基于SCSO-SVM的结肠腺癌诊断研究OA
从生物信息学理论视角出发,构建基于沙猫群(SCSO)算法的支持向量机(SVM)结肠腺癌诊断模型——SCSO-SVM模型。首先,获取结肠腺癌患者的肿瘤与正常组织基因表达数据,通过差异表达分析与加权基因共表达网络筛选共享基因,对其进行功能富集分析;同时,构建蛋白质相互作用(PPI)网络,结合最大邻域分量(MNC)算法与最大集团中心性(MCC)算法筛选出核心基因;其次,利用最小绝对收缩和选择算子(LASSO)与随机森林(RF)算法筛选特征基因,基于特征基因建立SCSO-SVM模型,并将其与GWO-SVM、PSO-SVM、GA-SVM模型及传统的SVM模型进行性能对比;最后,通过对训练集、测试集和验证集数据的预测分析,验证SCSO-SVM模型的性能。结果表明,该模型用于结肠腺癌诊断具有良好的实践效果。
刘洪桂;曾伟
四川轻化工大学自动化与信息工程学院,四川宜宾644000四川轻化工大学自动化与信息工程学院,四川宜宾644000 智能感知与控制四川省重点实验室,四川宜宾644000
信息技术与安全科学
结肠腺癌沙猫群优化算法支持向量机诊断模型
《重庆科技大学学报(自然科学版)》 2026 (3)
P.29-39,11
国家自然科学基金项目“基于皮秒激光的微纳结构硫系掺杂硅的制备及其光电特性改良研究”(12304469)。
评论