换一批基于随机森林算法的原位质谱快速鉴别肺癌的方法研究
Mass Spectrometric Discrimination of Human Lung Tumors under Ambient Conditions Based on Random Forest Algorithm
摘要随机森林(Random forest,RF)算法是一种基于决策树的机器学习算法,具有良好的分类与变量筛选性能,因而在生物医学高维数据分析中应用广泛.本研究开发了一种基于RF算法的原位质谱快速鉴别肺癌的模型和方法,通过构建液体辅助表面解吸常压化学电离质谱技术平台(DAPCI-MS),结合RF算法,在常温常压条件下,直接实现对未处理人体肺鳞癌组织切片的准确鉴别与区分,并获取肺癌区别于正常组织的生物特征标记物.研究表明,当决策树数目ntree=100时,对人体肺鳞癌组织与邻近正常组织的区分准确率可达到100％.与其它分类方法相比,本模型具有稳健性高、分类效果好、泛化能力强等特点,为实现复杂基质的人体肺癌组织与相邻正常组织的区分提供了一种快速、准确和可靠的分类模型.
更多相关知识
栏目名称
DOI
10.19756/j.issn.0253-3820.201083
发布时间
2020-08-21（万方平台首次上网日期，不代表论文的发表时间）
基金项目
本文系国家自然科学基金项目（No. 21405013）
- 浏览3
- 被引9
- 下载2
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
