编辑
萝卜皮
目录
郑州大学团队：使用基因表达和深度学习与KL发散基因选择预测肺癌
北航团队：基于部分互信息的基因共表达网络用于基因间关系和基因-癌症相关性分析
北航团队：应用机器学习，从根本上减少了用于疾病诊断的细胞计数工作量
人工智能引导的签名揭示了MIS-C和川崎病的共同宿主免疫反应
使用人工智能预测狗狗体内危及生命的细菌性疾病
郑州大学团队：使用基因表达和深度学习与KL发散基因选择预测肺癌
肺癌是中国死亡率最高的癌症之一。近年来，随着高通量测序技术的快速发展以及深度学习方法的研究和应用，基于基因表达的深度神经网络已成为近年来肺癌诊断的热门研究方向，为肺癌的早期诊断提供了有效途径。
因此，构建深度神经网络模型对于肺癌的早期诊断具有重要意义。然而，挖掘基因表达数据集的主要挑战是维度灾难和数据不平衡。一些研究人员提出的现有方法，无法解决高维和数据不平衡的问题，因为测量的变量（基因）数量过多而样本数量很少，导致肺癌早期诊断效果不佳。
针对基因表达数据集数据集小、维度高、数据不平衡的缺点，郑州大学的研究人员提出了一种基于KL散度的基因选择方法，选择一些KL散度较高的基因作为模型特征。然后使用FocalLoss作为损失函数构建深度神经网络模型，同时使用k-fold交叉验证方法来验证和选择最佳模型。
结果表明，该研究提出的基于KL散度基因选择的深度学习模型方法在验证集上的AUC为0.99。模型的泛化性能很高。说明基于KL发散基因选择的深度神经网络模型，是一种准确有效的肺癌预测方法。
该研究以「PredictionoflungcancerusinggeneexpressionanddeeplearningwithKLdivergencegeneselection」为题，于年5月12日发布在《BMCBioinformatics》。
论文链接：