摘要
本发明提供了一种基于深度学习技术的肺癌亚型基因表达分类方法，使用DEseq2方法进行基因差异表达分析，并采用辅助代码进行特征选择，随后利用改进的深度学习WGANs模型进行样本扩充，最后采用一维卷积神经网络进行预测。包括如下步骤：步骤1：获取肺癌基因表达数据并进行预处理，包括数据清洗、归一化等操作；步骤2：利用DEseq2方法进行基因差异表达分析，识别出与肺癌亚型相关的差异基因；步骤3：借助辅助代码进行特征选择，筛选出最具代表性和区分性的基因特征；步骤4：采用改进的深度学习WGANs模型对样本进行扩充，生成具有多样性的新样本数据；步骤5：利用一维卷积神经网络对提取的特征进行模型训练，并进行亚型分类预测。应用本技术方案可广泛应用于基因表达分析领域，为肺癌的分类诊断和个性化治疗提供了重要的支持。
