面向组学数据的疾病特征分析方法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究背景 | 第9-10页 |
| ·本文的研究内容 | 第10-11页 |
| ·本文的主要工作及章节安排 | 第11-15页 |
| 第二章 面向组学数据的中级融合分类方法的研究 | 第15-27页 |
| ·引言 | 第15-16页 |
| ·研究背景 | 第15页 |
| ·研究现状 | 第15-16页 |
| ·中级融合算法 | 第16-20页 |
| ·融合算法流程 | 第16-19页 |
| ·融合算法分析 | 第19-20页 |
| ·实验结果及分析 | 第20-24页 |
| ·低级融合法 | 第20页 |
| ·高级融合法 | 第20-21页 |
| ·分类评价指标 | 第21-22页 |
| ·非小细胞肺癌与肾癌数据集 | 第22-23页 |
| ·结肠直肠癌与结肠直肠腺瘤数据集 | 第23-24页 |
| ·讨论 | 第24-25页 |
| ·本章小结 | 第25-27页 |
| 第三章 基于分层决策思想的病情分析预测方法的研究 | 第27-39页 |
| ·引言 | 第27-28页 |
| ·研究背景 | 第27-28页 |
| ·研究现状 | 第28页 |
| ·基于分层决策思想的病情分析预测方法 | 第28-32页 |
| ·分层决策思想 | 第28-30页 |
| ·不同划分下的主成分提取及分类 | 第30-31页 |
| ·特征相关网络的构建 | 第31-32页 |
| ·实验结果及分析 | 第32-38页 |
| ·实验数据 | 第32页 |
| ·基于分层决策思想的病情预测 | 第32-34页 |
| ·组学特征相关网络的构建 | 第34-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 基于组学特征序关系的疾病特征的模式发现 | 第39-59页 |
| ·引言 | 第39-41页 |
| ·研究背景 | 第39-40页 |
| ·研究现状 | 第40-41页 |
| ·序关系的模式搜索方法 | 第41-51页 |
| ·问题的转化 | 第41-42页 |
| ·最长公共子串法 | 第42-45页 |
| ·K编码模式搜索法 | 第45-47页 |
| ·基于最长公共子串的融合分析法 | 第47-51页 |
| ·实验结果及分析 | 第51-57页 |
| ·59个样本的实验数据及结果分析 | 第51-56页 |
| ·27个样本的实验数据及结果分析 | 第56-57页 |
| ·本章小结 | 第57-59页 |
| 第五章 结论 | 第59-63页 |
| ·工作总结 | 第59-60页 |
| ·后续工作 | 第60-63页 |
| 参考文献 | 第63-71页 |
| 致谢 | 第71-73页 |
| 在读期间发表的学术论文与取得的研究成果 | 第73页 |
