通过轮进行癌症诊断 基因表达的可视化 利用深度学习技术
Vinoth Kumar Venkatesan1, Karthick Raghunath Kuppusamy Murugesan2, Kaladevi Amarakundhi Chandrasekaran3
1School of Computer Science Engineering and Information Systems (SCORE), Vellore Institute of Technology, Vellore 632014, India.
Diagnostics (Basel, Switzerland)
|November 24, 2023
概括
这项研究引入了一种使用基因表达数据的新型癌症检测方法. 将Jensen-Shannon分歧 (JSD) 和深度学习结合起来,可以提高针对癌症治疗的诊断精度.
科学领域:
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
- 基因组学就是基因组学.
背景情况:
- 精确的癌症诊断和治疗依赖于基因表达数据分析.
- 整合分析方法通过揭示复杂的数据模式来改善检测.
研究的目的:
- 利用基因表达数据开发一种用于癌症检测的综合诊断方法.
- 结合实证贝叶斯协调 (EBS),詹森-香农分歧 (JSD),深度学习 (DL) 和轮数学.
主要方法:
- 实证贝叶斯协调 (EBS) 用于数据预处理.
- 詹森-香农分歧 (JSD) 用于测量样本类型之间的分布差异.
- 深度学习 (DL) 用于自动特征提取和模式识别.
- 轮数学用于在高维空间中可视化决策边界.
主要成果:
- JSD有效地引导DL模型专注于癌症特征.
- 轮可视化可以提高DL模型决策过程的可解释性.
- 综合方法证明了精确癌症检测的潜力.
结论:
- 结合的JSD,DL和轮数学方法为癌症诊断提供了一个有希望的策略.
- 这种方法利用DL用于特征提取和JSD用于识别关键分布变化.
- 该方法为及时诊断和个性化癌症治疗提供了宝贵的见解.


