文献

J-GLOBAL ID：201702228102224330   整理番号：17A1836179

マルチカーネル学習と次元削減に基づいた癌患者を層別化する【Powered by NICT】

Stratifying cancer patients based on multiple kernel learning and dimensionality reduction

著者 (3件)： Giang Thanh Trung (Faculty of Information Technology, Tay Bac University, Sonla, Vietnam) ,  Nguyen Thanh Phuong (Life Sciences Research Unit, University of Luxembourg Analytics & Modelling, ArcelorMittal Europe - Flat Products, Luxembourg, Luxembourg) ,  Tran Dang Hung (Faculty of Information Technology, Hanoi National University of Education, Hanoi, Vietnam)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： KSE  ページ： 106-111  発行年： 2017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： 癌研究では,数層別化法が成功裏に適用され,処理プロセスを支援した。現在,癌患者に関連した種々のデータタイプを測定し,収集した。この事実は,より包括的な癌研究を得るためのデータ統合の大きな必要性が生じている。以前の研究のほとんどは,単一データ型に基づいており,特定のデータ型のためのテイラーメイド法を採用した。本論文では,癌患者を層別化するより良く,多重カーネル学習法を用いた,効率的な方法を提案した。三最も癌関連データ,遺伝子発現,DNAメチル化,及びmiRNA発現を含むを統合した。モデルは複数のカーネル学習法と次元縮小を合併していた。達成された結果は,この統合モデルは単一データ型に基づくものよりもより正確であることを示した。著者らの研究は,理論的癌研究に寄与し,予防,予後を効率的に支援するのに有望である。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： 多重化 ,  *層別 ,  データ融合 ,  遺伝子発現 ,  データ型 ,  次元縮小
準シソーラス用語： 統合モデル ,  マイクロRNA ,  DNAメチル化 ,  Kernel法 ,  癌研究 ,  *癌患者 ,  *マルチカーネル学習 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： マルチカーネル学習 ,  次元 ,  癌患者 ,  層別化