采用DSOM神经网络进行肿瘤基因表达谱数据的聚类分析

• 作者: 孙光民 李笑 邓超
• 来源期刊: 生物医学工程与临床
• 学科: 医学
• 关键词: 肿瘤组织聚类分析 基因聚类 自组织神经网络模型(DSOM)
• 年，卷（期）: 2006,（1）
• 所属期刊栏目: 生物工程
• 页码范围: 43-46
• 页数: 4页
• 分类号: Q1|R730.43
• 字数: 3294字
• 语种: 中文
• DOI: 10.3969/j.issn.1009-7090.2006.01.015

摘要

目的用自组织神经网络模型寻找给定的基因表达数据集中的子类别数量.方法采用一种SOM神经网络的改进模型,即DSOM(double self-organizing map)神经网络对基因表达谱数据进行聚类分析,完成肿瘤组织的分型或亚型预测.DSOM算法在网络训练过程中自适应地调整网络结构,使得对同一类输入数据产生相似响应的神经元在空间上也互相靠近,从而获得可视化效果,以精确判定恰当的数据聚类数.结果针对一个实际的高维基因表达谱数据集进行了聚类分析,并与k均值法进行了比较,结果表明该方法的正确识别率超过了80%,聚类效果明显优于k均值法.结论与k均值法进行了比较实验,DSOM不仅具有可视化的优点,而且识别率也比k均值法要高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙光民	北京工业大学电子工程系	50	429	10.0	19.0
2	邓超	北京工业大学电子工程系	11	92	6.0	9.0
3	李笑	北京工业大学电子工程系	1	4	1.0	1.0