基于 LSTM、BiLSTM、CNN、GRU 与 GloVe 的癌症基因突变分类混合机器学习模型
定量方法
2024-05-21 v3 人工智能
计算与语言
机器学习
摘要
在我们的研究中，我们引入了一种新颖的混合集成模型，其协同结合 LSTM、BiLSTM、CNN、GRU 与 GloVe 嵌入用于癌症基因突变的分类。该模型使用 Kaggle 的个性化医疗：重新定义癌症治疗数据集进行了严格测试，在所有评估指标上均展现出卓越性能。值得注意的是，我们的方法取得了 80.6% 的训练准确率、81.6% 的精确率、80.6% 的召回率以及 83.1% 的 F1 分数，同时均方误差（MSE）显著降低至 2.596。这些结果超越了先进的 transformer 模型及其集成，展示了我们的模型在处理基因突变分类复杂性方面的优越能力。在精准医疗时代，基因突变分类的准确性与效率至关重要，基于个体遗传谱的定制治疗方案可显著改善患者预后并挽救生命。我们模型的卓越性能凸显了其在提升癌症诊断与治疗精准度方面的潜力，从而显著推动个性化医疗的发展。
引用
@article{arxiv.2307.14361,
title = {A Hybrid Machine Learning Model for Classifying Gene Mutations in Cancer using LSTM, BiLSTM, CNN, GRU, and GloVe},
author = {Sanad Aburass and Osama Dorgham and Jamil Al Shaqsi},
journal= {arXiv preprint arXiv:2307.14361},
year = {2024}
}
备注
6 pages, 7 figures and 2 tables