文献

J-GLOBAL ID：201602225347388974   整理番号：16A0823792

確率主成分分析併用サポートベクトルマシン(SVM)の前立腺SELDI-TOF質量分析データ解析法を研究した。【JST・京大機械翻訳】

A SELDI - TOF - MS Data Classification Method for Prostate Based on Probabilistic Principal Components Analysis and Support Vector Machine

著者 (6件)： Li Suyi (College of Electrical Engineering and Instrumentation, Jilin University) ,  Ji Mengying (College of Electrical Engineering and Instrumentation, Jilin University) ,  Xu Zhuang (College of Electrical Engineering and Instrumentation, Jilin University) ,  Wang Yueyang (College of Electrical Engineering and Instrumentation, Jilin University) ,  Shen Bowen (College of Chemistry, Jilin University) ,  Xiong Wenji (The First Clinical Hospital of Jilin University)
資料名： Fenxi Ceshi Xuebao  (Fenxi Ceshi Xuebao)
巻： 35  号： 1  ページ： 91-95  発行年： 2016年 
JST資料番号： C2395A  ISSN： 1004-4957  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 前立腺癌検出における取得に基づく表面増強レーザ脱離/イオン化飛行時間質量分析(SELDI-TOF-MS)データを,1つの確率主成分分析(PPCA)を連携してサポートベクトルマシン(SVM)の分類方法を提案した。322例の臨床血清サンプルの質量分析データに対して特徴抽出を行い,訓練サンプル集合(225例)をランダムに選んでSVM判別モデルを構築して,残余の部分集合(97例)に対してテストを行った。二乗平均平方根誤差と認識率の予測値は、指標を採用し,それぞれに構造のPPCA-SVMモデルを部分最小二乗法( PARTIAL LEAST SQUARES, PLS)とPCA-SVMモデルと比較することで行う,PCA-SVMモデルはPLSモデルの認識率と予測率は、それぞれ90.92%と76.38%発見,それぞれ99.23%と84.63%であった,しかしPPCA -SVMモデルは,それぞれ,99.01%と90.41%であった。従って,SELDI-TOF MS技術をPPCA-SVMは,サンプル分類において正確に、再現性などの利点を持つ結合-,前立腺癌の早期診断のために1つの新しい方法を提供する。Data from the ScienceChina, LCAS.【JST・京大機械翻訳】

シソーラス用語： 早期診断 ,  特徴抽出 ,  前立腺腫瘍 ,  部分最小二乗法 ,  *質量分析 ,  部分集合 ,  *主成分分析 ,  *データ解析 ,  *サポートベクトルマシン ,  再現性 ,  *前立腺
準シソーラス用語： SELDI-TOF-MS ,  認識率 ,  分類法 ,  *SELDI , 【Automatic Indexing@JST】

著者キーワード (4件)： prostate cancer ,  probabilistic principal components analysis ,  support vector machines ,  SELDI-TOF-MS

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (11件)： 確率 ,  主成分分析 ,  併用 ,  サポートベクトルマシン ,  SVM ,  前立腺 ,  SELDI ,  TOF ,  質量分析 ,  解析法 ,  研究