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 |