基于跨平台数据整合的肿瘤分类方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 研究背景及研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 本文工作及创新点 | 第14-15页 |
| 1.4 本文的组织结构 | 第15-17页 |
| 第2章 传统数据整合算法基础理论 | 第17-32页 |
| 2.1 基本概念 | 第17-21页 |
| 2.1.1 微阵列基因表达数据 | 第17-19页 |
| 2.1.2 数据整合方法与概念 | 第19-21页 |
| 2.2 传统数据融合算法 | 第21-27页 |
| 2.2.1 融合算法的一般假设 | 第21-23页 |
| 2.2.2 批次中心化(BMC) | 第23-24页 |
| 2.2.3 基于比率的方法(Ratio-A/G) | 第24-26页 |
| 2.2.4 经验贝叶斯(Combat) | 第26-27页 |
| 2.3 融合算法评价指标 | 第27-31页 |
| 2.3.1 定性评价指标 | 第28-29页 |
| 2.3.2 定量评价指标 | 第29-31页 |
| 2.4 小结 | 第31-32页 |
| 第3章 基于主成份划分的融合算法 | 第32-45页 |
| 3.1 引言 | 第32页 |
| 3.2 算法基础与算法描述 | 第32-37页 |
| 3.2.1 贝叶斯相关理论 | 第32-34页 |
| 3.2.2 主成份分析相关介绍 | 第34-35页 |
| 3.2.3 Fl-Combat算法描述 | 第35-37页 |
| 3.3 实验与分析 | 第37-44页 |
| 3.3.1 实验环境 | 第37-38页 |
| 3.3.2 实验数据集 | 第38-39页 |
| 3.3.3 实验结果 | 第39-42页 |
| 3.3.4 阈值分析 | 第42-44页 |
| 3.4 小结 | 第44-45页 |
| 第4章 基于融合算法的肿瘤分类 | 第45-57页 |
| 4.1 引言 | 第45页 |
| 4.2 肿瘤分类基础理论 | 第45-52页 |
| 4.2.1 肿瘤分类问题描述 | 第45-47页 |
| 4.2.2 传统肿瘤分类器介绍 | 第47-52页 |
| 4.3 基于数据融合的肿瘤分类模型 | 第52页 |
| 4.4 实验与分析 | 第52-56页 |
| 4.4.1 实验环境 | 第52-53页 |
| 4.4.2 实验数据集 | 第53页 |
| 4.4.3 实验结果 | 第53-55页 |
| 4.4.4 阈值分析 | 第55-56页 |
| 4.5 小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第64页 |
