基于 BERT 深度学习方法改进癌症标志分类
计算与语言
2023-06-08 v2
摘要
本文提出了一种新方法，用于准确分类癌症的标志，这是癌症研究中的一项关键任务。我们提出的方法利用了来自 Transformer 的双向编码器表示（Bidirectional Encoder Representations from Transformers, BERT）架构，该架构在各种下游应用中表现出卓越的性能。通过应用迁移学习，我们在与癌症相关的小型生物医学文本语料库上对预训练的 BERT 模型进行了微调。我们的实验研究结果表明，我们的方法达到了 94.45% 的显著准确率，比文献中报道的几乎所有先前结果高出至少 8.04%。这些发现凸显了我们提出的模型在准确分类和理解癌症研究文本文档方面的有效性，从而对该领域做出了重要贡献。由于癌症仍是全球十大主要死因之一，我们的方法在推进癌症研究和改善患者预后方面具有巨大前景。
引用
@article{arxiv.2305.03501,
title = {Improving Cancer Hallmark Classification with BERT-based Deep Learning Approach},
author = {Sultan Zavrak and Seyhmus Yilmaz},
journal= {arXiv preprint arXiv:2305.03501},
year = {2023}
}