2019年國(guó)家癌癥中心發(fā)布的全國(guó)癌癥統(tǒng)計(jì)數(shù)據(jù)表明肺癌的粗發(fā)病率和死亡率均居于惡性腫瘤的首位.非小細(xì)胞肺癌（Non-Small Cell Lung Cancer,NSCLC）是肺癌的主要類型.目前研究多集中于影像或者基因等單模態(tài)數(shù)據(jù),綜合利用多模態(tài)數(shù)據(jù)的研究相對(duì)較少.實(shí)際上,挖掘多模態(tài)數(shù)據(jù)之間的互補(bǔ)信息,一方面可以發(fā)現(xiàn)解釋性較強(qiáng)的影像特征,另一方面可以從基因數(shù)據(jù)中選擇與腫瘤發(fā)生、發(fā)展相關(guān)的基因,從而定性和定量分析NSCLC中不同亞型的生物標(biāo)記物,提高腫瘤的識(shí)別精度.因此,結(jié)合臨床實(shí)際需求,綜合利用多模態(tài)數(shù)據(jù),并對(duì)數(shù)據(jù)做深層特征分析和挖掘,即具有理論意義,也具有實(shí)際應(yīng)用價(jià)值.基于此,本學(xué)位論文針對(duì)影像基因組學(xué)數(shù)據(jù),基于人工智能機(jī)器學(xué)習(xí)方法進(jìn)行深層特征分析,并對(duì)多模態(tài)進(jìn)行關(guān)聯(lián)分析,最終用于NSCLC智能識(shí)別.主要工作概括如下:1.構(gòu)建了一種信息基因選擇的統(tǒng)計(jì)量化指標(biāo).首先,針對(duì)當(dāng)前常用指標(biāo)受試者工作特征曲線和曲線下面積存在的問(wèn)題,結(jié)合臨床實(shí)際需求,從理論上構(gòu)建了一種信息基因選擇的統(tǒng)計(jì)指標(biāo)-最大凈收益（Maximum Net Benefit,MNB）,并分析了其可行性和可辨別性.在美國(guó)國(guó)立生物... 

【文章來(lái)源】：河南大學(xué)河南省

【文章頁(yè)數(shù)】：79 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

構(gòu)建加權(quán)基因共表達(dá)網(wǎng)絡(luò)流程

p1≤pt1nn(1 pt)p1= {x|(x, y) = D1∩ D2},其中 MNB ∈ [0,1).為了直觀的反映 MNB 的構(gòu)建過(guò)程，圖3-1給出了 DCA 和 MNB 的直觀比較. 圖3-1(a)為 DCA 曲線. 圖3-1(b)為在閾值范圍 p1≤ pt< 1 內(nèi)通過(guò)計(jì)算每一個(gè)閾值點(diǎn)所對(duì)應(yīng)的凈收益值，選擇取得最大 NB 的點(diǎn)定義為基因的 MNB 值. 值得注意的是在尋找基因取得MNB 值時(shí)是在區(qū)間 [p1, 1) 上進(jìn)行的，這也正是需要證明的一點(diǎn). 在下一小節(jié) MNB 的可行性分析中將給出為何將閾值概率 pt定義在區(qū)間 [p1, 1) 中求基因的最大凈收益值.

基于多模態(tài)數(shù)據(jù)智能分析的非小細(xì)胞肺癌識(shí)別信息較大，難以區(qū)分腫瘤所對(duì)應(yīng)的不同的類別.圖3-2(b)是對(duì)每一個(gè)基因所對(duì)應(yīng)的BW值進(jìn)行排序，圖中是按照從大到小的順序進(jìn)行排列.本章首先選擇BW值較大的前200個(gè)基因作為候選基因.(a)(b)圖3-2每一個(gè)基因的BW值.(a)基因所對(duì)應(yīng)的BW取值分布情況;(b)對(duì)基因BW值排序的折線圖.由于誤診和漏診均會(huì)給患者帶來(lái)較大的損害，因此在基因選擇時(shí)，希望將臨床結(jié)果考慮在內(nèi)，選擇能帶來(lái)較大臨床效益的信息基因.因此本文在BW篩選的200個(gè)基因的基礎(chǔ)上，再計(jì)算這200個(gè)基因中每一個(gè)基因所對(duì)應(yīng)的MNB值.圖3-3(a)為計(jì)算BW篩選的200個(gè)基因所對(duì)應(yīng)的MNB值.顯然大部分基因的MNB值都分布在0-0.05這一塊，因此這一部分基因難以區(qū)分腫瘤的類別.故本章應(yīng)用MNB從200個(gè)基因中篩選10個(gè)候選24

【參考文獻(xiàn)】：
期刊論文
[1]2015年中國(guó)惡性腫瘤流行情況分析[J]. 鄭榮壽,孫可欣,張思維,曾紅梅,鄒小農(nóng),陳茹,顧秀瑛,魏文強(qiáng),赫捷.  中華腫瘤雜志. 2019 (01)
[2]最大化ROC曲線下面積的不平衡基因數(shù)據(jù)集差異表達(dá)基因選擇算法[J]. 謝娟英,王明釗,胡秋鋒.  陜西師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(01)
[3]ROC曲線中最佳工作點(diǎn)的選擇[J]. 陳衛(wèi)中,潘曉平,宋興勃,倪宗瓚.  中國(guó)衛(wèi)生統(tǒng)計(jì). 2006(02)



本文編號(hào)：2967590