基于基因表达谱的小圆蓝细胞瘤亚型识别研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究的背景 | 第10-12页 |
| 1.1.1 生物信息学 | 第10-11页 |
| 1.1.2 肿瘤基因疾病的诊断 | 第11页 |
| 1.1.3 研究的目的与意义 | 第11-12页 |
| 1.2 基于基因表达谱的肿瘤识别研究概况 | 第12-15页 |
| 1.3 本文主要工作 | 第15-17页 |
| 1.3.1 课题来源 | 第15-16页 |
| 1.3.2 主要内容 | 第16-17页 |
| 1.3.3 论文组织 | 第17页 |
| 1.4 本章小结 | 第17-18页 |
| 第2章 问题描述与数据来源 | 第18-24页 |
| 2.1 基因表达谱概述 | 第18-20页 |
| 2.1.1 基因表达的基本概念 | 第18-19页 |
| 2.1.2 基因表达水平的检测 | 第19页 |
| 2.1.3 基因表达谱数据的获取 | 第19-20页 |
| 2.2 SRBCT 亚型识别问题概述 | 第20-22页 |
| 2.3 SRBCT 基因表达数据库的建立 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 数据预处理与特征选取 | 第24-31页 |
| 3.1 数据噪声与预处理 | 第24-25页 |
| 3.1.1 数据噪声的来源 | 第24-25页 |
| 3.1.2 数据预处理 | 第25页 |
| 3.2 特征基因选取 | 第25-28页 |
| 3.2.1 分类信息指标 | 第25-27页 |
| 3.2.2 SRBCT 分类特征选取 | 第27-28页 |
| 3.3 特征选取结果比较 | 第28-30页 |
| 3.3.1 生成分类特征基因集合 | 第28-29页 |
| 3.3.2 不同指标选取基因的分类性能 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第4章 预测模型的设计与评估 | 第31-49页 |
| 4.1 基于BP 网络的预测模型 | 第31-36页 |
| 4.1.1 BP 网络结构设计 | 第31-33页 |
| 4.1.2 学习算法 | 第33-35页 |
| 4.1.3 交叉校验和独立测试集评估 | 第35-36页 |
| 4.2 基于BSVM 的预测模型 | 第36-42页 |
| 4.2.1 BSVM 原理概述 | 第36-39页 |
| 4.2.2 基于BSVM 的多模分类器 | 第39-40页 |
| 4.2.3 分类器评估与实验结果 | 第40-42页 |
| 4.3 基于MSVM 的预测模型 | 第42-46页 |
| 4.3.1 MSVM 原理概述 | 第42-43页 |
| 4.3.2 MSVM 用于多分类问题的优势 | 第43-44页 |
| 4.3.3 MSVM 分类器的设计与评估 | 第44-46页 |
| 4.4 三种模型的比较 | 第46-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第5章 冗余排除与聚类分析 | 第49-58页 |
| 5.1 用于冗余分析集合的确定 | 第49页 |
| 5.2 强相关性冗余基因的排除 | 第49-53页 |
| 5.2.1 “两两冗余”分析 | 第49-51页 |
| 5.2.2 实验结果分析 | 第51-53页 |
| 5.3 SOM 聚类分析 | 第53-54页 |
| 5.4 结果比较与讨论 | 第54-57页 |
| 5.5 本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间发表的学术论文 | 第64-65页 |
| 致谢 | 第65页 |
