本文關(guān)鍵詞：基于腫瘤標(biāo)志群的不同判別模型在肺癌輔助診斷中的應(yīng)用，，由筆耕文化傳播整理發(fā)布。

【摘要】：目的隨著肺癌發(fā)病率及死亡率逐年增長,肺癌已成為嚴(yán)重威脅人類健康的惡性腫瘤,目前成為亟待解決的公共衛(wèi)生難題。數(shù)據(jù)挖掘技術(shù)在解決大樣本和多參數(shù)問題的優(yōu)勢(shì)使其在醫(yī)學(xué)領(lǐng)域得到廣泛研究。課題組近年來一直致力于肺癌輔助診斷研究,篩選出癌胚抗原(carcinoembryonic antigen,CEA)、神經(jīng)元特異性烯醇化酶(neuron specific enolase,NSE)、胃泌素、唾液酸(sialic acid,SA)、銅鋅比值(Cu/Zn)、血清鈣離子、DNA甲基轉(zhuǎn)移酶1(DNA methyltransferase 1,DNMT1)、DNA甲基轉(zhuǎn)移酶3A(DNA methyltransferase 3A,DNMT3A)、DNA甲基轉(zhuǎn)移酶3B(DNA methyltransferase 3B,DNMT3B)和組蛋白去乙�；�1(histone deacetylase,HDAC1)等10余種肺癌生物標(biāo)志,但這些生物標(biāo)志如何有效地組成腫瘤標(biāo)志物群用于肺癌輔助診斷還有待于進(jìn)一步研究。該論文依據(jù)前期篩選的10項(xiàng)肺癌生物標(biāo)志,聯(lián)合流行病學(xué)資料、臨床與影像資料,應(yīng)用人工神經(jīng)網(wǎng)絡(luò)(artificial neural network,ANN)技術(shù)建立了肺癌輔助診斷系統(tǒng)。此研究將探討這10項(xiàng)指標(biāo)對(duì)輔助診斷的預(yù)測(cè)效果;同時(shí)重建人工神經(jīng)網(wǎng)絡(luò)(artificial neural network,ANN)模型,并與決策樹(decision tree,DT)C5.0模型、支持向量機(jī)(support vector rmachine,SVM)模型及判別分析模型比較;篩選出優(yōu)化的預(yù)測(cè)模型為后續(xù)研究打下基礎(chǔ),以期提高腫瘤標(biāo)志對(duì)肺癌輔助診斷價(jià)值,達(dá)到對(duì)肺癌輔助診斷和鑒別診斷的目的。對(duì)象與方法1.研究對(duì)象:180例肺癌組和243例肺良性疾病組樣本均取自鄭州大學(xué)第一附屬醫(yī)院,所有樣本均經(jīng)細(xì)胞學(xué)或組織病理學(xué)診斷。2.實(shí)驗(yàn)方法:采用放射免疫法檢測(cè)血清中CEA、NSE和胃泌素水平,ICP-MS檢測(cè)血清銅、血清鋅的濃度,運(yùn)用改進(jìn)的間苯二酚顯色法測(cè)定唾液酸濃度,利用全自動(dòng)化分析儀測(cè)定血清鈣濃度,采用ELISA測(cè)定DNMT1、DNMT3A、DNMT3B和HDAC1含量。3.數(shù)據(jù)挖掘:樣本按3:1的比例隨機(jī)分成訓(xùn)練集和預(yù)測(cè)集,運(yùn)用ANN技術(shù)、C5.0技術(shù)、Fsher判別分析和SVM建模,然后對(duì)樣本進(jìn)行預(yù)測(cè),應(yīng)用ROC曲線對(duì)這4種模型的預(yù)測(cè)結(jié)果進(jìn)行比較,4模型均采用Clementine 12.0軟件實(shí)現(xiàn)。4.運(yùn)用SPSS21.0軟件進(jìn)行統(tǒng)計(jì)學(xué)分析。根據(jù)定量資料分布類型選擇表示方法及統(tǒng)計(jì)學(xué)檢驗(yàn)方法,定性資料組間比較用χ2檢驗(yàn);檢驗(yàn)水準(zhǔn)α=0.05。結(jié)果:1.肺癌組和肺良性疾病組中CEA、胃泌素、NSE、DNMT1、DNMT3A和DNMT3B差異有統(tǒng)計(jì)學(xué)意義(P0.05),其中肺癌組腫瘤標(biāo)志物水平高于肺良性疾病組。2.增加發(fā)熱出汗、咳痰、痰中帶血、肺部感染及結(jié)節(jié)5項(xiàng)臨床與影像資料可以有效地提高輔助診斷模型的準(zhǔn)確率。3.輔助診斷模型最好的是優(yōu)化全部指標(biāo)的ANN模型;ROC曲線下面積(AUC)較高的有六種模型,但差異無統(tǒng)計(jì)學(xué)意義(P0.05)。結(jié)論綜合運(yùn)用流行病學(xué)特征(性別、年齡、吸煙史)及臨床癥狀(咳痰、痰中帶血、發(fā)熱出汗及肺部感染)與腫瘤標(biāo)志(DNMT3B、DNMT1、HDAC1、NSE、胃泌素和CEA)建立的人工神經(jīng)網(wǎng)絡(luò)模型對(duì)肺癌輔助診斷效果較好,有望用于臨床肺癌輔助診斷和鑒別診斷。
【關(guān)鍵詞】：腫瘤標(biāo)志 肺癌 數(shù)據(jù)挖掘 DNMT 輔助診斷
【學(xué)位授予單位】：鄭州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：R734.2
【目錄】：

