| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-18页 |
| ·本课题的研究背景 | 第11-12页 |
| ·本课题研究现状及研究意义 | 第12-17页 |
| ·几种常用的卵巢癌诊断方法 | 第12-14页 |
| ·蛋白质组学技术在卵巢癌早期诊断中的应用 | 第14-15页 |
| ·特征选择方法 | 第15-17页 |
| ·本文的主要工作 | 第17-18页 |
| 第二章 卵巢癌磷脂质类数据预处理 | 第18-29页 |
| ·前言 | 第18页 |
| ·卵巢癌磷脂质类数据的介绍 | 第18页 |
| ·早期卵巢癌磷脂质类数据的预处理方法 | 第18-19页 |
| ·奇异值分解方法(SVD) | 第19页 |
| ·数据预处理结果 | 第19-20页 |
| ·数据预处理过程中影响因素研究 | 第20-28页 |
| ·T-test方法 | 第21页 |
| ·决策树方法 | 第21-22页 |
| ·Permutation test方法 | 第22-23页 |
| ·样本数据的批次差异性研究 | 第23-25页 |
| ·样本数据分布差异的研究 | 第23-24页 |
| ·样本数据挑选特征的一致性分析 | 第24-25页 |
| ·特征标志物的分类性能比较 | 第25页 |
| ·血浆和血清样本的差异性研究 | 第25-28页 |
| ·样本数据分布差异研究 | 第25-26页 |
| ·样本数据挑选特征的一致性分析 | 第26-27页 |
| ·特征标志物的分类性能比较 | 第27-28页 |
| 本章小结 | 第28-29页 |
| 第三章 基于磷脂类数据的早期卵巢癌特征提取研究 | 第29-41页 |
| ·前言 | 第29页 |
| ·Monte Carlo决策树随机特征选择方法 | 第29-30页 |
| ·基于诊断类别相关度和分类稳定度早期卵巢癌特征提取方法 | 第30页 |
| ·特征标志物的选择 | 第30-31页 |
| ·特征标志物的分类率 | 第31-34页 |
| ·分类器 | 第31-33页 |
| ·特征标志物分类率结果 | 第33-34页 |
| ·早期特征标志物的特异性分析研究 | 第34-37页 |
| ·Monte Carlo方法随机挑选特征标志物 | 第34-35页 |
| ·早期前5个特征与第二批全体数据上的前5个特征比较研究 | 第35-36页 |
| ·早期8个特征与第二批数据上提取的8个特征比较研究 | 第36页 |
| ·早期特征与第二、三批数据上提取的特征比较研究 | 第36-37页 |
| ·特征选择方法性能评价 | 第37-39页 |
| ·SVD、T-test和SVM-RFE三种方法介绍 | 第37-38页 |
| ·三种方法的分类率显著性分析 | 第38页 |
| ·三种方法挑选特征标志物的稳定性分析 | 第38-39页 |
| ·特征标志物的生物学意义 | 第39-40页 |
| 本章小结 | 第40-41页 |
| 第四章 基于"极少"特征标志物的卵巢癌两步预测模型研究 | 第41-48页 |
| ·前言 | 第41页 |
| ·ROC[59]分析的基本原理 | 第41页 |
| ·基于最大允许相关阈值的相关性分析 | 第41页 |
| ·两步预测模型流程 | 第41-42页 |
| ·结果与讨论 | 第42-47页 |
| ·单个变量的敏感性和特异性分析结果 | 第42-43页 |
| ·基于最大允许相关阈值的相关性分析结果 | 第43-44页 |
| ·两个变量的敏感性和特异性分析结果 | 第44-45页 |
| ·两步法测试结果 | 第45-47页 |
| ·4个变量两两组合的两步预测模型结果分析 | 第45-46页 |
| ·全部变量两两组合的两步预测模型结果分析 | 第46-47页 |
| ·讨论 | 第47页 |
| 本章小结 | 第47-48页 |
| 第五章 总结与展望 | 第48-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 附录 作者在读期间发表的学术论文及参加的科研项目 | 第55页 |
