生物医学组学数据分类Deep Centroid

文章预览

摘要 动机 使用生物医学组学数据对样本分类是生物医学研究中广泛采用的方法。然而，数据集通常具有挑战性的特征，包括高维度、有限的样本量以及不同来源的固有偏差。这些因素限制了传统机器学习模型的性能，尤其是在应用于独立数据集时。 可用性和实现  GitHub (github.com/xiexiexiekuan/DeepCentroid) Figshare (https://figshare.com/articles/software/Deep_Centroid_A_General_Deep_Cascade_Classifier_for_Biomedical_Omics_Data_Classification/24993516) 材料和方法 表1  本研究中使用的所有数据集的详细信息 结果 为了解决这些挑战，提出了新的分类器Deep Centroid，结合了最近质心分类器的稳定性和深度级联策略的强大拟合能力。Deep Centroid是种集成学习方法，具有多层级联结构，包含特征扫描和级联学习阶段，可以动态调整训练规模。将Deep Centroid应用于3个精准医学应用：癌症早期诊断、癌 ………………………………