基于深度自编码的多癌症分子分型建模与分析
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-12页 |
| 1.2 癌症基因学的研究现状 | 第12-13页 |
| 1.3 项目来源及研究内容 | 第13-14页 |
| 1.4 论文结构 | 第14-15页 |
| 2 论文相关算法概述 | 第15-27页 |
| 2.1 神经网络算法 | 第15-18页 |
| 2.2 深度自编码器算法 | 第18-21页 |
| 2.3 受限玻尔兹曼机算法 | 第21-23页 |
| 2.4 聚类算法 | 第23-26页 |
| 2.5 本章小结 | 第26-27页 |
| 3 基于深度自编码的多癌症分子分型建模 | 第27-43页 |
| 3.1 多癌症分子分型问题描述 | 第27-28页 |
| 3.2 癌症原始测序数据预处理 | 第28-31页 |
| 3.3 基于深度自编码的多癌症分子分型建模 | 第31-39页 |
| 3.4 多癌症分子分型的分析方法 | 第39-42页 |
| 3.5 本章小结 | 第42-43页 |
| 4 多癌症分子分型建模的验证与分析 | 第43-53页 |
| 4.1 基于深度自编码的癌症数据降维验证 | 第43-46页 |
| 4.2 基于聚类模型的癌症分子分型建模验证 | 第46-47页 |
| 4.3 多癌症分子分型的生物特征分析 | 第47-51页 |
| 4.4 多癌症分子分型的医疗方案分析 | 第51-52页 |
| 4.5 本章小结 | 第52-53页 |
| 5 总结及展望 | 第53-55页 |
| 5.1 本文工作总结 | 第53页 |
| 5.2 前景及展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-60页 |
