二値分類器集合による遺伝子発現プロファイルからの癌サブクラス識別法

• Item type: SIG Technical Reports(1)
• 公開日: 2005-07-25
• タイトル: 二値分類器集合による遺伝子発現プロファイルからの癌サブクラス識別法
• タイトル / 言語: en
• タイトル: Classification of Tumor Subclass from Gene Expression Profiles based on a Probabilistic Model of Combining Binary Classifiers
• 言語: eng
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 奈良先端科学技術大学院大学情報科学研究科
• 著者所属: 奈良先端科学技術大学院大学情報科学研究科
• 著者所属: 大阪府立成人病センター研究所
• 著者所属: 奈良先端科学技術大学院大学情報科学研究科
• 著者所属(英): en
• 著者所属(英): Graduate School of Information Science Nara Institute of Science and Technology
• 著者所属(英): en
• 著者所属(英): Graduate School of Information Science Nara Institute of Science and Technology
• 著者所属(英): en
• 著者所属(英): Research Institute Osaka Medical Center for Cancer and Cardiovascular Diseases
• 著者所属(英): en
• 著者所属(英): Graduate School of Information Science Nara Institute of Science and Technology
• 著者名: 行縄, 直人; 大羽, 成征; 加藤, 菊也; 石井, 信
• 著者名(英): Naoto, Yukinawa; Shigeyuki, Oba; Kikuya, Kato; Shin, Ishii
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 遺伝子発現プロファイルによる癌の病理診断を想定対象として，新たな多クラス識別法を提案する．本手法では，多クラス識別問題を一対一ペアや一対残りペアなどのラベルの任意の組み合わせから成る2値分類問題群に分解し，各問題での判別結果を統合することによって最適な識別結果を得る．各2値分類問題における真の分類確率がクラス所属確率をパラメータとした確率モデルによって生成されると考え，これを2値分類器によって得られた分類確率の推定値から推定する方法を導いた．本手法を人工データおよび甲状腺がん分類問題に適用し，従来のヒューリスティクスによる投票法と並ぶ性能を達成することを示した．さらに，この分野で提案されてきたいくつかの多クラス識別法との比較を行い，本手法の優位性を示した．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In cancer classification problems based on gene expression profiling, which are important for pathological diagnosis, a stable classification algorithm is required. We propose a novel probabilistic model for constructing a multi-class pattern classifier by weighted aggregation of general binary classifiers including one-versus-the-rest, one-versus-one, and others. Our model has a latent variable that represents class membership probabilities, and it is estimated by fitting it to probability estimate outputs of binary classifiers. We apply our method to classification problems of synthetic datasets and a real world dataset of gene expression profiles. We show that our method achieves comparable performance to conventional voting heuristics. In addition, our method exhibits superior performance to some other multi-class classification algorithms used in this domain.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA12055912
• 書誌情報: 情報処理学会研究報告バイオ情報学（BIO）; 巻 2005, 号 74(2005-BIO-001), p. 9-15, 発行日 2005-07-25
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会