本文關鍵詞：呼出氣體肺癌標志物采集與篩選及數(shù)據(jù)管理系統(tǒng)研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：肺癌作為最致命的惡性腫瘤之一嚴重威脅人類健康,如果能找出一種快速無創(chuàng)的篩查手段將大大降低致死率。呼出氣體診斷方法具有快速無創(chuàng)的特點,是肺癌早期篩查的理想方法之一。本文主要研究工作和創(chuàng)新點如下：1.新型呼出氣體采集儀的設計和制作針對呼出氣體采集的需求,對氣體采集儀器氣路、電路和軟件進行了優(yōu)化設計,并制定標準采集流程,實現(xiàn)了對呼出氣體揮發(fā)性有機物(VOC)和冷凝物(EBC)同時采集的氣體采集儀器。實驗結果表明,該儀器可以有效收集呼出氣體中內(nèi)源性VOCs,EBC的采集量與商用儀器具有良好的一致性。2.篩選出呼出氣體中5種肺癌標志物并建立診斷模型在氣體采集儀器的基礎上,對收集到的VOCs樣本利用氣相色譜質譜聯(lián)用儀(GC-MS)進行了檢測,并利用支持向量機、隨機森林、神經(jīng)網(wǎng)絡等多種算法從5000多種檢出有機物中確定了5種較為的可信肺癌標志物和若干種潛在標志物�；谏鲜�5種標志物建立了優(yōu)化診斷模型,整體正確率86.89%,特異性87.47%,敏感性83.34%。3.設計了肺癌呼氣數(shù)據(jù)及相關信息的存儲、管理數(shù)據(jù)庫系統(tǒng)在基于VOCs肺癌標志物診斷模型的基礎上,設計了肺癌信息數(shù)據(jù)庫,為肺癌相關數(shù)據(jù)的收集、管理和肺癌標志物的進一步挖掘和驗證提供基礎�；鶞蕼y試表明,數(shù)據(jù)庫對上百條并發(fā)請求的響應時間在1s內(nèi),滿足中小規(guī)模應用需求。4.提出了肺癌數(shù)據(jù)分布式分布式云平臺并對算法并行化進行了研究針對呼氣標志物缺乏多領域交叉驗證的問題,提出了基于Hadoop的肺癌數(shù)據(jù)云平臺,完成了平臺架構設計,并基于適用于大數(shù)據(jù)挖掘的Map-Reduce分布式編程模型進行了經(jīng)典算法并行化的研究。
【關鍵詞】：肺癌 呼吸檢測 揮發(fā)性有機物 數(shù)據(jù)庫 云平臺
【學位授予單位】：浙江大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TH789;R734.2
【目錄】：

• 摘要5-6
• Abstract6-12
• 第1章 緒論12-19
• 1.1 肺癌概述12-16
• 1.1.1 肺癌的病因12-13
• 1.1.2 肺癌常規(guī)診斷手段13-14
• 1.1.3 肺癌呼出氣體診斷方法14-16
• 1.2 肺癌與數(shù)據(jù)庫技術16-17
• 1.3 肺癌與大數(shù)據(jù)17-18
• 1.4 本文主要內(nèi)容18-19
• 第2章 氣體采集儀器設計19-44
• 2.1 需求分析19-20
• 2.2 采氣儀設計20-40
• 2.2.1 氣路設計21-27
• 2.2.2 電路設計27-33
• 2.2.3 軟件設計33-38
• 2.2.4 采集流程及顯示38-40
• 2.3 采氣儀效果評價40-44
• 2.3.1 CO_2傳感器對死腔氣體甄別效果40-41
• 2.3.2 溫度控制效果41-42
• 2.3.3 EBC采集效果42-43
• 2.3.4 VOC采集效果43-44
• 第3章 VOC的測定及肺癌標志物的確定44-64
• 3.1 實驗方法44-45
• 3.1.1 實驗對象44-45
• 3.1.2 采樣流程45
• 3.1.3 檢測參數(shù)45
• 3.2 數(shù)據(jù)處理45-50
• 3.2.1 數(shù)據(jù)挖掘算法45-48
• 3.2.2 數(shù)據(jù)處理方法48-50
• 3.3 數(shù)據(jù)分析及建模結果50-58
• 3.3.1 肺癌患者與健康人吸煙者50-52
• 3.3.2 肺癌患者與健康人非吸煙者52-54
• 3.3.3 肺癌患者與肺良性病患者54-56
• 3.3.4 肺癌患者與非肺癌患者56-58
• 3.4 結果分析討論58-62
• 3.5 基于RF方法的優(yōu)化診斷模型62-64
• 第4章 肺癌信息數(shù)據(jù)庫的設計64-87
• 4.1 數(shù)據(jù)庫管理系統(tǒng)64-67
• 4.2 需求分析67-70
• 4.2.1 數(shù)據(jù)需求分析67-68
• 4.2.2 功能需求分析68-70
• 4.3 概念結構70-74
• 4.4 邏輯結構74-80
• 4.5 用戶子模式80-83
• 4.6 數(shù)據(jù)庫性能測試83-87
• 第5章 分布式肺癌數(shù)據(jù)云平臺的探索研究87-106
• 5.1 Hadoop生態(tài)系統(tǒng)和核心機制87-93
• 5.1.1 Hadoop分布式文件系統(tǒng)(HDFS)88-90
• 5.1.2 Map-Reduce編程模型90-92
• 5.1.3 HBase分布式數(shù)據(jù)庫92-93
• 5.2 云平臺架構及部署93-98
• 5.2.1 數(shù)據(jù)構成分析93-94
• 5.2.2 功能需求分析94-96
• 5.2.3 平臺部署96-98
• 5.3 基于Map-Reduce的并行數(shù)據(jù)挖掘算法98-106
• 5.3.1 K-means聚類算法并行化99-101
• 5.3.2 支持向量機(SVM)算法并行化101-103
• 5.3.3 其他經(jīng)典算法的并行化機制討論103-106
• 第6章 總結與展望106-108
• 6.1 總結106-107
• 6.2 展望107-108
• 參考文獻108-112
• 作者簡歷112-113
• 致謝113

【相似文獻】

中國重要會議論文全文數(shù)據(jù)庫 前2條

1 劉舉珍;蔡鐵鐵;秦莎娜;;血清肺癌標志物聯(lián)合檢測對肺癌的診斷價值[A];首屆全國腫瘤核醫(yī)學新技術研討會論文集[C];2007年

2 程廣源;;肺癌標志物的臨床意義及良惡性胸水的鑒定診斷[A];安徽省抗癌協(xié)會第四次代表大會暨乳腺癌、肺癌專業(yè)委員會成立會議、安徽省腫瘤防治進展學術研討會論文匯編[C];2001年

中國碩士學位論文全文數(shù)據(jù)庫 前4條

1 李顯;肺癌VOCs靜態(tài)配氣系統(tǒng)的研究與設計[D];重慶大學;2015年

2 郎朗;呼出氣體肺癌標志物采集與篩選及數(shù)據(jù)管理系統(tǒng)研究[D];浙江大學;2016年

3 於錦;呼出氣體及其冷凝物中肺癌標志物及其檢測方法的研究[D];浙江大學;2011年

4 宋坤;肺癌氣體標志物可視化傳感檢測新方法[D];重慶大學;2012年

  本文關鍵詞：呼出氣體肺癌標志物采集與篩選及數(shù)據(jù)管理系統(tǒng)研究，由筆耕文化傳播整理發(fā)布。

本文編號：319968