| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第1章 绪论 | 第10-25页 |
| ·研究的目的和意义 | 第10-13页 |
| ·卵巢癌简介 | 第13-18页 |
| ·卵巢癌 | 第13-15页 |
| ·几种常用卵巢癌早期诊断方法 | 第15-17页 |
| ·近年研究热点与卵巢癌早期诊断技术 | 第17-18页 |
| ·数据挖掘 | 第18-21页 |
| ·数据挖掘的概念 | 第19页 |
| ·数据挖掘的分类 | 第19-20页 |
| ·常用的数据挖掘技术 | 第20-21页 |
| ·可视化技术 | 第21-22页 |
| ·可视化的概念 | 第21页 |
| ·可视化技术的分类 | 第21-22页 |
| ·可视化数据挖掘 | 第22-23页 |
| ·可视化数据挖掘的技术方法 | 第22-23页 |
| ·可视化数据挖掘的重要性 | 第23页 |
| ·本文的研究内容及结构组织 | 第23-25页 |
| 第2章 蛋白质组学及质谱理论与技术 | 第25-37页 |
| ·蛋白质组学简介 | 第25-28页 |
| ·蛋白质芯片 | 第28页 |
| ·质谱理论和质谱技术 | 第28-30页 |
| ·表面加强激光解析电离质谱技术 | 第30-36页 |
| ·SELDI-TOF-MS 技术基本原理与特点 | 第30-32页 |
| ·机理研究 | 第32-33页 |
| ·SELDI 蛋白质芯片技术的操作过程 | 第33-34页 |
| ·SELDI-TOF-MS 在癌症早期诊断中的应用 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第3章 质谱数据预处理及特征提取 | 第37-47页 |
| ·工具语言(PYTHON) | 第37-39页 |
| ·python 的特点 | 第37-38页 |
| ·Python 的应用 | 第38-39页 |
| ·本课题使用的python 模块 | 第39页 |
| ·FDA-NCI 数据库简介 | 第39页 |
| ·数据前期处理 | 第39-43页 |
| ·数据的载入 | 第40页 |
| ·降噪 | 第40-41页 |
| ·基线校正 | 第41-42页 |
| ·标准化 | 第42-43页 |
| ·遗传算法进行特征提取的设计 | 第43-46页 |
| ·遗传算法(Genetic Algorithm，GA) | 第43-44页 |
| ·遗传算法过程 | 第44-45页 |
| ·遗传算法特点 | 第45页 |
| ·遗传算法进行特征提取设计 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第4章 基于神经网络的蛋白质质谱数据在卵巢癌诊断的应用研究 | 第47-59页 |
| ·模式分类 | 第47-54页 |
| ·人工神经网络的结构 | 第48-52页 |
| ·神经网络的反向传播算法(BP) | 第52-54页 |
| ·可视化质谱数据分类原理 | 第54-56页 |
| ·三角形面积特征提取 | 第54-55页 |
| ·雷达图总周长特征提取 | 第55-56页 |
| ·基于神经网络的可视化质谱数据分类 | 第56-58页 |
| ·神经网络构造 | 第56页 |
| ·实验结果 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-68页 |
| 攻读学位期间承担的科研任务与主要成果 | 第68-69页 |
| 致谢 | 第69-70页 |
| 作者简介 | 第70页 |
