发现生物医学数据集中的判别性元素以实现高性能探索
计算机视觉与模式识别
2024-10-10 v1
摘要
人脑通过小元素来表示一个对象，并通过元素间的差异来区分两个对象。因此，在高维生物医学和临床研究中，发现高维数据集的判别性元素至关重要。然而，目前尚无可用方法能够可靠地提取高维生物医学和临床数据集的判别性元素。在此，我们提出了一种无监督深度学习技术，即判别性元素分析(DEA)，它利用数据集的高维相关信息来提取判别性数据元素。DEA首先计算大量数据的判别性部分，然后通过采用独特的核驱动三重优化网络，将这些部分过滤并浓缩为DEA元素。在疾病检测、医学图像基因排序以及单细胞RNA测序(scRNA-seq)数据集的细胞识别等应用中，与传统技术相比，DEA已被发现可将准确率提高高达45%。此外，DEA允许用户引导中间计算过程，从而提供具有更好可解释性的中间结果。
引用
@article{arxiv.2410.05436,
title = {Discovering distinctive elements of biomedical datasets for high-performance exploration},
author = {Md Tauhidul Islam and Lei Xing},
journal= {arXiv preprint arXiv:2410.05436},
year = {2024}
}
备注
13 pages, 5 figures