Improving pattern classification of DNA microarray data by using PCA and logistic regression

Abstract

Abstract. DNA microarrays is a technology that can be used to diagnose cancer and other diseases. To automate the analysis of such data, pattern recognition and machine learning algorithms can be applied. However, the curse of dimensionality is unavoidable: very few samples to train, and many attributes in each sample. As the predictive accuracy of supervised classifiers decays with irrelevant and redundant features, the necessity of a dimensionality reduction process is essential. The main idea is to retain only the genes that are the most influential in the classification of the disease. In this paper, a new methodology based on Principal Component Analysis and Logistics Regression is proposed. Our method enables the selection of particular genes that are relevant for classification. Experiments were run using eight different classifiers on two benchmark datasets: Leukemia and Lymphoma. The results show that our method not only reduces the number of required attributes, but also increase the classification accuracy in more than 10% in all the cases we tested.

Lösemi hastalığının temel türlerinden ALL ve KML malignitelerinin grafik sinir ağları ve bulanık mantık algoritması ile sınıflandırılması

“…destekli bir sistemdir. Geçmişten günümüze kadar multidisipliner çalışmaların çatısı altında löseminin alt türlerinin sınıflandırılması için mikrodizi teknolojisinin yardımıyla bilgisayar destekli sistemler üzerinde [47][48][49][50][51][52] birçok çalışma yapılmıştır. Mikrodizi teknolojisi, tıp ve biyoloji alanlarında tercih edilen ve binlerce genin nispi ekspresyon seviyelerinin aynı anda izlenmesine olanak tanıyan bir analiz yöntemidir.…”

Classification of acute leukaemias with a hybrid use of feature selection algorithms and deep learning-based architectures

“…Bu makalede akut lösemi hastalığının temel türlerine ilişkin malignitelerin tespit edilmesi için gerçekleştirilen çalışma sonucunda 7 önemli nokta güçlendirilmiştir. Leukeamia veri kümesinin kullanıldığı [3], [9], [13], [32]- [34], çalışmaları incelenmiştir. Genomik analiz imkanı sunan mikrodizi veri kümeleri üzerinde optimizasyon, sinyal işleme, görüntü iyileştirme ve hibrit sinir ağı yapıları kullanan bu çalışma ile moleküler analiz alanına farklı bir bakış açısı kazandırılmıştır.…”

“…Mikrodizi tabanlı veriler üzerinde genetik algoritma ve destek vektör makinelerinin kombinasyonunun kullanıldığı [8] çalışmasında, kanser teşhisi yapılmıştır. Mikrodizi tabanlı veriler kullanılarak temel bileşenler analizi ile lojistik regresyon yöntemi üzerinde temellenen bir yaklaşım [9] çalışmasında sunulmuştur. Bu çalışmada sınıflandırma işlemi için uygun genlerin seçilmesi sağlandıktan sonra lösemi ile lenfoma veri kümeleri üzerinde deneysel işlemler gerçekleştirilmiştir.…”

Alzheimer’s disease prediction using three machine learning methods

“…A pattern matching index of 92% was obtained for their method. Vega et al [35] developed a new methodology for the classification of MR brain images into normal and AD affected images. Their method is underlined by MRI feature extraction in the wavelet domain followed by dimensionality reduction and SVM classification.…”