BHBA-GRNet:通过使用二进制蜂蜜子算法和基因残留基因网络改进基因表达概况来检测癌症

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
• 在瘤学瘤学.

背景情况:

• 癌症是全球死亡的主要原因,需要先进的检测方法.
• 基因表达微阵列 (GEM) 数据有助于早期癌症检测和治疗策略.
• 目前用于GEM分析的深度学习方法面临着高维度的挑战,并且通常需要数据增强.

研究的目的:

• 利用GEM数据开发一种新的方法来提高癌症检测的准确性.
• 解决高维度和预处理在现有的深度学习方法中对GEM分析的限制.
• 提高癌症检测在不同癌症类型中的效率和性能.

主要方法:

• 二元蜂蜜子算法 (BHBA) 与基因残留网络 (GRNet) 的集成.
• 利用BHBA有效地减少GEM数据的特征,消除了对广泛预处理的需求.
• 对肺癌和血型癌症的三个已建立的数据集进行评估.

主要成果:

• 拟议的BHBA-GRNet方法实现了大约40%的GEM数据大小的减少.
• 与最先进的方法相比,肺癌检测的精度提高了大约1%的精度.
• 成功地减少了对合成特征和数据增强的需求.

结论:

• BHBA-GRNet方法提供了使用GEM数据进行癌症检测的强大而高效的解决方案.
• 通过BHBA减少功能显著提高了像GRNet.这样的深度学习模型的性能.
• 这种方法有望改善早期癌症诊断和治疗结果.