基于磷脂质类数据的早期卵巢癌特征提取研究

• 作者: Rebecca Sutphen 代琦 厉力华 祝磊 陈淑飞 韩斌
• 来源期刊: 传感技术学报
• 学科: 生物学
• 关键词: 卵巢癌 稳定度 奇异值分解 Monte Carlo决策树 特征提取
• 年，卷（期）: 2010,（10）
• 页码范围: 1369-1375
• 分类号: Q811.4
• 字数: 5943字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-1699.2010.10.001

摘要

卵巢癌是目前死亡率最高的妇科疾病之一,而如果得到早期诊断和治疗,卵巢癌患者的存活率可达90%.针对卵巢癌早期诊断问题,基于卵巢癌磷脂质类数据,提出了一种结合缠绕法和过滤法、按照诊断类别相关度挑选特征,然后依据特征标志物的分类率稳定度高低,提取用于诊断早期卵巢癌的特征子集的策略.该方法克服了分类率监督方法忽略生物相关性、依赖分类器易产生过拟合的不足,同时保持了较高的分类率.实验表明,该方法挑选的特征标志物包含更多的分类信息,其分类正确率达到88.9%,且比经典的分类率监督方法和差异表达方法在稳定性能上存在优势.此外,提出的新的标幺化方法去掉了批次差异,获得更好的分类效果,且所选的特征标志物得到生物学关联意义上的支持,具有较高的可信度和实用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	厉力华	杭州电子科技大学生物医学工程与仪器研究所	48	182	7.0	11.0
2	祝磊	杭州电子科技大学生物医学工程与仪器研究所	29	121	5.0	10.0
3	韩斌	杭州电子科技大学生物医学工程与仪器研究所	16	33	3.0	5.0
4	代琦	杭州电子科技大学生物医学工程与仪器研究所	3	0	0.0	0.0
5	陈淑飞	杭州电子科技大学生物医学工程与仪器研究所	2	1	1.0	1.0