深Bayes摂動Coxネットワークによる癌生存予後【JST・京大機械翻訳】

Zhang Zhongyue; Chai Hua; Wang Yi; Pan Zixiang; Yang Yuedong; Yang Yuedong

文献

J-GLOBAL ID：202202251780357423 整理番号：22A0570333

深Bayes摂動Coxネットワークによる癌生存予後【JST・京大機械翻訳】

Cancer survival prognosis with Deep Bayesian Perturbation Cox Network

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=22A0570333&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=22A0570333&from=J-GLOBAL&jstjournalNo=E0858A") }}

著者 (6件)： , , , , ,
資料名：
巻： 141 ページ： Null 発行年： 2022年
JST資料番号： E0858A ISSN： 0010-4825 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：オランダ (NLD) 言語：英語 (EN)

ニューラルネットワークによるCox比例ハザードモデルは,癌治療戦略を選択するための生存結果を正確に予測するために広く使用されている。この方法は,多くのタスクで優れた性能を示したが,高次元データセットを扱うとき,課題に遭遇する。本研究では,コックスネットワークが多数の検閲サンプルでそのようなデータセットを処理する際に推定バイアスを持つことを指摘した。推定バイアスは,補償推定バイアスと分散推定バイアスからなり,モデルの予測性能を制限する。このバイアスを修正するために,本論文は,ニューラルネットワークの訓練プロセスを最適化するために,補償されたサンプルに関するBayes事前知識を導入する,深いBayes摂動コックスネットワーク(DBP)を提案した。特に,このモデルはBayes摂動と呼ばれるサンプリングモジュールを用いて事前知識を近似し,これは他のCoxベースニューラルネットワークの成分として使用できる。異なる種類のゲノムデータセットにおけるDBPと以前のモデル間の比較は,著者らのモデルが以前の最先端の方法に対して顕著な改良をしていることを証明した。さらに,シミュレーション実験を行い,DBP法がコックスネットワークに起因するバイアスをどのように扱うかを説明した。事例研究では,TCGAからのBRCAデータの予測リスクに基づき,乳癌の予後と関連する400の差次的発現遺伝子と20のKEGG経路を同定し,そのうちの20の遺伝子の65%が文献レビューによって証明された。全体として,これらの結果は,著者らの提案した方法が,大きな割合の検閲サンプルを有するデータセットにおいて,高度でロバストであることを示した。さらに,それは疾患関連遺伝子の発見を導くことができる。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

著者キーワード (5件)： , , , ,

人工知能 , システム・制御理論一般

, , ,

前のページに戻る