本文關(guān)鍵詞：基于深度學(xué)習(xí)的癌癥分類模型研究

  更多相關(guān)文章： 癌癥分類 深度學(xué)習(xí) TCGA

【摘要】：癌癥基因組學(xué)是當(dāng)前遺傳生物學(xué)和生物醫(yī)學(xué)領(lǐng)域的重點(diǎn)研究方向,關(guān)于癌癥致病原理的研究能夠有效地指導(dǎo)制定合理的癌癥治療方案和研發(fā)癌癥治療藥物。另一方面,由于高通量基因測序儀器的發(fā)展,個(gè)人的基因測序成本大大降低,癌癥治療逐漸向個(gè)性化治療發(fā)展,而根據(jù)基因測序數(shù)據(jù)對癌癥患病進(jìn)行預(yù)測對于癌癥的早期診斷和治療都有很大的幫助。本文提出了基于深度置信網(wǎng)絡(luò)的癌癥分類模型,利用TCGA計(jì)劃提供的3281名癌癥病人的測序數(shù)據(jù),能夠根據(jù)癌癥病人的測序數(shù)據(jù)進(jìn)行癌癥患病的分類預(yù)測,同時(shí)能夠挖掘模型中隱藏的針對不同癌癥疾病的突變基因模式和規(guī)律。本文的主要工作集中在兩個(gè)方面:(1)針對癌癥分類預(yù)測問題,本文采用的DBN模型通過無監(jiān)督預(yù)訓(xùn)練和有監(jiān)督訓(xùn)練調(diào)整相結(jié)合的訓(xùn)練方式,逐層提取了癌癥病人測序數(shù)據(jù)中的特征,同時(shí)利用這些層次化的特征數(shù)據(jù)來進(jìn)行分類預(yù)測,最終在分類性能上超越了SVM、MLP等分類模型。(2)針對癌癥突變基因模式和規(guī)律的挖掘,本文采用了網(wǎng)絡(luò)結(jié)點(diǎn)激勵(lì)最大化算法和統(tǒng)計(jì)方法相結(jié)合的方式進(jìn)行分析,找出了12種Pan-cancer癌癥的關(guān)鍵致病基因,并結(jié)合當(dāng)前在遺傳生物學(xué)領(lǐng)域的研究結(jié)果進(jìn)行評估和驗(yàn)證。實(shí)驗(yàn)結(jié)果表明,本文提出的基于深度學(xué)習(xí)算法的DBN模型在癌癥分類問題上具有優(yōu)秀的分類性能,而且DBN模型能挖掘出針對不同癌癥具有研究價(jià)值的突變基因模式,為進(jìn)一步對癌癥致病原理的生物學(xué)研究提供參考。
【關(guān)鍵詞】：癌癥分類 深度學(xué)習(xí) TCGA
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：R730.2
【目錄】：

• 摘要4-5
• ABSTRACT5-8
• 1. 緒論8-14
• 1.1 課題背景和意義8-10
• 1.2 課題方向及相關(guān)研究10-13
• 1.3 課題來源及研究內(nèi)容13
• 1.4 章節(jié)內(nèi)容安排13-14
• 2. 課題相關(guān)技術(shù)14-26
• 2.1 神經(jīng)網(wǎng)絡(luò)算法14-15
• 2.2 深度學(xué)習(xí)算法15-24
• 2.3 相關(guān)軟件24-25
• 2.4 本章小結(jié)25-26
• 3. TCGA癌癥分類模型的設(shè)計(jì)26-39
• 3.1 問題描述26
• 3.2 數(shù)據(jù)預(yù)處理26-31
• 3.3 分類模型的設(shè)計(jì)31-35
• 3.4 分類模型評估方法35-38
• 3.5 本章小結(jié)38-39
• 4. TCGA癌癥分類模型的實(shí)現(xiàn)39-63
• 4.1 分類模型實(shí)現(xiàn)概述39-40
• 4.2 分類模型的實(shí)現(xiàn)40-53
• 4.3 深度置信網(wǎng)絡(luò)模型分析53-55
• 4.4 實(shí)驗(yàn)分析結(jié)果55-62
• 4.5 本章小結(jié)62-63
• 5. 總結(jié)與展望63-65
• 5.1 本文工作總結(jié)63-64
• 5.2 前景與展望64-65
• 致謝65-66
• 參考文獻(xiàn)66-69

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 武倫梅;;營養(yǎng)與訓(xùn)練后恢復(fù)[J];游泳季刊;1999年04期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 原野;室內(nèi)WiFi指紋定位系統(tǒng)中的半監(jiān)督訓(xùn)練方法研究[D];上海交通大學(xué);2015年

2 葉永盛;基于深度學(xué)習(xí)的癌癥分類模型研究[D];華中科技大學(xué);2015年

，

本文編號：816056