基于自编码器的卷积神经网络肿瘤亚型分类研究

作     者：段华 张珊 黄军帅 DUAN Hua;ZHANG Shan;HUANG Junshuai

作者机构：山东科技大学数学与系统科学学院山东青岛266590 

基　　金：国家自然科学基金(61202152) 山东省科技发展项目(ZR202102230289,ZR202102250695,ZR2019LZH001,ZR2017MF027) 山东省泰山学者计划专项 山东科技大学科研创新团队支持计划项目(2015TDJH102) 优秀教学团队建设计划(JXTD20180505) 

出 版 物：《数学建模及其应用》 (Mathematical Modeling and Its Applications)

年 卷 期：2022年第11卷第1期

页      码：32-38页

摘      要：根据临床收录的肿瘤基因表达谱数据,可以利用分类器进行肿瘤亚型分类.由于基因表达谱数据样本小、维度高,难以提取有效特征,分类效果往往不好,而且很容易过拟合.针对这些问题,研究利用自编码器对特征基因进行降维,并构建多尺度的神经网络进行学习分类,综合考虑不同尺度的特征,提出A-CNNs网络,不仅解决了高维样本难以处理的问题,且有效避免了纵向加深神经网络带来的过拟合,得到了较高的平均分类精度,并与其他机器学习方法进行对比实验,实验证明所构建的分类模型可以取得较佳的分类效果.

主 题 词：肿瘤亚型 基因表达谱 自编码器 神经网络 分类器 

学科分类：07[理学] 070104[070104] 0701[理学-数学类] 

D　O　I：10.19943/j.2095-3070.jmmia.2022.01.04

馆 藏 号：203111730...