来源:《智能计算机与应用》2018年第06期  作者:宁世琦;郭茂祖;任世军;
选择字号

基于图卷积网络的癌症临床结果预测的半监督学习方法

收藏本文  分享

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。(本文共计6页)......[继续阅读本文]

下载阅读本文订阅本刊

图书推荐

    相关文章推荐

    看看这些杂志对你有没有帮助...

    更多杂志>>