A Hybrid Machine Learning Model for Classifying Gene Mutations in Cancer using LSTM, BiLSTM, CNN, GRU, and GloVe

要約

この研究では、Kaggle の個別化医療: がん治療の再定義データセットを使用して遺伝子変異を分類するために、LSTM、BiLSTM、CNN、GRU、GloVe を組み合わせたアンサンブル モデルを紹介します。
結果は、BERT、Electra、Roberta、XLNet、Distilbert、およびそれらの LSTM アンサンブルなどのよく知られたトランスフォーマーと比較されました。
私たちのモデルは、精度、精度、再現率、F1 スコア、平均二乗誤差の点で他のすべてのモデルよりも優れています。
驚くべきことに、必要なトレーニング時間も短縮され、パフォーマンスと効率の完璧な組み合わせが実現しました。
この研究は、遺伝子変異分類などの困難なタスクに対するアンサンブル モデルの有用性を実証しています。

要約(オリジナル)

This study presents an ensemble model combining LSTM, BiLSTM, CNN, GRU, and GloVe to classify gene mutations using Kaggle’s Personalized Medicine: Redefining Cancer Treatment dataset. The results were compared against well-known transformers like as BERT, Electra, Roberta, XLNet, Distilbert, and their LSTM ensembles. Our model outperformed all other models in terms of accuracy, precision, recall, F1 score, and Mean Squared Error. Surprisingly, it also needed less training time, resulting in a perfect combination of performance and efficiency. This study demonstrates the utility of ensemble models for difficult tasks such as gene mutation classification.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google