首页--医药、卫生论文--肿瘤学论文--呼吸系肿瘤论文--肺肿瘤论文

基于数据挖掘技术的肿瘤标志蛋白芯片在肺癌辅助诊断中的应用

摘要第1-7页
Abstract第7-14页
1 引言第14-18页
2 材料与方法第18-25页
   ·材料第18-19页
     ·血清的收集与保存第18页
     ·主要试剂与仪器第18-19页
   ·实验方法第19页
     ·肿瘤标志的测定第19页
     ·正常参考值范围第19页
   ·数据的处理和统计分析第19-25页
     ·统计学分析第20-21页
     ·决策树的设置第21-22页
     ·ANN的设置第22-23页
     ·非条件二分类Logistic回归分析第23-24页
     ·Fisher判别分析的设置第24-25页
3 结果第25-34页
   ·研究对象的一般情况第25页
   ·血清肿瘤标志的检测结果第25-27页
   ·决策树、神经网络、二项Logistic回归分析、Fisher判别分析结果第27-32页
     ·决策树结果第27-29页
     ·ANN结果第29-30页
     ·非条件二分类Logistic回归分析结果第30-31页
     ·Fisher判别分析结果第31-32页
   ·决策树、神经网络、二项Logistic回归分析、Fisher判别分析预测结果的比较第32-34页
4 讨论第34-42页
   ·肿瘤标志对肺癌的辅助诊断的临床价值第34-37页
   ·四种模型对肺癌的预测第37-40页
     ·决策树模型的评价第38页
     ·ANN模型评价第38-39页
     ·Logistic回归分析模型评价第39页
     ·Fisher判别分析模型评价第39-40页
   ·四种分类模型的比较第40页
   ·展望第40-42页
5 结论第42-43页
参考文献第43-46页
综述 肿瘤标志在肺癌诊疗中的研究进展第46-68页
 参考文献第61-68页
个人简历、在校期间发表的论文及研究成果第68-69页
致谢第69页

论文共69页,点击 下载论文
上一篇:美学艺术主义批判--审美多元化与当代美学的选择
下一篇:17-AAG联合顺铂治疗BALB/c小鼠肝癌腹腔转移的实验研究