DSpace DSpace UPC
  Pàgina principal | Llistar continguts | Cerca avançada | Com participar-hi Català   Castellano   English  


Títol: Machine learning methods for classifying normal vs. tumorous tissue with spectral data
Autor: González Navarro, Félix Fernando
Belanche Muñoz, Luis Antonio
Altres autors/autores: Universitat Politècnica de Catalunya. Departament de Llenguatges i Sistemes Informàtics; Universitat Politècnica de Catalunya. SOCO - Soft Computing
Matèries: Àrees temàtiques de la UPC::Informàtica::Aplicacions de la informàtica::Bioinformàtica
Machine learning
Proton magnetic resonance spectroscopy
Tumors -- Classification
Brain tumor classification
Feature Selection
Visualization
Aprenentatge automàtic
Tumors -- Classificació
Cervell -- Tumors
Tipus de document: Conference report
Descripció: Machine learning is a powerful paradigm within which to analyze 1H-MRS spectral data for the automated classi¯cation of tumor pathologies aimed to facilitate clinical diagnosis. The high dimensionality of the involved data sets makes the discover of computational models a challenging task. In this study we apply a feature selection algorithm in order to reduce the complexity of the problem. The obtained experimental results yield a remarkable classification performance of the final induced models, both in terms of prediction accuracy and number of involved spectral frequencies. A dimensionality reduction technique that preserves the class discrimination capabilities is used for the visualization of the final selected frequencies, thus enhancing their interpretability.
Peer Reviewed
Postprint (author’s final draft)
Altres identificadors i accés: González, F.F.; Belanche, Ll. Machine learning methods for classifying normal vs. tumorous tissue with spectral data. A: Congreso Internacional de Informática y Computación. "VIII Congreso Internacional de Informática y Computación (ANIEI 2009)". Ensenada: 2009.
978-607-7854-36-4
http://hdl.handle.net/2117/16220
Disponible al dipòsit:E-prints UPC
Comparteix:


SFX Query

Tots els ítems dipositats a UPCommons estan protegits per drets d'autor.

 

Valid XHTML 1.0! Programari DSpace Copyright © 2002-2004 MIT and Hewlett-Packard Comentaris
Universitat Politècnica de Catalunya. Servei de Biblioteques, Publicacions i Arxius