中国生物医学工程学报
中國生物醫學工程學報
중국생물의학공정학보
CHINESE JOURNAL OF BIOMEDICAL ENGINEERING
2010年
2期
220-228
,共9页
来海锋%韩斌%厉力华%陈岩%SUTPHEN Rebecca%祝磊%代琦
來海鋒%韓斌%厲力華%陳巖%SUTPHEN Rebecca%祝磊%代琦
래해봉%한빈%려력화%진암%SUTPHEN Rebecca%축뢰%대기
奇异值分解%随机森林%特征提取%磷脂代谢物%卵巢癌
奇異值分解%隨機森林%特徵提取%燐脂代謝物%卵巢癌
기이치분해%수궤삼림%특정제취%린지대사물%란소암
卵巢癌是一种常见的妇科肿瘤,死亡率占各类妇科肿瘤的首位.选取既有较高的分类疾病模式能力又具有生物学关联的特征肿瘤标志物用于肿瘤的诊断是目前研究的重点.本研究针对卵巢癌磷脂代谢物数据的问题,提出了一种融合有监督奇异值分解和基于信息增益的随机森林决策的方法用于特征标志物的选择.首先应用有监督奇异值分解计算各标志物的权重值,并根据权重值粗选出候选标志物;其次应用基于信息增益的随机森林决策理论从候选标志物中选出特征标志物;最后通过SVM分类器测试,分类率高达90%以上.本研究方法与其他常用方法比较具有一定优势,其中一个明显的特点是所选特征标志物不但保持了较高的分类率,而且具有生物学关联意义,从而证实本研究方法具有较高的可行性和实用性.
卵巢癌是一種常見的婦科腫瘤,死亡率佔各類婦科腫瘤的首位.選取既有較高的分類疾病模式能力又具有生物學關聯的特徵腫瘤標誌物用于腫瘤的診斷是目前研究的重點.本研究針對卵巢癌燐脂代謝物數據的問題,提齣瞭一種融閤有鑑督奇異值分解和基于信息增益的隨機森林決策的方法用于特徵標誌物的選擇.首先應用有鑑督奇異值分解計算各標誌物的權重值,併根據權重值粗選齣候選標誌物;其次應用基于信息增益的隨機森林決策理論從候選標誌物中選齣特徵標誌物;最後通過SVM分類器測試,分類率高達90%以上.本研究方法與其他常用方法比較具有一定優勢,其中一箇明顯的特點是所選特徵標誌物不但保持瞭較高的分類率,而且具有生物學關聯意義,從而證實本研究方法具有較高的可行性和實用性.
란소암시일충상견적부과종류,사망솔점각류부과종류적수위.선취기유교고적분류질병모식능력우구유생물학관련적특정종류표지물용우종류적진단시목전연구적중점.본연구침대란소암린지대사물수거적문제,제출료일충융합유감독기이치분해화기우신식증익적수궤삼림결책적방법용우특정표지물적선택.수선응용유감독기이치분해계산각표지물적권중치,병근거권중치조선출후선표지물;기차응용기우신식증익적수궤삼림결책이론종후선표지물중선출특정표지물;최후통과SVM분류기측시,분류솔고체90%이상.본연구방법여기타상용방법비교구유일정우세,기중일개명현적특점시소선특정표지물불단보지료교고적분류솔,이차구유생물학관련의의,종이증실본연구방법구유교고적가행성화실용성.
