基于基因的肺癌检测系统通过Omix数据和优化的卷积神经网络.
M Vasanthi1, Nouf Saad Aldahwan2
1Assistant Professor, Department of Computer Science, College of Applied Sciences, King Khalid University, Abha, Kingdom of Saudi Arabia. wmsami@kku.edu.sa.
Journal of computer-aided molecular design
|March 2, 2026
概括
这项研究引入了一种改进的卷积神经网络与蜜蜂交配优化 (ICNN-HBMO) 以有效检测肺癌. 这种新系统实现了高准确度和精度,改进了现有的早期疾病诊断方法.
科学领域:
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
背景情况:
- 肺癌是全球领先的健康威胁,每年有数百万人被诊断为肺癌.
- 准确和早期诊断对于有效的肺癌治疗至关重要.
- 现有的基于基因的疾病预测方法面临着诸如高计算成本和不准确性等挑战.
研究的目的:
- 开发一个高效准确的肺癌检测系统.
- 为了提高基因疾病诊断的预测性能.
- 解决瘤学当前计算方法的局限性.
主要方法:
- 使用Omix数据进行训练和min-max规范化以准备数据集.
- 采用核心主要组件分析 (KPCA) 进行有效的特征减少.
- 设计了一个改进的卷积神经网络 (ICNN),通过蜂蜜交配优化 (HBMO) 优化,用于肺癌分类.
主要成果:
- 该ICNN-HBMO模型实现了99.2%的高预测准确度.
- 该系统的精度非常高,达到99%.
- 通过与Matlab工具中的现有方法进行比较来验证性能.
结论:
- 开发的ICNN-HBMO系统为肺癌检测提供了高效和准确的解决方案.
- 优化HBMO显著提高了ICNN模型的预测能力.
- 这种方法有望改善肺癌的早期诊断和治疗.
