文献

J-GLOBAL ID：202202236825578205   整理番号：22A1039112

癌遺伝子発現データの二値分類のための深層学習モデルの性能解析【JST・京大機械翻訳】

Performance Analysis of Deep Learning Models for Binary Classification of Cancer Gene Expression Data

著者 (5件)： Majumder Subhasree (Department of Computer Science and Engineering, National Institute of Technology Meghalaya, Meghalaya, India) ,  Yogita (Department of Computer Science and Engineering, National Institute of Technology Meghalaya, Meghalaya, India) ,  Pal Vipin (Department of Computer Science and Engineering, National Institute of Technology Meghalaya, Meghalaya, India) ,  Yadav Anju (School of Computing and Information Technology, Manipal University Jaipur, Jaipur, India) ,  Chakrabarty Amitabha (Department of Computer Science and Engineering, Brac University, Dhaka, Bangladesh)
資料名： Journal of Healthcare Engineering (Web)  (Journal of Healthcare Engineering (Web))
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： U7772A  ISSN： 2040-2295  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： 遺伝子発現プロファイルに関する計算法の適用による癌および正常患者としての患者の分類は,非常に重要な仕事である。最近,深層学習モデル,主に多層パーセプトロンと畳み込みニューラルネットワークが,この種のデータセットに適用するための人気を得ている。本論文は,そのような統合作業が利用できないので,異なるタイプの癌遺伝子発現データセットに関する深い学習モデルの性能を分析することを目的とする。この目的のために,2つの特徴選択法と4つの癌遺伝子発現データセットに沿った3つの深層学習モデルを考察した。それは,分析した合計24の異なる組合せをもたらした。4つのデータセットのうち,2つは不均衡であり,2つは正常および癌サンプル数に関してバランスが取れた。実験結果は,深い学習モデルが,真の陽性率,精度,F1スコア,および精度に関してよく機能することを示した。Copyright 2022 Subhasree Majumder et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習モデル ,  *データ ,  *分類 ,  特徴選択 ,  *モデル ,  *性能分析 ,  多層パーセプトロン ,  *機械学習
準シソーラス用語： 不均衡 ,  陽性率 ,  *深層学習 ,  *遺伝子発現データ ,  *二値分類 ,  畳込みニューラルネットワーク ,  遺伝子プロファイル , 【Automatic Indexing@JST】

分類 (2件)： 遺伝子発現  (EC02040Q) ,  腫ようの診断  (GE03020J)

引用文献 (27件)：

• T. Schneider-Poetsch, M. Yoshida, "Along the central dogma-controlling gene expression with small molecules," Annual Review of Biochemistry, vol. 87, no. 1, pp. 391-420, 2018.
• D. P. Berrar, W. Dubitzky, M. Granzow, A Practical Approach to Microarray Data Analysis, Springer, Berlin, Germany, 2003.
• H. P. J. Buermans, J. T. den Dunnen, "Next generation sequencing technology: advances and applications," Biochimica et Biophysica Acta - Molecular Basis of Disease, vol. 1842, no. 10, pp. 1932-1941, 2014.
• S. Majumder, V. Pal, Y. Thakran, K. Singh, "Fuzzy and rough set theory based computational framework for mining genetic interaction triplets from gene expression profiles for lung adenocarcinoma," IEEE/ACM Transactions on Computational Biology and Bioinformatics, 2021.
• M. Pirooznia, J. Y. Yang, M. Q. Yang, Y. Deng, "A comparative study of different machine learning methods on microarray gene expression data," BMC Genomics, vol. 9, no. 1, pp. 1-13, 2008.

タイトルに関連する用語 (6件)： 癌 ,  遺伝子発現データ ,  二値分類 ,  深層学習 ,  モデル ,  性能解析