本项目针对特征选择方法中现有技术的缺陷和不足以及在高维数据中存在的时 间瓶颈问题,提出了一种基于特征辨识度和独立性的特征选择方法,计算时间复杂度低、选择效率高,尤其对高维、小样本的基因表达谱数据具有较好的时间性能和分类效果。
中试
项目简介
基于特征辨识度和独立性的基因选择方法 :特征选择
1特征选择是从高维特征中挑选出部分与分类任务高度相关特征的过程。 2被广泛应用在图像处理和生物医学数据分析等领域。 3应用特征选择方法发现癌症等复杂疾病的分类识别特征,筛选出相应生物标志物是生物医学领域首要和重要问题,因此成为该领域的研究热点。
基因选择:
1通过特征选择技术,可以保留与癌症分类高度相关的差异基因(生物标志物); 2有利于降低分类模型训练时间、提升分类性能; 3所得差异基因有助于深入理解癌症的发生、发展机制,促进靶标药物研发和精准治疗。
基于特征辨识度和独立性的基因选择方法
1本项目依托《基于特征辨识度和独立性的基因选择方法》发明专利,提出一种基于特征辨识度与独立性的特征选择框架; 2将其应用于癌症基因组学数据的挖掘分析,实现癌症分类诊断和生物标志物筛检。
本项目针对特征选择方法中现有技术的缺陷和不足以及在高维数据中存在的时 间瓶颈问题,提出了一种基于特征辨识度和独立性的特征选择方法,计算时间复杂度低、选择效率高,尤其对高维、小样本的基因表达谱数据具有较好的时间性能和分类效果。 同时将该方法应用到肿瘤基因表达谱数据中,有效选择基因子集,为医学界提供有效的信息参考。
行业情况
基于特征辨识度和独立性的特征选择方法及其在肿瘤基因表达谱数据中的应用,具体涉及针对生物信息学肿瘤表达谱基因数据挖掘分析的预处理技术领域, 是一种针对肿瘤基因表达谱的基因选择方法
微阵列技术一次性可以获取大量的表达基因,为肿瘤等疾病提供了全新的治疗手段。然而,基因表达谱数据具有高维小样本特点,且存在大量冗余和不相关基因,给基因数 据集的分类分析和疾病的诊断带来影响。特征(基因)选择可以从成千上万的基因中剔除冗 余和与疾病分类不相关的基因,保留具有高类别区分能力的基因,这不但可以提高疾病的 分类识别和预测的准确率,降低疾病诊断时间,减少临床诊断费用,并可促进相应药物的研发,具有重要的生物学意义。
合作意向
技术许可
合作研发
技术融资
技术作价入股
打开微信
“扫一扫”