Resumen

Este artículo informa una comparación experimental de ensambles de redes neuronales artificiales (ANN) y máquinas de vectores de soporte (SVM) y sus variantes no ensambladas para la predicción de cáncer de pulmón. Estos clasificadores de aprendizaje automático fueron entrenados para predecir cáncer de pulmón utilizando muestras de nucleótidos de pacientes con mutaciones en los genomas del receptor del factor de crecimiento epidérmico, el oncogén viral de sarcoma de rata Kirsten y el gen supresor de tumores p53, recopilados como biomarcadores del corpus IGDB.NSCLC. Se utilizó la codificación de ADN de Voss para mapear las secuencias de nucleótidos de los genomas mutados y normales y obtener las secuencias genómicas numéricas equivalentes para entrenar los clasificadores seleccionados. Los esquemas de extracción de características de vanguardia histograma de gradientes orientados (HOG) y patrón binario local (LBP) fueron aplicados para extraer características genómicas

• Materias:Internet de las cosas Inteligencia artificial Contaminantes atmosféricos Sistema biométrico Aplicaciones
• Subjects:Internet of things Artificial intelligence Air pollutants Biometric system Applications
• Palabras claves:Comparación experimental; Red neuronal artificial; Máquina de vectores de soporte; Predicción de cáncer de pulmón; Secuencias de nucleótidos; Características genómicas
• Keywords:Experimental comparison; Artificial neural network; Support vector machine; Lung cancer prediction; Nucleotide sequences; Genomic features