Wrappers Feature Selection in Alzheimer’s Biomarkers Using kNN and SMOTE Oversampling

AUTOR(ES)

RODRIGUES, Y.E., MANICA, E., ZIMMER, E.R., PASCOAL, T.A., MATHOTAARACHCHI, S.S., ROSA-NETO, P.

FONTE

TEMA (São Carlos)

DATA DE PUBLICAÇÃO

2017-04

RESUMO

RESUMO Biomarcadores são medidas biológicas que ajudam a rastrear e compreender a progressão fisiopatológica de várias doenças. A combinação de diferentes modalidades de biomarcadores muitas vezes permite uma classificação de diagnóstico preciso. Na doença de Alzheimer (DA), os biomarcadores são indispensáveis para identificar indivíduos cognitivamente normais destinados a desenvolver sintomas de demência. No entanto, usando combinações de biomarcadores canônicas DA estudos têm mostrado repetidamente que as taxas de classificação são baixas quando diferenciando entre indivíduos controle, comprometimento cognitivo leve e DA. Além disso, na avaliação de múltiplas combinações de biomarcadores os classificadores enfrentam dificuldade tais como falta de dados e dados desbalanceados. Uma vez que o número de combinações biomarcadores é fatorial então usamos wrappers para evitar as múltiplas comparações. Neste trabalho comparamos a capacidade de três técnicas wrapper de selecção de caracteristicas na obtenção de combinações de biomarcadores ao maximizar taxas de classificação. Além disso, como critério para os wrappers usamos o classificador k-vizinhos mais próximos com preprosessamento de balanço de dados, sobreamostragem aleatória e sobamostragem (SMOTE). Em geral nossa análise mostra como as combinações de biomarcadores são afetadas pela estratégia de equilíbrio de dados. Mostramos que os biomarcadores não-definidores de classe e não-cognitivos têm menos precisão do que as medidas cognitivas para classificar AD. A nossa abordagem supera em média os classificadores máquina de vetores de suporte e k-vizinhos mais próximos ponderado com 94,34±3,91% de precisão para biomarcadores que definem a classe.

ASSUNTO(S)

k-vizinhos mais próximos smote seleção de características biomarcadores de alzheimer problema de classificação

Documentos Relacionados

• Variações do método kNN e suas aplicações na classificação automática de textos
• Variações do método kNN e suas aplicações na classificação automática de textos
• Aplicação da Lógica Fuzzy kNN e análises estatísticas para seleção de características e classificação de abelhas.
• Algoritmo kNN para previsão de dados temporais: funções de previsão e critérios de seleção de vizinhos próximos aplicados a variáveis ambientais em limnologia
• Cerebrospinal Fluid Protein Biomarkers for Alzheimer’s Disease