| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.1.1 研究背景 | 第9页 |
| 1.1.2 研究意义 | 第9页 |
| 1.2 生存分析的概念 | 第9-10页 |
| 1.3 DNA甲基化的概念 | 第10-12页 |
| 1.4 国内外研究现状 | 第12-16页 |
| 1.4.1 生存分析的研究现状 | 第12-14页 |
| 1.4.2 基于临床数据生存分析的研究现状 | 第14-15页 |
| 1.4.3 基于基因表达数据生存分析的研究现状 | 第15页 |
| 1.4.4 特征选择的研究现状 | 第15-16页 |
| 1.5 本文的章节安排 | 第16-17页 |
| 第二章 癌症的单因素分析 | 第17-29页 |
| 2.1 生存分析的一些基本概念 | 第17页 |
| 2.2 COX回归 | 第17-19页 |
| 2.2.1 COX回归的含义及来源 | 第17-18页 |
| 2.2.2 COX回归模型的公式 | 第18页 |
| 2.2.3 COX模型的纵向研究 | 第18-19页 |
| 2.3 针对临床数据的单因素分析 | 第19-22页 |
| 2.3.1 临床数据的数字化处理和删失数据的处理 | 第19-20页 |
| 2.3.2 临床数据的COX回归 | 第20-22页 |
| 2.4 针对基因表达数据的单因素分析 | 第22-26页 |
| 2.4.1 基因表达数据的概念 | 第22页 |
| 2.4.2 特征选择 | 第22-25页 |
| 2.4.2.1 传统的特征选择算法 | 第22-23页 |
| 2.4.2.2 Lasso(套索)算法 | 第23-25页 |
| 2.4.3 基因表达数据的变量选择和COX回归 | 第25-26页 |
| 2.5 针对DNA甲基化数据的单因素分析 | 第26-27页 |
| 2.6 单因素生存分析的结果比较 | 第27-28页 |
| 2.7 本章小结 | 第28-29页 |
| 第三章 癌症的多因素分析 | 第29-34页 |
| 3.1 临床数据和基因表达数据组合的回归分析 | 第29-30页 |
| 3.2 临床数据和DNA甲基化数据组合的回归分析 | 第30页 |
| 3.3 基因表达数据和DNA甲基化数据组合的回归分析 | 第30-31页 |
| 3.4 临床数据、基因表达数据和甲基化数据组合的回归分析 | 第31页 |
| 3.5 多因素生存分析的结果比较 | 第31-32页 |
| 3.6 单因素、多因素回归分析的比较 | 第32-33页 |
| 3.7 本章小结 | 第33-34页 |
| 第四章 K-split Lasso 特征选择算法 | 第34-38页 |
| 4.1 K-split Lasso算法 | 第34-35页 |
| 4.1.1 K-split Lasso算法的概念 | 第34页 |
| 4.1.2 K-split Lasso的算法流程 | 第34-35页 |
| 4.2 算法改进后结果 | 第35-37页 |
| 4.3 本章小结 | 第37-38页 |
| 第五章 结果及分析 | 第38-74页 |
| 5.1 11种癌症的结果分析 | 第38-71页 |
| 5.1.1 膀胱癌的数据分析 | 第38-41页 |
| 5.1.2 乳腺癌的数据分析 | 第41-44页 |
| 5.1.3 结肠癌的数据分析 | 第44-47页 |
| 5.1.4 头颈鳞状细胞癌的数据分析 | 第47-50页 |
| 5.1.5 肾透明细胞癌的数据分析 | 第50-53页 |
| 5.1.6 肾乳头状细胞癌数据分析 | 第53-56页 |
| 5.1.7 肝癌的数据分析 | 第56-59页 |
| 5.1.8 肺腺癌的数据分析 | 第59-62页 |
| 5.1.9 肺鳞癌癌的数据分析 | 第62-65页 |
| 5.1.10 甲状腺癌的数据分析 | 第65-68页 |
| 5.1.11 子宫内膜癌的数据分析 | 第68-71页 |
| 5.2 对生存时间的计算 | 第71-72页 |
| 5.3 多种癌症的对比分析 | 第72-73页 |
| 5.4 本章小结 | 第73-74页 |
| 第六章 总结与展望 | 第74-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-81页 |
| 攻读硕士学位期间取得的研究成果 | 第81-82页 |