用于结肠直肠癌数据中生物标志物检测的小波特征提取和遗传算法-研究论文

预测患者生存的生物标志物可以在医学诊断和治疗中发挥重要作用。 如何从数百种蛋白质标记物中选择重要的生物标记物是生存分析的关键步骤。 在本文中，提出了一种使用小波分析、遗传算法和贝叶斯分类器检测结直肠癌患者生存预后生物标志物的新方法。 一维离散小波变换 (DWT) 通常用于降低生物医学数据的维数。 在这项研究中，提出了一维连续小波变换（CWT）来提取结直肠癌数据的特征。 一维CWT无法降低数据的维数，但捕获了DWT缺失的特征，是DWT的补充部分。 对提取的小波系数进行遗传算法选择优化特征，使用贝叶斯分类器建立其适应度函数。 根据优化特征的位置定位相应的蛋白质标记。 Kaplan-Meier 曲线和 Cox 回归模型 2 用于评估所选生物标志物的性能。 在结直肠癌数据集上进行了实验，并检测到了几个重要的生物标志物。 发现一种新的蛋白质生物标志物 CD46 与存活时间显着相关。