An Evolutional Neural Network Framework for Classification of Microarray Data

要約

DNA マイクロアレイの遺伝子発現データは、癌性遺伝子サインを特定するために広く使用されています。
マイクロアレイはがんの診断と予後の精度を高めることができます。
しかし、マイクロアレイチップからの大量の遺伝子発現データを分析することは、現在の機械学習研究にとって課題となっています。
健康な組織と癌性組織の分類における課題の 1 つは、遺伝子発現の高次元性です。
次元が高いと分類の精度が低下します。
この研究は、遺伝的アルゴリズムとニューラルネットワークのハイブリッドモデルを適用して、有益な遺伝子のサブセット選択時の問題を克服することを目的としています。
これにより、特徴選択中に遺伝的アルゴリズム (GA) によって次元が削減され、選択された遺伝子を分類するために多層パーセプトロン ニューラル ネットワーク (MLP) が適用されます。
性能は、精度と選択された遺伝子の数を考慮して評価されます。
実験結果は、提案された方法が他の機械学習アルゴリズムと比較して、高い精度と最小の選択遺伝子数を示唆していることを示しています。

要約(オリジナル)

DNA microarray gene-expression data has been widely used to identify cancerous gene signatures. Microarray can increase the accuracy of cancer diagnosis and prognosis. However, analyzing the large amount of gene expression data from microarray chips pose a challenge for current machine learning researches. One of the challenges lie within classification of healthy and cancerous tissues is high dimensionality of gene expressions. High dimensionality decreases the accuracy of the classification. This research aims to apply a hybrid model of Genetic Algorithm and Neural Network to overcome the problem during subset selection of informative genes. Whereby, a Genetic Algorithm (GA) reduced dimensionality during feature selection and then a Multi-Layer perceptron Neural Network (MLP) is applied to classify selected genes. The performance evaluated by considering to the accuracy and the number of selected genes. Experimental results show the proposed method suggested high accuracy and minimum number of selected genes in comparison with other machine learning algorithms.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google