierarchical ensemble clustering approach for disease subtype discovery. We demonstrate its performance on several machine learning benchmark datasets. We apply and validate our methodology on real-world multi-view cancer patient data. Parea outperforms the current state-of-the-art on six out of seven analysed cancer types. We have integrated the Parea method into our developed Python package Pyrea (https://github.com/mdbloice/Pyrea), which enables the effortless and flexible design of ensemble workflows while incorporating a wide range of fusion and clustering algorithms.
• Abstract（参考訳）: マルチビュークラスタリング法は、患者を同様の分子特性のサブグループに成層するために不可欠である。 近年,この目的のために様々な手法が開発されている。 しかし,癌関連データの多様性が高いため,すべての症例において単一の方法が十分に機能しない場合がある。 本稿では,疾患サブタイプ発見のためのマルチビュー階層型クラスタリング手法pareaを提案する。 いくつかの機械学習ベンチマークデータセットでその性能を示す。 本手法を実世界の多視点がん患者データに適用・検証する。 pareaは、7つの分析されたがんタイプのうち6つで現在の最先端を上回っている。 私たちはpareaメソッドを、開発したpythonパッケージpyrea(https://github.com/mdbloice/pyrea)に統合しました。

関連論文リスト

• Supervised Multiple Kernel Learning approaches for multi-omics data integration [1.3032276477872158]
  マルチカーネル学習(MKL)は、マルチオミクス入力の多様な性質を考える上で、柔軟で有効なアプローチであることが示されている。 我々は、異なるカーネル融合戦略に基づく新しいMKLアプローチを提供する。 その結果、MKLベースのモデルは、より複雑で最先端の教師付きマルチオミクス積分アプローチと競合することを示した。
  論文  参考訳（メタデータ） (2024-03-27T08:48:16Z)
• Single-cell Multi-view Clustering via Community Detection with Unknown Number of Clusters [64.31109141089598]
  シングルセルデータに適した,革新的なマルチビュークラスタリング手法である scUNC を導入する。 scUNCは、事前に定義された数のクラスタを必要とせずに、異なるビューからの情報をシームレスに統合する。 3つの異なる単一セルデータセットを用いて,SCUNCの総合評価を行った。
  論文  参考訳（メタデータ） (2023-11-28T08:34:58Z)
• DEDUCE: Multi-head attention decoupled contrastive learning to discover cancer subtypes based on multi-omics data [7.049723871585993]
  マルチオミクスのがんデータを解析するための教師なしコントラスト学習のためのモデルDDUCEを提案する。 このモデルは教師なしのSMAEを採用し、マルチオミクスデータからコンテキストの特徴や長距離依存を深く抽出することができる。 サブタイプは、マルチオミクスデータの特徴空間とサンプル空間の両方におけるサンプル間の類似性を計算することでクラスタ化される。
  論文  参考訳（メタデータ） (2023-07-09T00:53:23Z)
• One-step Multi-view Clustering with Diverse Representation [47.41455937479201]
  本稿では,多視点学習と$k$-meansを統合フレームワークに組み込んだ一段階のマルチビュークラスタリングを提案する。 そこで本研究では,効率の良い最適化アルゴリズムを開発し,その解法について述べる。
  論文  参考訳（メタデータ） (2023-06-08T02:52:24Z)
• Robust Detection of Lead-Lag Relationships in Lagged Multi-Factor Models [61.10851158749843]
  データ固有のリード-ラグ関係を発見することで、重要な洞察を得ることができる。 階層化多要素モデルにおけるリードラグ関係のロバスト検出のためのクラスタリング駆動手法を開発した。
  論文  参考訳（メタデータ） (2023-05-11T10:30:35Z)
• Unified Multi-View Orthonormal Non-Negative Graph Based Clustering Framework [74.25493157757943]
  我々は,非負の特徴特性を活用し,多視点情報を統合された共同学習フレームワークに組み込む,新しいクラスタリングモデルを定式化する。 また、深層機能に基づいたクラスタリングデータに対するマルチモデル非負グラフベースのアプローチを初めて検討する。
  論文  参考訳（メタデータ） (2022-11-03T08:18:27Z)
• Multi-View Hypercomplex Learning for Breast Cancer Screening [7.147856898682969]
  伝統的に、乳がん分類のための深層学習法は単一視点解析を行う。 放射線科医は マンモグラフィー検査を構成する4つのビューを 同時に分析します パラメータ化ハイパープレックスニューラルネットワークを用いた多視点乳がん分類法を提案する。
  論文  参考訳（メタデータ） (2022-04-12T13:32:31Z)
• A Multi-modal Fusion Framework Based on Multi-task Correlation Learning for Cancer Prognosis Prediction [8.476394437053477]
  生存分析とがん分類のためのマルチタスク相関学習(MultiCoFusion)に基づくマルチモーダル融合フレームワークを提案する。 The Cancer Genome Atlas (TCGA) のグリオーマデータセットを用いて我々の枠組みを体系的に評価した。
  論文  参考訳（メタデータ） (2022-01-22T15:16:24Z)
• Gated recurrent units and temporal convolutional network for multilabel classification [122.84638446560663]
  本研究は,マルチラベル分類を管理するための新しいアンサンブル手法を提案する。 提案手法のコアは,Adamグラデーション最適化アプローチの変種で訓練された,ゲート再帰単位と時間畳み込みニューラルネットワークの組み合わせである。
  論文  参考訳（メタデータ） (2021-10-09T00:00:16Z)
• Multimodal fusion using sparse CCA for breast cancer survival prediction [18.586974977393258]
  本稿では,モダリティ内およびモダリティ間相関を考慮した正準相関解析による特徴埋め込みモジュールを提案する。 シミュレーションおよび実データを用いた実験は,提案モジュールがよく相関した多次元埋め込みを学習できることを示す。
  論文  参考訳（メタデータ） (2021-03-09T14:23:50Z)
• Kernel learning approaches for summarising and combining posterior similarity matrices [68.8204255655161]
  我々は,ベイズクラスタリングモデルに対するMCMCアルゴリズムの出力を要約するための新しいアプローチを提案するために,後部類似性行列(PSM)の概念を構築した。 我々の研究の重要な貢献は、PSMが正の半定値であり、したがって確率的に動機付けられたカーネル行列を定義するのに使用できることである。
  論文  参考訳（メタデータ） (2020-09-27T14:16:14Z)

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。