《表1 训练集样本和测试集样本划分结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于Wasserstein GAN的新一代人工智能小样本数据增强方法——以生物领域癌症分期数据为例》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在本研究中，作为实验数据的血清样本由同济医院（华中科技大学同济医学院）提供。首先通过肽N-糖苷酶F（PNGase F）切断糖链与天冬酰氨间的糖肽键，从人血清糖蛋白中特异性释放N-聚糖[68]。然后进行全甲基化修饰，并通过MALDI 4800（AB SCIEX，Concord，Canada）进行质谱检测，得到样本中N-聚糖质荷比（m/z）在质谱上峰的分布及相对含量，如图3所示。最后，使用Data Explorer4.5对得到的质谱数据进行处理，并生成包含m/z值与质谱强度（参照美国信息交换标准代码对照光谱）的.txt文件。癌症分期按照肿瘤TNM（tumor node metastasis）分期系统进行划分。通过上述生物学过程，获得60个肝癌样本（TNM I期21个、TNM II期24个、TNM III期15个）和作为对照组的18个健康样本。其中每个肝癌样本包含42个特征，每个样本根据其峰值分布及相对强度可表示为一个42维的特征向量（图3）。将所有肝癌分期原始样本分别按照60%和40%的比例划分为训练集样本和测试集样本，划分结果如表1所示。