Тип публикации: доклад, тезисы доклада, статья из сборника материалов конференций
Конференция: Компьютерное моделирование физических процессов и новые цифровые технологи в медицине и фармации; Уфа; Уфа
Год издания: 2024
Ключевые слова: машинное обучение, рак молочной железы, профили экспрессии генов, точность
Аннотация: Представлены результаты сравнения учебных моделей бинарной классификации, развивающих систему поддержки принятия врачебных решений для диагностики рака молочной железы по показателям экспрессии генов. Эксперименты проводились с базой данных ДНК-микрочипирования 590 образцов ткани молочной железы, состоящей из количественных показатПоказать полностьюелей экспрессии 17814 генов по каждому образцу ткани. Для снижения размерности признакового пространства использовались методы случайного леса, рекурсивного удаления признаков и экспертной оценки. Для классификации были использованы методы: k-ближайших соседей (KNN), метод наивного Байеса (NB), метод опорных векторов (SVM), случайный лес (RF). Наибольшая точность классификации рака молочной железы получена при использовании модели случайный лес по показателям экспрессии пяти генов: COL10A1, ING1, ATP2B4, USP40, OXSR1.
Журнал: Компьютерное моделирование физических процессов и новые цифровые технологи в медицине и фармации
Номера страниц: 78-84
Место издания: Уфа