利用数据扩展与压缩对肝癌患者进行分类的神经网络模型
机器学习
2016-11-28 v2 机器学习
定量方法
摘要
我们开发了一个神经网络模型，利用基因组数据将肝癌患者分为高风险组和低风险组。我们的方法提供了一种使用神经网络模型对大数据集进行分类的新技术。我们在训练神经网络模型之前对数据进行预处理。我们首先使用小波分析扩展数据。然后，通过将小波系数映射到一个新的缩放正交坐标系上来压缩它们。接着，这些数据被用于训练一个神经网络模型，使我们能够将癌症患者分为高风险和低风险两个不同的类别。我们使用留一法来构建神经网络模型。该神经网络模型使我们能够在没有任何患者生存时间信息的情况下，利用基因组数据将患者分类为高风险或低风险患者。基因组数据分析的结果与生存时间分析进行了比较。结果表明，使用小波分析和奇异值分解（SVD）对数据进行扩展和压缩对于训练神经网络模型至关重要。
引用
@article{arxiv.1611.07588,
title = {A Neural Network Model to Classify Liver Cancer Patients Using Data Expansion and Compression},
author = {Ashkan Zeinalzadeh and Tom Wenska and Gordon Okimoto},
journal= {arXiv preprint arXiv:1611.07588},
year = {2016}
}
备注
5 pages