文献

J-GLOBAL ID：202002264923647418   整理番号：20A0058534

ディープニューラルネットワークを用いた分子癌分類のための転送学習【JST・京大機械翻訳】

Transfer Learning for Molecular Cancer Classification Using Deep Neural Networks

著者 (5件)： Sevakula Rahul K. (Department of Electrical Engineering, Indian Institute of Technology Kanpur, Kanpur, UP, India) ,  Singh Vikas (Department of Electrical Engineering, Indian Institute of Technology Kanpur, Kanpur, UP, India) ,  Verma Nishchal K. (Department of Electrical Engineering, Indian Institute of Technology Kanpur, Kanpur, UP, India) ,  Kumar Chandan (Indian Institute of Technology Guwahati, Guwahati, Assam, India) ,  Cui Yan (Department of Genetics, Genomics and Informatics, University of Tennessee Health Science Center, Memphis, TN)
資料名： IEEE/ACM Transactions on Computational Biology and Bioinformatics  (IEEE/ACM Transactions on Computational Biology and Bioinformatics)
巻： 16  号： 6  ページ： 2089-2100  発行年： 2019年 
JST資料番号： W1409A  ISSN： 1545-5963  CODEN： ITCBCY  資料種別： 逐次刊行物 (A)
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： 深い学習の出現は,多くの機械学習ベースの応用と研究に影響を及ぼした。その成功の理由は2つの主な利点にある。1)特徴間の非常に複雑な非線形関係を学習する能力を提供し,2)処理されていない問題に属しない無標識データから情報を活用することを可能にする。本論文は,遺伝子発現データに関するsスパース自動符号器と結合した特徴選択と正規化技術を用いる,癌分類のための移動学習手順を提示した。2つの腫瘍タイプを分類しながら,他の腫瘍タイプのデータを,特徴表現を改善するために,教師なしの方法で使用した。このアルゴリズムの性能を,GEMLeRリポジトリからの36の2クラスベンチマークデータセットでテストした。統計的試験を行うことにおいて,著者らのアルゴリズムがいくつかの一般的に使用されている癌分類アプローチより統計的に優れていることを明確深い学習に基づく分子疾患分類は,疾患の診断と治療に関する決定を導くために使用することができて,したがって,精度医学において重要な応用を持つ可能性があった。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 正規化 ,  リポジトリ ,  腫瘍 ,  符号器 ,  *学習 ,  特徴選択 ,  アルゴリズム ,  機械学習
準シソーラス用語： 特徴表現 ,  遺伝子発現データ ,  *癌分類 ,  *ディープニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： ディープニューラルネットワーク ,  分子 ,  癌分類 ,  転送 ,  学習