基于自编码器的卷积神经网络肿瘤亚型分类研究

摘要

根据临床收录的肿瘤基因表达谱数据，可以利用分类器进行肿瘤亚型分类.由于基因表达谱数据样本小、维度高，难以提取有效特征，分类效果往往不好，而且很容易过拟合.针对这些问题，研究利用自编码器对特征基因进行降维，并构建多尺度的神经网络进行学习分类，综合考虑不同尺度的特征，提出A-CNNs网络，不仅解决了高维样本难以处理的问题，且有效避免了纵向加深神经网络带来的过拟合，得到了较高的平均分类精度，并与其他机器学习方法进行对比实验，实验证明所构建的分类模型可以取得较佳的分类效果.

关键词

肿瘤亚型 / 基因表达谱 / 自编码器 / 神经网络 / 分类器