一种面向组学数据的中级融合分类方法

• 作者: 李明达 郑浩然
• 来源期刊: 北京生物医学工程
• 学科: 医学
• 关键词: 学数据 降维 中级融合 偏最小二乘法 支持向量机
• 年，卷（期）: 2016,（3）
• 所属期刊栏目: 论著
• 页码范围: 249-253
• 页数: 5页
• 分类号: R318.04
• 字数: 4420字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-3208.2016.03.06

摘要

目的 对组学数据进行深入分析有助于推动医疗诊断等方面的研究.利用单一种类组学数据的分析方法无法解决某些复杂生物医学问题.为利用多种组学信息以解决复杂的生物医疗问题,本文提出一种中级融合分类方法.方法 引入偏最小二乘法(partial least squares,PLS)分别对各种组学数据进行降维,然后利用支持向量机(support vector machine,SVM)对融合后的数据进行分类.结果 “非小细胞肺癌与肾癌”和“结肠直肠癌与结肠直肠腺瘤”这两个组学数据集被用于测试本文方法的有效性.在这两个癌症组学数据集上的应用,体现出该方法不但能有效降低高维组学数据的维数,而且具有较高的分类准确率(接受者操作特征曲线下的面积达0.95以上).结论 本文提出的中级融合方法能够利用多种组学数据对癌症样本进行分类,可有效提高疾病诊断的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑浩然	中国科学技术大学计算机科学与技术学院	59	470	10.0	21.0
2	李明达	中国科学技术大学计算机科学与技术学院	1	1	1.0	1.0