• 摘要4-6
• Abstract6-15
• 英文縮略詞表15-16
• 1 引言16-18
• 2 材料與方法18-27
• 2.1 材料18-20
• 2.1.1 血清樣本收集保存18
• 2.1.2 臨床與影像資料18-19
• 2.1.3 主要試劑與儀器19-20
• 2.1.3.1 主要實(shí)驗(yàn)試劑19-20
• 2.1.3.2 主要實(shí)驗(yàn)儀器20
• 2.2 實(shí)驗(yàn)方法20-24
• 2.2.1 CEA測(cè)定20-21
• 2.2.2 NSE測(cè)定21-22
• 2.2.3 胃泌素測(cè)定22
• 2.2.4 血清鈣的測(cè)定22-23
• 2.2.5 唾液酸的測(cè)定23
• 2.2.6 血清銅、鋅的測(cè)定23
• 2.2.7 DNMT1測(cè)定23
• 2.2.8 DNMT3A測(cè)定23
• 2.2.9 DNMT3B測(cè)定23-24
• 2.2.10 HDAC1測(cè)定24
• 2.3 質(zhì)量控制24
• 2.4 數(shù)據(jù)挖掘模型的建立24-25
• 2.4.1 數(shù)據(jù)歸一化處理24-25
• 2.4.2 ANN模型25
• 2.4.3 決策樹C5.0 模型25
• 2.4.4 支持向量機(jī)模型（SVM）25
• 2.4.5 模型評(píng)價(jià)25
• 2.5 統(tǒng)計(jì)學(xué)方法25-27
• 3 結(jié)果27-63
• 3.1 人群流行病學(xué)資料及臨床與影像資料27-28
• 3.2 10項(xiàng)腫瘤標(biāo)志物檢測(cè)結(jié)果28-40
• 3.2.1 血清腫瘤標(biāo)志物標(biāo)準(zhǔn)曲線的繪制28-30
• 3.2.2 肺癌組和肺良性疾病組10項(xiàng)血清腫瘤標(biāo)志物的檢測(cè)結(jié)果30-37
• 3.2.2.1 肺癌組和肺良性疾病組血清10種腫瘤標(biāo)志物的比較30-31
• 3.2.2.2 年齡、性別、飲酒和吸煙與10項(xiàng)腫瘤標(biāo)志水平的關(guān)系31-37
• 3.2.3 三組Logistic回歸分析結(jié)果37-40
• 3.3 神經(jīng)網(wǎng)絡(luò)、決策樹、支持向量機(jī)和Fisher判別分析的結(jié)果40-63
• 3.3.1 ANN結(jié)果40-44
• 3.3.2 決策樹結(jié)果44-48
• 3.3.3 SVM模型的預(yù)測(cè)結(jié)果48-52
• 3.3.4 判別分析模型的預(yù)測(cè)結(jié)果52-55
• 3.3.5 神經(jīng)網(wǎng)絡(luò)、決策樹、SVM和Fisher判別分析預(yù)測(cè)結(jié)果的比較55-61
• 3.3.6 模型的調(diào)整61-62
• 3.3.7 模型的應(yīng)用62-63
• 4 討論63-69
• 4.1 腫瘤標(biāo)志物在肺癌組以及肺良性疾病組的表達(dá)水平63-64
• 4.2 數(shù)據(jù)挖掘模型的預(yù)測(cè)評(píng)價(jià)64-68
• 4.3 研究的局限性68-69
• 5 結(jié)論69-70
• 參考文獻(xiàn)70-73
• 基于數(shù)據(jù)挖掘技術(shù)的優(yōu)化指標(biāo)群對(duì)肺癌的輔助診斷研究73-81
• 1 數(shù)據(jù)挖掘技術(shù)在肺癌早期輔助診斷中的應(yīng)用研究73-76
• 1.1 人工神經(jīng)網(wǎng)絡(luò)與肺癌相關(guān)研究74-75
• 1.2 決策樹技術(shù)與肺癌相關(guān)研究75-76
• 1.3 支持向量機(jī)(SVM)與肺癌相關(guān)研究76
• 2 結(jié)束語76-77
• 參考文獻(xiàn)77-81
• 個(gè)人簡(jiǎn)歷在學(xué)期間發(fā)表的學(xué)術(shù)論文與研究成果81-82
• 致謝82

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 韋懷新,蔡紹曦;醫(yī)學(xué)生輔助診斷能力的培養(yǎng)[J];中國醫(yī)學(xué)倫理學(xué);2005年01期

