基于神经网络的蛋白质质谱数据在卵巢癌诊断中的应用研究

论文摘要

妇科疾病中,卵巢癌是常见癌症之一。卵巢癌在所有癌症中有着非常显著特点:前期症状不明显,不易发现。大多数患者发现癌症已经是晚期,并且死亡率极高。但是一旦早期发现卵巢癌,并加以相应的治疗,其死亡率很低。这就迫使人们寻找对卵巢癌早期诊断的方法。本文就是以质谱数据为基础,结合模式识别方法对卵巢癌进行模式分类研究。蛋白质组学是继基因组学之后又一大生命科学的研究热点,它在癌症检测、疾病病理等方面研究得到了学者们的重视。质谱理论和质谱数据的发展促进了蛋白质组学的发展,成为人们研究蛋白质组学的有力工具。遗传算法和神经网络是人们模拟生物繁殖、优胜劣汰和生物神经设计出的优化算法和模式识别方法,在特征提取和分类方面有着广泛得应用。本文是对蛋白质质谱数据预处理,用遗传算法进行特征提取、神经网络模式识别等做了一系列的研究。本文首先建立起了数据预处理过程,包括:数据加载、去噪、基线调整等。这样使得处理过的数据能够提供更加有效的分类信息。使用NCI-FDA建立起的表面增强激光解析电离飞行时间质谱数据库数据。数据经过预处理后,使用遗传算法进行特征提取与选择。本文选取了四个特征量为最显著特征。接下来利用可视化技术中的雷达图对数据进行表达,从中提取了特征三角形面积和雷达图周长两类五个特征。最后构建出神经网络,利用所有样本的五个特征对神经网络进行训练。训练完成之后随机挑选一组质谱数据对神经网络进行检测。我们发现神经网络对数据有很好的分类效果。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 研究的目的和意义
• 1.2 卵巢癌简介
• 1.2.1 卵巢癌
• 1.2.2 几种常用卵巢癌早期诊断方法
• 1.2.3 近年研究热点与卵巢癌早期诊断技术
• 1.3 数据挖掘
• 1.3.1 数据挖掘的概念
• 1.3.2 数据挖掘的分类
• 1.3.3 常用的数据挖掘技术
• 1.4 可视化技术
• 1.4.1 可视化的概念
• 1.4.2 可视化技术的分类
• 1.5 可视化数据挖掘
• 1.5.1 可视化数据挖掘的技术方法
• 1.5.2 可视化数据挖掘的重要性
• 1.6 本文的研究内容及结构组织
• 第2章 蛋白质组学及质谱理论与技术
• 2.1 蛋白质组学简介
• 2.2 蛋白质芯片
• 2.3 质谱理论和质谱技术
• 2.4 表面加强激光解析电离质谱技术
• 2.4.1 SELDI-TOF-MS 技术基本原理与特点
• 2.4.2 机理研究
• 2.4.3 SELDI 蛋白质芯片技术的操作过程
• 2.4.4 SELDI-TOF-MS 在癌症早期诊断中的应用
• 2.5 本章小结
• 第3章 质谱数据预处理及特征提取
• 3.1 工具语言（PYTHON）
• 3.1.1 python 的特点
• 3.1.2 Python 的应用
• 3.1.3 本课题使用的python 模块
• 3.2 FDA-NCI 数据库简介
• 3.3 数据前期处理
• 3.3.1 数据的载入
• 3.3.2 降噪
• 3.3.3 基线校正
• 3.3.4 标准化
• 3.4 遗传算法进行特征提取的设计
• 3.4.1 遗传算法（Genetic Algorithm，GA）
• 3.4.2 遗传算法过程
• 3.4.3 遗传算法特点
• 3.4.4 遗传算法进行特征提取设计
• 3.5 本章小结
• 第4章 基于神经网络的蛋白质质谱数据在卵巢癌诊断的应用研究
• 4.1 模式分类
• 4.1.1 人工神经网络的结构
• 4.1.2 神经网络的反向传播算法（BP）
• 4.2 可视化质谱数据分类原理
• 4.2.1 三角形面积特征提取
• 4.2.2 雷达图总周长特征提取
• 4.3 基于神经网络的可视化质谱数据分类
• 4.3.1 神经网络构造
• 4.3.2 实验结果
• 4.4 本章小结
• 结论
• 参考文献
• 攻读学位期间承担的科研任务与主要成果
• 致谢
• 作者简介