基于随机森林算法的原位质谱快速鉴别肺癌的方法研究

• 作者: 曾玉庭 欧阳永中 邓金连 郭伟清 魏益平
• 来源期刊: 分析化学
• 关键词: 随机森林算法 表面解吸常压化学电离质谱技术 肺癌组织切片 特征生物标记物
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 研究报告
• 页码范围: 1012-1017,前插1-前插5
• 页数: 7页
• 字数: 5033字
• 语种: 中文
• DOI: 10.19756/j.issn.0253-3820.201083

摘要

随机森林(Random forest,RF)算法是一种基于决策树的机器学习算法,具有良好的分类与变量筛选性能,因而在生物医学高维数据分析中应用广泛.本研究开发了一种基于RF算法的原位质谱快速鉴别肺癌的模型和方法,通过构建液体辅助表面解吸常压化学电离质谱技术平台(DAPCI-MS),结合RF算法,在常温常压条件下,直接实现对未处理人体肺鳞癌组织切片的准确鉴别与区分,并获取肺癌区别于正常组织的生物特征标记物.研究表明,当决策树数目ntree=100时,对人体肺鳞癌组织与邻近正常组织的区分准确率可达到100％.与其它分类方法相比,本模型具有稳健性高、分类效果好、泛化能力强等特点,为实现复杂基质的人体肺癌组织与相邻正常组织的区分提供了一种快速、准确和可靠的分类模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	魏益平	南昌大学附属第二医院胸心外科	54	199	7.0	11.0
2	欧阳永中	佛山科学技术学院环境与化学工程学院	6	0	0.0	0.0
3	郭伟清	佛山科学技术学院环境与化学工程学院	2	0	0.0	0.0
4	邓金连	佛山科学技术学院环境与化学工程学院	2	0	0.0	0.0
5	曾玉庭	佛山科学技术学院食品科学与工程学院	1	0	0.0	0.0