一个基于DNA甲基化的癌症检测智能分类系统,利用医疗保健中的ML和语义知识

科学领域:

• 生物医学工程 生物医学工程
• 计算生物学 计算生物学
• 医疗保健中的机器学习

背景情况:

• 可穿戴传感器越来越多地用于评估患者的健康状况和诊断慢性疾病.
• 社交网络分析 (SNA) 和机器学习 (ML) 是医疗保健中分析复杂数据的新兴工具.
• 作为一种表观遗传过程,DNA甲基化与包括癌症在内的各种健康问题有关.

研究的目的:

• 根据DNA甲基化数据开发一种使用可穿戴传感器进行癌症分类的智能系统.
• 在像癌症基因组图谱 (TCGA) 这样的大型生物医学数据集中解决阶级不平衡和高维度的挑战.
• 提高癌症检测的准确性和灵敏性,特别是在少数群体中.

主要方法:

• 开发了一种混合采样不平衡数据集分类技术,结合智能合成少数群体过量采样 (SMOTE) 和托梅克链接方法.
• 该系统利用可穿戴生物医学传感器收集DNA甲基化数据.
• 一个深森林 (GC-Forest) 算法与级联森林结构被用于最终分类.

主要成果:

• 提出的技术有效地处理大数据集中的类不平衡和噪声.
• 该方法在癌症分类中显示出对少数类的敏感性增加.
• 保持了大多数类别的分类准确性,同时提高了整体检测能力.

结论:

• 开发的混合样本不平衡数据集分类技术显示了使用可穿戴传感器的DNA甲基化数据准确检测癌症的前景.
• 这种方法为改善复杂,不平衡的生物医学数据集的诊断准确性提供了可行的解决方案.
• 该研究强调了将可穿戴技术,表观遗传数据和先进的机器学习集成为个性化癌症诊断的潜力.