购买时请注意选择相应的产品名称
| 电子鼻信号处理需要说明了非特异性的多变量分 | |||
|---|---|---|---|
|
电子鼻是一种非特异性的传感器阵列的挥发性化合物。 虽然每个传感器的阵列可以应对各种不同的化合物通过给一个电信号,每个传感器的响应模式的各种化合物是不同的。 信号处理的任务是识别模式的块反应,可用于诊断目的。
一个类似的信号处理哲学可以应用于基因测试,许多不同的诊断公司目前正在开发作为癌症的预兆。 1 这个概念的一个电子鼻子将被用来比较结果的质量与贝叶斯和频率论的方法。
开发人员的任何统计信号处理算法需要一组初始的数据,或训练数据,来确定参数的算法。 在这个电子鼻子的示例中,我们将假定鼻子迪斯汀?guishes两组:生病,好。 为了现在和比较结果图形化显示,传感器的数量限制为两个(值为32可能更典型的)。
背景颜色在 图4 代表的概率组合的两个传感器读数的地方一个人在两个中的哪一个组。 这就是每个统计算法将试图重现。 颜色在红色的天平一端代表一个高概率,一个阅读来自病人,和颜色在蓝端从一个病人。 然而,该算法开发者只能使用有限数目的训练数据点,这是由黑色的十字架(病)和白色圆圈(好)。
现在,分类问题中有各种不同的难度等级。 一些有两个截然分开是disting组点uished?,可以相隔一条直线(或一个超平面在许多空间设置)。 别人有两个截然分开组点,但是需要一个曲线(或分离超曲面)来分离他们。 其他人有重叠套点,而这些可能需要一个直或弯曲表面做最好的可能,但不完善,工作的分离他们。 从这些数据点,一个人可以看到,这两个组是重叠的类型的分类问题,这样可以对优秀从平庸的领域的统计技术。
贝叶斯算法的结果,两个不同的频率论的算法、最大似然法和线性判别分析(LDA),是通过使用两个不同的指标比较比较。 第一个比较考虑了背景颜色映射图4 - 7,可作为分类地图。 颜色贴图创建的贝叶斯算法( 图5 )是一种明显更加适合真正的分类地图( 图4 )比两个中的哪一个频率论的方法(数据 6 和 7 )。
第二,更多的定量比较,三种算法用于分类数据点800前所未见的生病和团体,这是点如图5 - 7。 正确分类的贝叶斯算法708 800分。 最大似然法表现明显更糟糕的是,只有654 800分分类正确,而LDA方法分类667 800分正确。
的大小差异解决方案和其他频率论的贝叶斯技术只能充分重视在多个维度(即。 ,更多的组件在电子鼻传感器)。 这是类似于分析大量的基因在寻找基因签名法作为诊断癌症。
图8。 ( 点击放大 )性能的贝叶斯和各种频率论的算法在32尺寸。 一部分分错误分类的一个看不见的组200000点。 MaxLike =最大似然;LDA =线性判别分析;神经网络;LR NN = =逻辑回归;主成分分析PCA =。
图8 显示结果的一组相似的运行在32尺寸做,比较各种算法的分类性能,但现在显示错误率给定数据点时200000年不见的分类,尽管仍然对准只有800数据点。 贝叶斯算法优于所有的频率论的算法。 而最大似然算法出现在某些方面非常接近贝叶斯回答,它实际上是开始从贝叶斯的解决方案给它最成功的机会。 (最大似然算法需要一个起点的解决方案,因为他们搜索最多为一个包含多个变量的函数。)
图8 还演示了如何贝叶斯推理有100倍——较低的错误率比其他的统计分析方法。 从一个诊断仪器,实现贝叶斯算法能更好的使电子鼻做出正确的诊断,或一个基因测试更好地显示更好的对付癌症。
结论
频率论的方法统计分析主要为更大的部分的上个世纪,在这一点上,他们的拥护者认为它们是最好的方法来分析数据和经常捍卫他们的宗教。 然而,本文说明了贝叶斯推理提供了更精确的诊断分类,特别是具有复杂和嘈杂的数据集如发现当开发诊断产品。 贝叶斯方法的另一个好处是,这种统计方法有时允许成本节约是用传感器硬件。 例如,储蓄的100倍和10倍的内存使用储蓄在中央处理单元周期需要每秒,连同大幅度的提高性能,得到了。
除了自动多元诊断和荧光的应用程序,贝叶斯技术可以应用到其他诊断产品类别,产生大规模的数据,包括芯片、流式细胞术、蛋白质组学和飞行时间谱。
另一个重要的特点是,用户贝叶斯技术是了解最多的信息,可以从现有的数据中提取。 这意味着,当进行分析,用户知道如何良好的结果。 但随着频率论的方法,用户是左想知道更好的结果可能会是。 这种利用贝叶斯推理没有被讨论在本文中由于空间限制,但它是一个重要的优势为设备开发人员。
然而,有许多在哪些情况下贝叶斯技术不需要提供足够的性能,或者在一个近似的贝叶斯推理将提供足够的性能。 因此,当最优性能不是必要的,贝叶斯推理可能会或可能不会选择的技术。 此外,毫无疑问,因为大多数人在学校教频率论的统计方法,更多的努力是需要切换,采用简单的贝叶斯心态。
尽管如此,贝叶斯推理是普遍适用的技术,提取最可能的数据从困难,混乱的数据集。 本文展示了为什么进一步接受贝叶斯方法可能导致重大改进诊断设备。
|
| 上一篇：荧光寿命测量更好的结果比传统的频率论的方法 | 下一篇：可溶解的电影和自己的潜能在体外诊断 |
|---|
无法在这个位置找到： xy/left.htm