机构名称：
¥ 2.0
下一代测序（NGS）技术的出现促进了临床诊断和个性化医学的范式转移，从而使能够访问高通量微生物组数据。然而，微生物组数据的固有高维，噪声和可变性给常规统计方法和机器学习技术带来了实质性障碍。即使是有希望的深度学习（DL）方法也不能免疫这些挑战。本文介绍了一种新型功能工程方法，该方法通过合并从输入数据派生的两个功能集来生成一个新数据集，从而规避这些限制，然后将其进行功能选择。这种创新方法明显增强了使用肠道微生物组数据中大肠癌（CRC）检测中深神经网络（DNN）算法下曲线（AUC）下的面积，从而将其从0.800升高到0.923。所提出的方法构成了该领域的显着进步，为微生物组数据分析的复杂性提供了强大的解决方案，并扩大了DL方法在疾病检测中的潜力。
革命性的结直肠癌检测
主要关键词
相关文件推荐
