基于贝叶斯方法的乳腺癌生存分析

发布时间：2021-12-17 18:10

　　癌症是一种严重威胁人类生命健康的疾病。在我国,乳腺癌是女性最常见的恶性肿瘤类型;且相比于欧美发达国家,我国乳腺癌患者的总体存活率较低。乳腺癌已经成为目前社会面临的重大公共卫生问题,亟需人们的关注和重视。针对乳腺癌患者的生存分析是目前一个重要的研究方向,它主要研究有哪些因素显著影响乳腺癌患者预后生存情况,并对其生存期进行预测。生存分析能够帮助医师有针对性地选择治疗方案;帮助患者预测疾病的发展方向,以及可能的生存期;帮助研究者判断药物或者治疗方案的有效性。在针对乳腺癌数据的预后生存分析中,越来越多的研究者开始关注阳性淋巴结比率（Lymph Node Ratio,LNR）这一特征对患者预后生存情况的影响。LNR通过计算检验切片上阳性淋巴结个数占淋巴结总数的比率得到。但实际应用中,该特征受到检验观测手法不同等原因的影响,不能准确地反应患者LNR的总体真实情况。因此,本文提出了基于患者的病理特征,通过逻辑回归算法和贝叶斯方法对LNR进行估计,取得了比直接使用其切检值进行预后生存分析更好的效果。此外,在生存分析中,为处理数据集中不满足Cox回归模型比例风险假设的特征,本文分别提出了基于贝叶斯方法的... 

【文章来源】：华北电力大学(北京)北京市 211工程院校 教育部直属院校

【文章页数】：60 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 引言
    1.1 研究背景和意义
    1.2 研究现状
        1.2.1 生存分析
        1.2.2 阳性淋巴结比率(LNR)
    1.3 本文的主要工作与论文安排
第2章 LNR估计
    2.1 LNR估计方法
        2.1.1 基于逻辑回归的LNR估计
        2.1.2 基于贝叶斯方法的LNR估计
    2.2 小结
第3章 生存分析
    3.1 比例风险假设检验方法
        3.1.1 图像法
        3.1.2 Schoenfeld残差
        3.1.3 添加时变变量
    3.2 分层Cox回归模型
        3.2.1 分层Cox回归模型概述
        3.2.2 基于贝叶斯方法的分层Cox回归模型
    3.3 时变Cox回归模型
        3.3.1 时变Cox回归模型
        3.3.2 基于贝叶斯方法的动态Cox回归模型
    3.4 生存分析模型的评价方法
        3.4.1 一致性指数
        3.4.2 ROC/AUC曲线
    3.5 小结
第4章 LNR估计与生存分析仿真
    4.1 数据描述
    4.2 LNR估计结果
        4.2.1 特征选择
        4.2.2 逻辑回归估计LNR
        4.2.3 贝叶斯方法估计LNR
        4.2.4 过拟合验证
    4.3 生存分析仿真
        4.3.1 比例风险模型假设
        4.3.2 基于贝叶斯方法的分层Cox回归模型
        4.3.3 基于贝叶斯方法的动态Cox回归模型
    4.4 结果讨论
        4.4.1 训练结果比较
        4.4.2 预测结果比较
    4.5 小结
第5章 总结与展望
    5.1 总结
    5.2 展望
参考文献
攻读硕士学位期间发表的论文及其它成果
致谢



本文编号：3540662