肝癌分类的RBM技术优化

临床研究人员已经得出结论，癌症血清含有一种与一组独特的自体反应细胞抗原起反应的抗体，这种抗原称为肿瘤相关抗原。这是一个激动人心的消息，因为微型抗原阵列有探测和诊断各种类型的癌症的潜力。技巧在于将抗原与特定类型的抗体正确地联合。一旦这一微型阵列被创建，这就变成了适合受限玻耳兹曼机的分类问题。

Koziol等人研究了用于肝癌分类的RBM，分类的标准是Logistic回归。Logistic回归是线性回归的分支，广义线性模型家族的成员之一，几十年来在医学统计领域拥有至高无上的统治权。

因为Logistic回归是基于结果概率进行建模的，所以它能完全适应分类任务，并在许多学科中赢得了金标准的地位。Logistic回归是使用最广泛的二进制分类数据分析模型之一。

Koziol等人将收集的175名肝癌患者和90名正常名人的血清样本用于Logis-tic回归和受限玻耳兹曼机并进行比较研究，12种抗原表达为重组蛋白。研究人员分别对受限玻耳兹曼机模型和Logistic回归模型用10倍交叉验证。整个数据集随机分为10个同样大小的子样本。每个子样本被分层以保护癌症病例的比例控制。用9个子样本对Logistic回归和受限玻耳兹曼机进行训练；第10个样本用于确认。

表7.1中展示了使用12种抗原的二分数据的结果。尽管RBM很有前途，但一定不是RBM的终极。

表7.1 使用12种抗原的二分数据的结果(www.xing528.com)

敏感度（Sensitivity）是分类器识别积极结果的一种能力，特异性（Specificity）则是区分消极结果的一种能力。

式中，NTP是真阳性的数量；NTN是阴性的数量。