基于PCA和LDA方法的肿瘤基因表达谱数据分类

• 作者: 周怡 李志文 蔡先发 韦佳
• 来源期刊: 北京生物医学工程
• 学科: 医学
• 关键词: 主成分分析 线性判别分析 基因表达数据分类 维数约减
• 年，卷（期）: 2014,（1）
• 所属期刊栏目: 论著
• 页码范围: 47-51
• 页数: 5页
• 分类号: R318.04
• 字数: 3548字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-3208.2014.08

摘要

目的 基因芯片技术对医学临床诊断、治疗、药物开发和筛选等技术的发展具有革命性的影响.针对高维医学数据降维困难及基因表达谱样本数据少、维度高、噪声大的特点,维数约减十分必要.基于主成分分析(principal component analysis,PCA)和线性判别分析(linear discriminant analysis,LDA)方法,有效解决了基因表达谱数据分类问题,并提高了识别率.方法 分别引入PCA和LDA方法对基因表达谱数据进行降维,然后用K近邻(K-nearest neighbor,KNN)作为分类器对数据进行分类,并分别在乳腺癌和卵巢癌质谱数据上.结果 在两类癌症质谱数据上应用PCA和LDA方法能够有效提取分类特征信息,并在保持较高分类正确率的前提下大幅度降低医学数据的维数.结论 利用维数约减的方法对癌症基因表达谱数据进行分类,可辅助临床医生发现新的疾病特征,提高疾病诊断的正确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韦佳	华南理工大学计算机科学与工程学院	14	140	6.0	11.0
2	周怡	广东药学院医药信息工程学院	50	190	8.0	10.0
3	李志文	广东药学院医药信息工程学院	12	90	6.0	9.0
4	蔡先发	广东药学院医药信息工程学院	3	16	2.0	3.0