2 張浩良;;中草藥在輔助診斷方面的應(yīng)用[J];山東中醫(yī)學(xué)院學(xué)報(bào);1980年03期

3 裴希軍;張莊林;趙順標(biāo);;急性腹痛610例病因及輔助診斷方法分析[J];現(xiàn)代中西醫(yī)結(jié)合雜志;2008年14期

4 任少平;劉中蘇;;急性蘭尾炎的現(xiàn)代輔助診斷方法[J];川北醫(yī)學(xué)院學(xué)報(bào);1993年04期

5 史錫騰,周濤;最大似然法和醫(yī)療輔助診斷方法[J];數(shù)理醫(yī)藥學(xué)雜志;1999年02期

6 朱勇;張一芳;謝慧;;64排螺旋CT輔助診斷鎖骨下動(dòng)脈盜血綜合征一例[J];實(shí)用醫(yī)技雜志;2010年12期

7 于江,李福勝;風(fēng)濕熱輔助診斷的初步分析[J];黔南民族醫(yī)專學(xué)報(bào);1996年02期

8 朱學(xué)才;用紅外熱圖輔助診斷小兒炎癥性呼吸道疾病[J];紅外技術(shù);1997年06期

9 許申,吳藍(lán)朝;肺癌與肺結(jié)核實(shí)驗(yàn)室輔助診斷的進(jìn)展[J];臨床肺科雜志;2000年03期

10 李章勇,謝正祥;影像輔助診斷學(xué)習(xí)系統(tǒng)的設(shè)計(jì)[J];生物醫(yī)學(xué)工程學(xué)雜志;2004年04期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前4條

1 劉峰;葛霽光;;基于共享信息發(fā)布體輔助診斷系統(tǒng)的有效規(guī)則增強(qiáng)方案[A];中國生物醫(yī)學(xué)工程學(xué)會(huì)第六次會(huì)員代表大會(huì)暨學(xué)術(shù)會(huì)議論文摘要匯編[C];2004年

2 侯銳;周宏志;秦瑞峰;丁宇翔;劉平;王力鋒;馬洋;莫靜珍;張述寅;胡開進(jìn);;采用CBCT輔助診斷嚴(yán)重拔牙并發(fā)癥22例[A];第10次全國口腔頜面醫(yī)學(xué)影像學(xué)專題研討會(huì)暨國家級(jí)口腔頜面醫(yī)學(xué)影像診斷學(xué)新進(jìn)展學(xué)習(xí)班論文匯編[C];2012年

3 袁云娥;劉險(xiǎn)峰;吳英杰;李洪娟;;應(yīng)用現(xiàn)代紅外影像技術(shù)開展中醫(yī)輔助診斷數(shù)字影像化的實(shí)踐與研究[A];全國第十二次中醫(yī)診斷學(xué)術(shù)年會(huì)論文集[C];2011年

4 謝青;夏宏杰;;B超輔助診斷痙攣性斜頸指導(dǎo)治療——附兩例分析[A];中國康復(fù)醫(yī)學(xué)會(huì)第三次康復(fù)治療學(xué)術(shù)大會(huì)論文匯編[C];2002年

中國重要報(bào)紙全文數(shù)據(jù)庫 前1條

1 首席記者 孫燕明;242個(gè)地級(jí)以上城市實(shí)行輔助診斷檢查互認(rèn)制[N];中國消費(fèi)者報(bào);2007年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 周羿陽;基于Hadoop的醫(yī)療輔助診斷系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];東華大學(xué);2016年

2 李尊稅;基于腫瘤標(biāo)志群的不同判別模型在肺癌輔助診斷中的應(yīng)用[D];鄭州大學(xué);2016年

3 李海鯤;計(jì)算機(jī)中醫(yī)輔助診斷和醫(yī)院信息管理系統(tǒng)的研究[D];合肥工業(yè)大學(xué);2005年

4 聶涅;基于Internet的遠(yuǎn)程智能醫(yī)療輔助診斷系統(tǒng)[D];西安電子科技大學(xué);2001年

5 倪潔;基于3G的急救輔助診斷系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];哈爾濱工業(yè)大學(xué);2011年

6 佟勇;基于FPGA的輔助診斷系統(tǒng)[D];黑龍江大學(xué);2013年

7 劉斯頎;面向智能服裝的多信息融合醫(yī)學(xué)輔助診斷的應(yīng)用研究[D];東華大學(xué);2010年

8 車國海;基于ATMS的復(fù)合型脾虛證輔助診斷系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)[D];暨南大學(xué);2006年

9 鐘春燕;經(jīng)食道超聲心動(dòng)圖仿真輔助診斷系統(tǒng)的研制及臨床應(yīng)用[D];第三軍醫(yī)大學(xué);2012年

10 吳裕豪;SVM分類模型在癌癥突變輔助診斷中的應(yīng)用[D];重慶大學(xué);2014年

  本文關(guān)鍵詞：基于腫瘤標(biāo)志群的不同判別模型在肺癌輔助診斷中的應(yīng)用，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：433446