基于神经网络的多类肿瘤亚型识别研究
| 摘要 | 第1-8页 |
| Abstract | 第8-11页 |
| 第1章 绪论 | 第11-20页 |
| ·课题研究的背景 | 第11-14页 |
| ·生物信息学 | 第11-12页 |
| ·肿瘤基因疾病的诊断概述 | 第12-13页 |
| ·研究的意义 | 第13-14页 |
| ·基于基因表达谱的肿瘤识别研究概况 | 第14-17页 |
| ·肿瘤识别概述 | 第14-17页 |
| ·肿瘤样本分类器 | 第17页 |
| ·本文工作 | 第17-19页 |
| ·主要内容 | 第17-18页 |
| ·论文组织 | 第18-19页 |
| ·小结 | 第19-20页 |
| 第2章 问题描述及数据来源 | 第20-29页 |
| ·基因表达谱概述 | 第20-24页 |
| ·基因芯片的基本概述 | 第20-22页 |
| ·基因表达水平的检测与基因诊断 | 第22-23页 |
| ·基因表达谱数据的获取与表示 | 第23-24页 |
| ·ALL 识别问题概述 | 第24-26页 |
| ·ALL 表达谱数据库的建立 | 第26-28页 |
| ·小结 | 第28-29页 |
| 第3章 数据预处理与特征选择 | 第29-37页 |
| ·数据预处理 | 第29-31页 |
| ·数据噪声 | 第29页 |
| ·数据预处理 | 第29-31页 |
| ·特征基因的选取 | 第31-34页 |
| ·分类信息指标 | 第31-33页 |
| ·ALL 分类特征选择 | 第33-34页 |
| ·特征选取结果比较 | 第34-36页 |
| ·分类特征基因集合 | 第34-35页 |
| ·特征基因的分类性能 | 第35-36页 |
| ·小结 | 第36-37页 |
| 第4章 预测模型的设计与评估 | 第37-48页 |
| ·神经网络分类 | 第37-38页 |
| ·基于BP 网络的预测模型 | 第38-45页 |
| ·BP 网络结构的设计 | 第38-41页 |
| ·学习算法与过程 | 第41-45页 |
| ·交叉检验与独立测试集评估 | 第45-46页 |
| ·小结 | 第46-48页 |
| 第5章 冗余过滤与聚类分析 | 第48-53页 |
| ·冗余分析集合的确定 | 第48页 |
| ·强相关性冗余基因的过滤 | 第48-51页 |
| ·K-means 聚类分析 | 第48-49页 |
| ·实验结果分析 | 第49-51页 |
| ·结果比较与分析 | 第51-52页 |
| ·小结 | 第52-53页 |
| 总结与展望 | 第53-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 附录A 攻读硕士学位期间发表论文目录 | 第61页 |
