| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题背景及研究的目的和意义 | 第10页 |
| 1.2 研究现状 | 第10-11页 |
| 1.3 预备知识介绍 | 第11-13页 |
| 1.3.1 乳腺癌基因芯片数据的获取——GEO数据库 | 第11-12页 |
| 1.3.2 基因芯片数据简介 | 第12页 |
| 1.3.3 雌激素受体简介 | 第12-13页 |
| 1.4 本文主要工作 | 第13-15页 |
| 第2章 ER+乳腺癌的预后研究 | 第15-26页 |
| 2.1 研究对象与方法 | 第15页 |
| 2.2 数据预处理 | 第15-18页 |
| 2.3 单因素Cox比例风险回归模型初步筛选基因 | 第18-20页 |
| 2.4 计算风险分数,对患者进行分类 | 第20-22页 |
| 2.5 LASSO方法筛选基因 | 第22页 |
| 2.6 生存树方法进行预测 | 第22-25页 |
| 2.7 本章小结 | 第25-26页 |
| 第3章 ER-乳腺癌的预后研究 | 第26-35页 |
| 3.1 研究对象与方法 | 第26页 |
| 3.2 数据预处理 | 第26-29页 |
| 3.3 单因素Cox比例风险回归模型初步筛选基因 | 第29-30页 |
| 3.4 计算风险分数,对患者进行分类 | 第30-32页 |
| 3.5 LASSO方法筛选基因 | 第32页 |
| 3.6 生存树方法进行预测 | 第32-34页 |
| 3.7 本章小结 | 第34-35页 |
| 第4章 ER+与ER-乳腺癌的分类 | 第35-41页 |
| 4.1 研究对象与方法 | 第35页 |
| 4.2 数据预处理 | 第35-36页 |
| 4.3 Logistic回归初步筛选基因 | 第36-38页 |
| 4.3.1 Logitic回归简介 | 第36-37页 |
| 4.3.2 Logistic回归模型筛选基因 | 第37-38页 |
| 4.4 随机森林方法分类 | 第38-40页 |
| 4.4.1 随机森林简介 | 第38-39页 |
| 4.4.2 建立随机森林模型 | 第39-40页 |
| 4.5 本章小结 | 第40-41页 |
| 第5章 结论与展望 | 第41-43页 |
| 参考文献 | 第43-46页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第46-47页 |
| 致谢 | 第47页 |