首页--医药、卫生论文--肿瘤学论文--呼吸系肿瘤论文--肺肿瘤论文

数据挖掘预测模型在焦炉工肺癌高危个体筛查中的应用

摘要第4-6页
Abstract第6-8页
目录第9-13页
英文缩略词表第13-14页
1 引言第14-17页
2 材料与方法第17-25页
    2.1 材料第17-19页
        2.1.1 血清的收集与保存第17页
        2.1.2 主要试剂与仪器第17-19页
            2.1.2.1 主要实验试剂第17-18页
            2.1.2.2 主要实验仪器第18-19页
    2.2 实验方法第19-22页
        2.2.1 CEA 测定第19页
        2.2.2 NSE 测定第19-20页
        2.2.3 胃泌素测定第20页
        2.2.4 血清钙的测定第20-21页
        2.2.5 唾液酸的测定第21页
        2.2.6 血清铜、锌的测定第21-22页
    2.3 质量控制第22页
    2.4 数据挖掘模型的建立第22-24页
        2.4.1 数据归一化处理第23页
        2.4.2 ANN 模型第23页
        2.4.3 决策树 C5.0 模型第23-24页
        2.4.4 支持向量机模型(SVM)第24页
        2.4.5 模型评价第24页
    2.5 统计学方法第24-25页
3 结果第25-37页
    3.1 人群流行病学资料第25页
    3.2 6 项指标检测结果第25-31页
        3.2.1 职业人群组及正常对照血清 CEA、NSE、GAS、Cu 和 Zn 测量标准曲线第25-27页
        3.2.2 暴露组和对照组 6 项血清肿瘤标志的检测结果第27-31页
            3.2.2.1 暴露组组和对照组血清 CEA、NSE、GAS、SA、Cu/Zn 和 Ca 的比较第27页
            3.2.2.2 饮酒和吸烟对 6 项肿瘤标志水平的影响第27-31页
        3.2.3 工龄和工种对暴露组六项指标的影响第31页
    3.3 神经网络、决策树和支持向量机的结果第31-35页
        3.3.1 ANN 结果第31-32页
        3.3.2 决策树结果第32-34页
        3.3.3 SVM 模型的预测结果第34页
        3.3.4 神经网络、决策树和 SVM 预测结果的比较第34-35页
    3.4 ANN 模型、C5.0 模型和 SVM 模型对暴露组的预测分析第35-37页
4 讨论第37-44页
    4.1 6 种肿瘤标志在焦炉工人中表达水平第37-40页
    4.2 数据挖掘模型的预测评价第40-42页
    4.3 数据挖掘预测模型对暴露组预测结果的讨论第42页
    4.4 研究的局限性第42-44页
5 结论第44-45页
参考文献第45-48页
综述第48-60页
    1 数据挖掘技术在肺癌早期预警中的应用研究第49-54页
        1.1 人工神经网络与肺癌相关研究第50-51页
        1.2 支持向量机(SVM)与肺癌相关研究第51-52页
        1.3 决策树技术与肺癌相关研究第52-54页
    2.焦炉工人暴露检测研究进展第54-56页
        2.1 COEs 的损害作用第54-55页
        2.2 焦炉作业工人暴露相关研究第55-56页
    参考文献第56-60页
个人简历在学期间发表的学术论文与研究成果第60-61页
致谢第61页

论文共61页,点击 下载论文
上一篇:CD38在鼻咽癌侧群细胞中高表达病通过影响ZAP70信号通路发挥其生物学效应
下一篇:七甲川花菁类荧光小分子IR-780对耐药肿瘤细胞杀伤作用的实验研究