基于大腸癌患者生存期預(yù)測(cè)的關(guān)鍵生物標(biāo)志物挖掘
發(fā)布時(shí)間:2023-03-24 01:01
大腸癌是常見(jiàn)的惡性腫瘤,具有高發(fā)病率和死亡率,且發(fā)病率呈上升趨勢(shì)。因此,大腸癌患者的生存期預(yù)測(cè)和預(yù)后因素的研究也越來(lái)越重要。生物標(biāo)志物可以準(zhǔn)確、敏感地評(píng)價(jià)早期損害,有效的生物標(biāo)志物對(duì)大腸癌患者的早期診斷、生存期預(yù)測(cè)有著重要作用。雖然傳統(tǒng)的單變量和多變量分析方法,驗(yàn)證了生物標(biāo)志物的重要性,但是并沒(méi)有考慮到生物標(biāo)志物間的相互作用。在此背景下,本文研究基于大腸癌患者生存期預(yù)測(cè)的關(guān)鍵生物標(biāo)志物挖掘算法。本文首先介紹了大腸癌患者生存期預(yù)測(cè)的研究現(xiàn)狀和意義,在目前研究的基礎(chǔ)上,設(shè)計(jì)了基于患者生存期預(yù)測(cè)的關(guān)鍵生物標(biāo)志物挖掘模型,在特定數(shù)據(jù)集上進(jìn)行了應(yīng)用,并設(shè)計(jì)了原型系統(tǒng)。主要研究?jī)?nèi)容包括:(1)大腸癌關(guān)鍵生物標(biāo)志物挖掘模型設(shè)計(jì):通過(guò)對(duì)混合特征選擇技術(shù)及隨機(jī)搜索特征選擇方法的分析,確定基于特征交互作用的生物標(biāo)志物挖掘模型框架。(2)基于患者離散生存期預(yù)測(cè)的關(guān)鍵生物標(biāo)志物挖掘:針對(duì)采用的瑞典林雪平大學(xué)腫瘤科對(duì)大腸癌患者的臨床數(shù)據(jù)特征、治療特征以及生物標(biāo)志物整理的數(shù)據(jù)集的特點(diǎn),對(duì)比分析分類器模型,以大腸癌患者離散生存期預(yù)測(cè)為目標(biāo),構(gòu)建了粒子群優(yōu)化算法與樸素貝葉斯結(jié)合的標(biāo)志物挖掘模型(WPSO-NB)。首先...
【文章頁(yè)數(shù)】:64 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 研究工作的目的和意義
1.2 國(guó)內(nèi)外發(fā)展現(xiàn)狀
1.3 研究的主要內(nèi)容
1.4 論文的組織結(jié)構(gòu)
第二章 相關(guān)技術(shù)概述
2.1 粒子群優(yōu)化算法
2.2 貝葉斯分類算法
2.2.1 貝葉斯定理
2.2.2 樸素貝葉斯分類器
2.3 人工神經(jīng)網(wǎng)絡(luò)
2.3.1 傳統(tǒng)神經(jīng)網(wǎng)絡(luò)模型
2.3.2 BP神經(jīng)網(wǎng)絡(luò)模型
2.4 本章小結(jié)
第三章 大腸癌關(guān)鍵生物標(biāo)志物挖掘模型設(shè)計(jì)
3.1 問(wèn)題描述
3.2 模型設(shè)計(jì)
3.2.1 隨機(jī)搜索特征選擇方法
3.2.2 評(píng)價(jià)策略選擇
3.3 挖掘模型及其算法
3.3.1 挖掘模型
3.3.2 算法過(guò)程
3.4 本章小結(jié)
第四章 基于大腸癌離散生存期預(yù)測(cè)的挖掘模型
4.1 數(shù)據(jù)集介紹
4.2 數(shù)據(jù)預(yù)處理
4.3 挖掘過(guò)程
4.3.1 分類器模型選擇
4.3.2 基于離散生存期預(yù)測(cè)的挖掘模型
4.3.3 實(shí)驗(yàn)結(jié)果與分析
4.4 本章小結(jié)
