發(fā)布時間：2022-01-15 04:38

　　近年來,腫瘤給人類健康帶來越來越嚴峻的挑戰(zhàn),而且隨著醫(yī)療數(shù)據(jù)的積累和人工智能技術(shù)的突破性發(fā)展,如何高效地輔助腫瘤診斷已經(jīng)成為生物信息和計算機等學科所面臨的挑戰(zhàn)性難題。對腫瘤患者的臨床、基因、代謝和醫(yī)療影像等數(shù)據(jù)構(gòu)建機器學習模型,可以從不同角度理解和分析腫瘤發(fā)生發(fā)展的狀態(tài),從而達到高效地輔助腫瘤診斷的目標。為此,本文基于機器學習理論,針對腫瘤發(fā)生發(fā)展不同階段的特點和多種模態(tài)醫(yī)療數(shù)據(jù),圍繞輔助腫瘤診斷中的四個關(guān)鍵問題進行了相關(guān)研究。本文研究的第一個問題是如何選擇合適的配對特征選擇算法（Matched-Pairs Feature Selection,MPFS）用于篩選腫瘤差異表達基因。腫瘤發(fā)生發(fā)展過程中只有很少的基因會發(fā)生差異性表達,篩選出這些基因?qū)⒂兄谠诟顚哟紊侠斫饽[瘤的形成機制,從而實現(xiàn)更精確的輔助腫瘤診斷。目前研究者利用特征選擇方法在篩選差異表達基因上取得了大量的研究成果,然而考慮了基因表達數(shù)據(jù)的病例-對照配對特性的配對特征選擇方法卻尚未得到廣泛的開發(fā)和研究。因此,本文第3章對近十年的配對特征選擇方法進行了整理總結(jié),給出了其一般性定義,并將其歸納為三大類型,分別為統(tǒng)計假設(shè)檢驗類、條... 

【文章來源】：吉林大學吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：144 頁

【學位級別】：博士

【部分圖文】：

腫瘤發(fā)發(fā)展的各個階段1

本的章節(jié)結(jié)構(gòu)圖

2.1 本文的數(shù)據(jù)來源腫瘤是一種復(fù)雜性疾病，它的輔助診斷研究涉及生物、化學、計算機以及生物信息學等多個學科的交叉融合[131-133]。近十年來，隨著醫(yī)療影像技術(shù)的進步，以及基因測序技術(shù)的發(fā)展，大量臨床、基因和醫(yī)療影像數(shù)據(jù)的積累，為腫瘤的研究、診斷和治療提供了強大的助力[21, 22, 134, 135]。而且近年來以機器學習為核心的人工智能技術(shù)得到跨越式發(fā)展和廣泛的應(yīng)用，許多國家開始重視人工智能技術(shù)在腫瘤領(lǐng)域中的應(yīng)用和研究。本文主要研究如何利用機器學習理論更加高效地輔助腫瘤診斷，從基因和醫(yī)療影像這兩種醫(yī)療數(shù)據(jù)的視角，對腫瘤發(fā)生發(fā)展的不同階段的診斷過程中的四個關(guān)鍵問題進行了相關(guān)算法研究。本文涉及的數(shù)據(jù)類型主要有基因表達數(shù)據(jù)、基因突變數(shù)據(jù)、基因注釋數(shù)據(jù)以及醫(yī)療影像數(shù)據(jù)等等。本文主要利用這些數(shù)據(jù)進行輔助腫瘤診斷算法研究，并構(gòu)建實驗以驗證算法的性能，這些數(shù)據(jù)主要來源于一些公開數(shù)據(jù)庫，如圖 2.1 所示。在接下來的四個小節(jié)中將具體介紹這些不同類型的數(shù)據(jù)庫。

【參考文獻】：
期刊論文
[1]鼻咽癌放療后誘發(fā)的惡性腫瘤（附198例報道）[J]. 王海霞,劉孟忠,何立儒,習勉,劉慧,胡永紅,蔡玲.  中國腫瘤臨床. 2008(06)



本文編號：3589916