10.3969/j.issn.2095-2163.2018.06.010
基于图卷积网络的癌症临床结果预测的半监督学习方法
癌症是一个复杂的世界性健康问题,因其高死亡率而受到科学家的关注.随着高通量测序技术的快速发展,丰富的基因表达谱数据为癌症患者的精确诊断和决策提供了很好的信息.越来越多的机器学习方法被用于检测癌症,如SVM、决策树和神经网络.然而,这些诊断方法大多是监督学习方法.在生物信息学中,获取标签数据是昂贵的,现有的数据常常是不足够的,那么半监督学习在这种场景中可以发挥关键作用.本文中,将应用基于图卷积网络(GCN)的半监督学习算法来预测样本是否患癌.然后研究创新性地将GCN应用于基因选择.实验中使用TCGA数据库中的数据集来验证本文的方法.文中得到的实验结果充分证明了所使用模型的有效性,并且在标签稀疏的数据集上,也能超过很多经典的机器学习方法.
癌症、基因表达谱、半监督学习、图卷积网络
8
TP391.41(计算技术、计算机技术)
2018-11-22(万方平台首次上网日期,不代表论文的发表时间)
共6页
44-48,53