第五章 基于連續(xù)生存期預(yù)測(cè)的挖掘模型
5.1 數(shù)據(jù)預(yù)處理
5.2 挖掘過(guò)程
5.2.1 擬合模型選擇
5.2.2 基于連續(xù)生存期預(yù)測(cè)的挖掘模型
5.2.3 實(shí)驗(yàn)結(jié)果與分析
5.3 本章小結(jié)
第六章 關(guān)鍵生物標(biāo)志物挖掘原型系統(tǒng)
6.1 總體設(shè)計(jì)
6.2 模塊設(shè)計(jì)
6.2.1 數(shù)據(jù)輸入模塊
6.2.2 模式選擇模塊
6.2.3 數(shù)據(jù)處理模塊
6.2.4 輸出模塊
6.3 界面設(shè)計(jì)
6.4 本章小結(jié)
第七章 總結(jié)與展望
7.1 總結(jié)
7.2 展望
參考文獻(xiàn)
致謝
個(gè)人簡(jiǎn)歷、在學(xué)期間的研究成果及發(fā)表的學(xué)術(shù)論文
本文編號(hào):3769116
【文章頁(yè)數(shù)】:64 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 研究工作的目的和意義
1.2 國(guó)內(nèi)外發(fā)展現(xiàn)狀
1.3 研究的主要內(nèi)容
1.4 論文的組織結(jié)構(gòu)
第二章 相關(guān)技術(shù)概述
2.1 粒子群優(yōu)化算法
2.2 貝葉斯分類算法
2.2.1 貝葉斯定理
2.2.2 樸素貝葉斯分類器
2.3 人工神經(jīng)網(wǎng)絡(luò)
2.3.1 傳統(tǒng)神經(jīng)網(wǎng)絡(luò)模型
2.3.2 BP神經(jīng)網(wǎng)絡(luò)模型
2.4 本章小結(jié)
第三章 大腸癌關(guān)鍵生物標(biāo)志物挖掘模型設(shè)計(jì)
3.1 問(wèn)題描述
3.2 模型設(shè)計(jì)
3.2.1 隨機(jī)搜索特征選擇方法
3.2.2 評(píng)價(jià)策略選擇
3.3 挖掘模型及其算法
3.3.1 挖掘模型
3.3.2 算法過(guò)程
3.4 本章小結(jié)
第四章 基于大腸癌離散生存期預(yù)測(cè)的挖掘模型
4.1 數(shù)據(jù)集介紹
4.2 數(shù)據(jù)預(yù)處理
4.3 挖掘過(guò)程
4.3.1 分類器模型選擇
4.3.2 基于離散生存期預(yù)測(cè)的挖掘模型
4.3.3 實(shí)驗(yàn)結(jié)果與分析
4.4 本章小結(jié)
第五章 基于連續(xù)生存期預(yù)測(cè)的挖掘模型
5.1 數(shù)據(jù)預(yù)處理
5.2 挖掘過(guò)程
5.2.1 擬合模型選擇
5.2.2 基于連續(xù)生存期預(yù)測(cè)的挖掘模型
5.2.3 實(shí)驗(yàn)結(jié)果與分析
5.3 本章小結(jié)
第六章 關(guān)鍵生物標(biāo)志物挖掘原型系統(tǒng)
6.1 總體設(shè)計(jì)
6.2 模塊設(shè)計(jì)
6.2.1 數(shù)據(jù)輸入模塊
6.2.2 模式選擇模塊
6.2.3 數(shù)據(jù)處理模塊
6.2.4 輸出模塊
6.3 界面設(shè)計(jì)
6.4 本章小結(jié)
第七章 總結(jié)與展望
7.1 總結(jié)
7.2 展望
參考文獻(xiàn)
致謝
個(gè)人簡(jiǎn)歷、在學(xué)期間的研究成果及發(fā)表的學(xué)術(shù)論文
本文編號(hào):3769116
本文鏈接:http://sikaile.net/kejilunwen/zidonghuakongzhilunwen/3769116.html
最近更新
教材專著