公共文化服务平台

共 4 条记录，以下是 1-4

全选清除导出

排序方式：

基于稀疏表示算法的蛋白质质谱数据特征选择被引量：2: 2012年; 高维、小样本数据的特征选择方法在蛋白质质谱数据处理分析领域有着广泛应用。本文针对蛋白质质谱特征选择问题,结合稀疏表示这一新理论框架,提出了一种基于稀疏表示的特征选择算法(sparse representation based feature selection,SRFS)。该方法将稀疏表示分类的结果作为评定某一个特征子空间特征相对重要性的度量,然后通过对大量随机采样子空间计算结果的统计,得到特征空间中每个特征的排序,并进一步分析提炼出与肿瘤疾病相关的若干谱峰。通过在卵巢癌公共数据集OC-WCX2a和浙江省肿瘤医院乳腺癌数据集BC-WCX2a上的实验结果表明,SRFS算法可以有效应用于本文所使用的SELDI-TOF蛋白质质谱数据的分析。; 柯激情祝磊厉力华韩斌郑智国孟旭莉; 关键词：蛋白质质谱

基于多步降维和半监督学习的蛋白质质谱特征提取算法被引量：2: 2013年; 目的提出一种基于半监督学习的多步降维特征提取方法。方法算法首先运用t-test对样本特征进行筛选,初步降低特征维度;然后进行离散小波变换,对小波系数进行相对熵排序,筛选出新的特征子集;接着进行主成分分析,提取主成分;最后运用半监督学习算法BB-LLGC进行标签传递,充分提取有标记和无标记样本的判别信息。结果在公共卵巢癌数据集OC-WCX2b和公共前列腺癌数据集PC-H4上获得了99.13%和97.20%分类准确率。在浙江省肿瘤医院临床乳腺癌数据集BC-WCX2a上获得了92.78%的分类准确率和100%的敏感性。结论多步降维的特征提取方法可以有效降低SELDI质谱数据的特征维度,结合半监督学习算法BB-LLGC,可以获得较好的分类效果。; 游晓璐祝磊曹凯敏韩斌; 关键词：蛋白质质谱半监督学习特征提取

基于离散平稳小波分解和递归零空间LDA算法的SELDI蛋白质谱特征选择: 2012年; 目的针对如何筛选与肿瘤相关的蛋白位点问题,提出一种基于平稳小波变换与递归零空间LDA算法相结合的特征选择方法。方法首先对样本质谱数据进行平稳小波变换;接着基于递归框架调用零空间LDA算法,挑选出最具判别意义的小波系数特征;然后经平稳小波逆变换,将挑选出的小波系数特征对应回原始蛋白质谱数据中,获得与肿瘤判别相关的蛋白位点。最后,运用SVM分类器估算位点的分类性能。结果在卵巢癌公共数据集OC-WCX2b和浙江省肿瘤医院乳腺癌数据集BC-WCX2a上分别挑选出与肿瘤判别相关的6个和2个蛋白位点。结论本文提出的算法能够有效提取出具有较好判别效果的蛋白质谱位点,有助于癌症的辅助诊断。; 祝磊王尧佳韩斌厉力华柯激情孟旭莉; 关键词：蛋白质质谱

乳腺癌分子分型在新辅助化疗疗效和预后中的预测作用被引量：17: 2012年; [目的]探讨乳腺癌分子分型在新辅助化疗疗效及预后预测中的作用。[方法]对接受新辅助化疗方案治疗的157例乳腺癌患者进行回顾性分析。依据免疫组化雌激素受体(ER)、孕激素受体(PR)、人表皮生长因子受体2(Her2)表达水平将乳腺癌分为Luminal A、Luminal B、Her2阳性和三阴性4个分子分型,分析4个分子分型与临床病理因素、新辅助化疗疗效及3年生存率的相关性。[结果]157例患者中,分子分型与肿瘤大小、淋巴结转移相关,T3～4期的三阴性型的比例高于T1～2期(P=0.003);N0、N1、N2、N3期的三阴性型的比例分别为44.4%、23.8%、25.6%和22.2%(P=0.014)。不同分子分型间新辅助化疗有效率无明显差异(P=0.632),而T分期(P=0.014)、N分期(P=0.031)与有效率明显相关。不同分子分型间新辅助化疗3年生存率有明显差异,Luminal A型最高,三阴性型最低(P=0.049)。乳腺癌预后影响因素Cox回归模型分析提示分子分型(P=0.003)、年龄(P=0.007)、T分期(P=0.013)、N分期(P=0.000)是乳腺癌患者的独立预后因素。[结论]乳腺癌分子分型与肿瘤大小、淋巴结转移状态相关,能作为新辅助化疗远期疗效的独立预测因子。; 雷蕾王晓稼杨红健谢尚闹孟旭莉陈占红许沈华; 关键词：乳腺癌分子分型新辅助化疗

全选清除导出

共1页<1>

浙江省公益性技术应用研究计划项目(2010C33017)