隨著高通量基因測(cè)序技術(shù)的快速發(fā)展和應(yīng)用,使得個(gè)人基因測(cè)序成本大大降低。它為人類基于基因水平的癌癥研究創(chuàng)造了先決條件。目前,信息智能化的進(jìn)一步推進(jìn),使得人工智能已經(jīng)在各個(gè)領(lǐng)域發(fā)揮著重要作用,尤其是在醫(yī)療健康領(lǐng)域,越來(lái)越多的研究者利用深度學(xué)習(xí)對(duì)基因測(cè)序數(shù)據(jù)進(jìn)行分析�？捎糜谳o助醫(yī)生診斷癌癥以及制定個(gè)性化治療方案�；虮磉_(dá)水平上的癌癥研究在很大程度上促進(jìn)了癌癥診斷和治療技術(shù)的發(fā)展。本文利用深度學(xué)習(xí)算法對(duì)癌癥基因組數(shù)據(jù)的分類模型進(jìn)行研究與實(shí)現(xiàn)主要研究工作如下:1.本文改進(jìn)了一種基于重構(gòu)誤差的深度信念網(wǎng)絡(luò)深度自適應(yīng)確定方法。讓深度神經(jīng)網(wǎng)絡(luò)的深度確定不再完全依賴于人工設(shè)置,而是根據(jù)RBM的重構(gòu)誤差以及最深網(wǎng)絡(luò)層數(shù)在模型訓(xùn)練過(guò)程中自適應(yīng)確定,在一定程度上降低了人工網(wǎng)絡(luò)層數(shù)設(shè)定的隨機(jī)性。使模型在預(yù)訓(xùn)練過(guò)程能夠自適應(yīng)的確定一個(gè)較好的網(wǎng)絡(luò)深度。2.本文提出了一種結(jié)合深度信念網(wǎng)絡(luò)和LightGBM的癌癥基因組數(shù)據(jù)分類模型。利用深度信念網(wǎng)絡(luò)對(duì)癌癥基因數(shù)據(jù)進(jìn)行特征提取,代替了高成本的人工特征提取過(guò)程,用于LightGBM分類模型。在TCGA的拷貝數(shù)變異數(shù)據(jù)集上進(jìn)行模型性能分析,實(shí)驗(yàn)結(jié)果表明,利用深度信念網(wǎng)絡(luò)五折提...

【文章頁(yè)數(shù)】：80 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究工作的背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 癌癥基因組學(xué)的研究現(xiàn)狀
        1.2.2 深度學(xué)習(xí)研究現(xiàn)狀
        1.2.3 深度學(xué)習(xí)在基因領(lǐng)域的研究現(xiàn)狀
    1.3 本文的研究?jī)?nèi)容及組織結(jié)構(gòu)
        1.3.1 本文的研究?jī)?nèi)容
        1.3.2 本文的組織結(jié)構(gòu)
第二章 深度學(xué)習(xí)相關(guān)理論研究
    2.1 人工神經(jīng)網(wǎng)絡(luò)
    2.2 深度神經(jīng)網(wǎng)絡(luò)
    2.3 受限玻爾茲曼機(jī)
    2.4 深度信念網(wǎng)絡(luò)
    2.5 本章小結(jié)
第三章 基于重構(gòu)誤差的深度信念網(wǎng)絡(luò)深度自適應(yīng)確定算法
    3.1 引言
    3.2 RBM無(wú)監(jiān)督預(yù)訓(xùn)練過(guò)程
    3.3 基于重構(gòu)誤差的深度信念網(wǎng)絡(luò)深度自適應(yīng)確定算法可行性分析
    3.4 基于改進(jìn)的重構(gòu)誤差深度自適應(yīng)確定算法
    3.5 實(shí)驗(yàn)結(jié)果
        3.5.1 實(shí)驗(yàn)數(shù)據(jù)分析
        3.5.2 評(píng)價(jià)指標(biāo)
        3.5.3 實(shí)驗(yàn)結(jié)果及分析
    3.6 本章小結(jié)
第四章 基于深度信念網(wǎng)絡(luò)和LightGBM的癌癥分類模型
    4.1 引言
    4.2 GBDT算法
    4.3 LightGBM算法
    4.4 基于深度信念網(wǎng)絡(luò)和LightGBM癌癥分類模型設(shè)計(jì)
    4.5 實(shí)驗(yàn)結(jié)果分析
        4.5.1 實(shí)驗(yàn)數(shù)據(jù)分析
        4.5.2 癌癥二分類實(shí)驗(yàn)結(jié)果分析
        4.5.3 癌癥多分類實(shí)驗(yàn)結(jié)果分析
    4.6 本章小結(jié)
第五章 基于深度學(xué)習(xí)的多模態(tài)乳腺癌蛋白質(zhì)狀態(tài)分類模型
    5.1 引言
    5.2 多模態(tài)學(xué)習(xí)
    5.3 多模態(tài)融合
    5.4 基于深度學(xué)習(xí)的多模態(tài)乳腺癌蛋白質(zhì)分類模型總體設(shè)計(jì)
    5.5 實(shí)驗(yàn)分析
        5.5.1 實(shí)驗(yàn)數(shù)據(jù)分析
        5.5.2 實(shí)驗(yàn)結(jié)果分析
    5.6 本章小結(jié)
第六章 全文總結(jié)與展望
    6.1 全文總結(jié)
    6.2 未來(lái)展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的成果



本文編號(hào)：3822658