基于希尔伯特曲线-卷积神经网络的肿瘤类型预测

针对肿瘤的早期检测,提出基于希尔伯特曲线-卷积神经网络(H-CNN)的肿瘤类型预测模型。该模型首先使用变分自编码器对32种肿瘤类型病人的RNA表达量和DNA甲基化数据进行融合,然后通过使用希尔伯特曲线将融合数据可视化后送到CNN进行训练。基于以上过程,可以实施关于新样本的肿瘤类型预测。实验结果表明,基于融合数据的H-CNN模型在肿瘤分类问题上具有优秀的性能,并且对肿瘤病人的早期诊断和治疗具有重要的指导意义。