文献

J-GLOBAL ID：201702243599763061   整理番号：17A1552260

腫瘍教育を受けた血小板からのトランスクリプトームデータを用いた癌診断のための統合多重あてはめ回帰とBayes決定【Powered by NICT】

Integrating multiple fitting regression and Bayes decision for cancer diagnosis with transcriptomic data from tumor-educated blood platelets

著者 (8件)： Huang Guangzao (Department of Automation, Xiamen University, Xiamen 361005, Fujian, China. [e-mail]) ,  Yuan Mingshun ,  Chen Moliang ,  Li Lei ,  You Wenjie ,  Li Hanjie ,  Cai James J. ,  Ji Guoli
資料名： Analyst  (Analyst)
巻： 142  号： 19  ページ： 3588-3597  発行年： 2017年 
JST資料番号： A0392A  ISSN： 0003-2654  CODEN： ANALAO  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 癌診断における機械学習の応用は大きな期待を示し,臨床設定において重要である。ここでは,異なるタイプの癌患者からの腫瘍教育血小板(TEP)から誘導されたトランスクリプトームデータへの機械学習法を適用することを考える。個別化治療を促進するための可能性を増加する診断目的のための信頼性測度を定義することを目的とする。この目的のために,著者らはMFRB(Multiple適合回帰とBayes決定のための)と呼ばれる新しい分類法,多重適合回帰(MFR)のプロセスを統合するベイズ決定理論を提示した。MFRは,最初のトランスクリプトームデータの多次元特徴を地図化一次元特徴に使用されている。写像空間において,各クラスの確率密度関数はGauss確率密度関数を用いて調整した。最後に,ベイズ決定理論を用いて推定した確率密度関数を用いた確率的分類器を構築することである。MFRBの出力は,クラスは試料に属するかを決定するために,与えられたクラスに対する信頼性測度を割り当てるのに使用できる。古典的サポートベクトルマシン(SVM)と確率的SVM(サポートベクトルマシン(PSVM)は模擬および実TEPデータセットを用いて提案手法の性能を評価した。著者らの結果は,提案したMFRB法はSVMおよびPSVM,主に制限された,不均衡,およびノイズのあるデータに対して,その強い一般化能力のためにに比べて最良の性能を達成することを示した。Copyright 2017 Royal Society of Chemistry All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *血小板 ,  雑音 ,  個別化医療 ,  *腫瘍 ,  サポートベクトルマシン ,  決定理論 ,  *多重化 ,  確率密度関数 ,  信頼性 ,  *教育 ,  高次元 ,  機械学習 ,  測度
準シソーラス用語： 分類法 ,  *癌診断 , 【Automatic Indexing@JST】

分類 (2件)： 分光分析  (CC03012W) ,  基礎腫よう学一般  (GE02010R)

タイトルに関連する用語 (8件)： 腫瘍 ,  教育 ,  血小板 ,  トランスクリプトーム ,  癌診断 ,  統合 ,  多重 ,  あてはめ