文献

J-GLOBAL ID：201702214779504496   整理番号：17A0142943

腫瘍型予測のための積層スパースオートエンコーダにおける層状特徴選択【Powered by NICT】

Layerwise feature selection in Stacked Sparse Auto-Encoder for tumor type prediction

著者 (5件)： Singh Vikas (Dept. of Electrical Engineering, Indian Institute of Technology Kanpur, India) ,  Baranwal Nikhil (Dept. of Electrical Engineering, Indian Institute of Technology Kanpur, India) ,  Sevakula Rahul K. (Dept. of Electrical Engineering, Indian Institute of Technology Kanpur, India) ,  Verma Nishchal K. (Faculty of Electrical Engineering, Indian Institute of Technology Kanpur, India) ,  Cui Yan (Faculty of Microbiology, Immunology and Biochemistry, University of Tennessee Health Science Center, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： BIBM  ページ： 1542-1548  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： トランスクリプトームデータは,臨床応用のために非常に有用であることが証明されている,様々な癌の診断と予後である。本論文では,積層スパースオートエンコーダ(SSAE)と結合した層別特徴選択,遺伝子発現データによる腫瘍分類のための深層学習戦略を提示した。SSAEはデータから高レベル特徴を学習するが,各層における特徴選択を行うあらゆる段階で関連する特徴を得るために,また微調整手順の間に計算を低減を支援するための発見的である。新しい特徴表現のデータは,最終的に腫瘍検出を行うために分類器(s)で使用されている。アルゴリズムはGEMLeRリポジトリからの36のデータセットとに関して試験した。AUC(ROC曲線下面積)性能,35データセット(他のデータセットに関連)に及ぼすGEMLeRベンチマーク結果を性能的に優れていることが分かった。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： アルゴリズム ,  リポジトリ ,  血中濃度-時間曲線下面積 ,  *腫瘍 ,  層別 ,  ベンチマーク ,  *特徴選択
準シソーラス用語： 腫瘍検出 ,  特徴表現 ,  微調整 ,  深層学習 ,  腫瘍分類 ,  遺伝子発現データ ,  臨床応用 , 【Automatic Indexing@JST】

分類 (2件)： 遺伝子発現  (EC02040Q) ,  分子・遺伝情報処理  (JE15040B)

タイトルに関連する用語 (4件)： 腫瘍 ,  予測 ,  層状 ,  特徴選択