您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览318 | 下载16

基因芯片技术的发展为生物信息学带来了机遇,使在基因表达水平上进行癌症诊断成为可能.但基因芯片数据高维小样本的特征也使传统机器学习方法面临挑战.本文利用真实的基因表达数据,测试了目前主要的分类方法和降维方法在癌症诊断方面的效果,通过实验对比发现:基于线性核函数的支持向量机可以有效地分类肿瘤与非肿瘤的基因表达,从而为癌症诊断提供借鉴.

作者:孙远帅;陈垚;玄萍;江弋

来源:生物信息学 2013 年 11卷 3期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:318 | 下载:16
作者:
孙远帅;陈垚;玄萍;江弋
来源:
生物信息学 2013 年 11卷 3期
标签:
基因芯片 癌症诊断 分类 主成份分析 Microarray Cancer Diagnosis Classification Principal Component Analysis
基因芯片技术的发展为生物信息学带来了机遇,使在基因表达水平上进行癌症诊断成为可能.但基因芯片数据高维小样本的特征也使传统机器学习方法面临挑战.本文利用真实的基因表达数据,测试了目前主要的分类方法和降维方法在癌症诊断方面的效果,通过实验对比发现:基于线性核函数的支持向量机可以有效地分类肿瘤与非肿瘤的基因表达,从而为癌症诊断提供借鉴.