呼出气体肺癌标志物采集与筛选及数据管理系统研究

发布时间：2017-04-21 09:03

  本文关键词：呼出气体肺癌标志物采集与筛选及数据管理系统研究，，由笔耕文化传播整理发布。

【摘要】：肺癌作为最致命的恶性肿瘤之一严重威胁人类健康,如果能找出一种快速无创的筛查手段将大大降低致死率。呼出气体诊断方法具有快速无创的特点,是肺癌早期筛查的理想方法之一。本文主要研究工作和创新点如下：1.新型呼出气体采集仪的设计和制作针对呼出气体采集的需求,对气体采集仪器气路、电路和软件进行了优化设计,并制定标准采集流程,实现了对呼出气体挥发性有机物(VOC)和冷凝物(EBC)同时采集的气体采集仪器。实验结果表明,该仪器可以有效收集呼出气体中内源性VOCs,EBC的采集量与商用仪器具有良好的一致性。2.筛选出呼出气体中5种肺癌标志物并建立诊断模型在气体采集仪器的基础上,对收集到的VOCs样本利用气相色谱质谱联用仪(GC-MS)进行了检测,并利用支持向量机、随机森林、神经网络等多种算法从5000多种检出有机物中确定了5种较为的可信肺癌标志物和若干种潜在标志物。基于上述5种标志物建立了优化诊断模型,整体正确率86.89%,特异性87.47%,敏感性83.34%。3.设计了肺癌呼气数据及相关信息的存储、管理数据库系统在基于VOCs肺癌标志物诊断模型的基础上,设计了肺癌信息数据库,为肺癌相关数据的收集、管理和肺癌标志物的进一步挖掘和验证提供基础。基准测试表明,数据库对上百条并发请求的响应时间在1s内,满足中小规模应用需求。4.提出了肺癌数据分布式分布式云平台并对算法并行化进行了研究针对呼气标志物缺乏多领域交叉验证的问题,提出了基于Hadoop的肺癌数据云平台,完成了平台架构设计,并基于适用于大数据挖掘的Map-Reduce分布式编程模型进行了经典算法并行化的研究。
【关键词】：肺癌 呼吸检测 挥发性有机物 数据库 云平台
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TH789;R734.2
【目录】：

• 摘要5-6
• Abstract6-12
• 第1章 绪论12-19
• 1.1 肺癌概述12-16
• 1.1.1 肺癌的病因12-13
• 1.1.2 肺癌常规诊断手段13-14
• 1.1.3 肺癌呼出气体诊断方法14-16
• 1.2 肺癌与数据库技术16-17
• 1.3 肺癌与大数据17-18
• 1.4 本文主要内容18-19
• 第2章 气体采集仪器设计19-44
• 2.1 需求分析19-20
• 2.2 采气仪设计20-40
• 2.2.1 气路设计21-27
• 2.2.2 电路设计27-33
• 2.2.3 软件设计33-38
• 2.2.4 采集流程及显示38-40
• 2.3 采气仪效果评价40-44
• 2.3.1 CO_2传感器对死腔气体甄别效果40-41
• 2.3.2 温度控制效果41-42
• 2.3.3 EBC采集效果42-43
• 2.3.4 VOC采集效果43-44
• 第3章 VOC的测定及肺癌标志物的确定44-64
• 3.1 实验方法44-45
• 3.1.1 实验对象44-45
• 3.1.2 采样流程45
• 3.1.3 检测参数45
• 3.2 数据处理45-50
• 3.2.1 数据挖掘算法45-48
• 3.2.2 数据处理方法48-50
• 3.3 数据分析及建模结果50-58
• 3.3.1 肺癌患者与健康人吸烟者50-52
• 3.3.2 肺癌患者与健康人非吸烟者52-54
• 3.3.3 肺癌患者与肺良性病患者54-56
• 3.3.4 肺癌患者与非肺癌患者56-58
• 3.4 结果分析讨论58-62
• 3.5 基于RF方法的优化诊断模型62-64
• 第4章 肺癌信息数据库的设计64-87
• 4.1 数据库管理系统64-67
• 4.2 需求分析67-70
• 4.2.1 数据需求分析67-68
• 4.2.2 功能需求分析68-70
• 4.3 概念结构70-74
• 4.4 逻辑结构74-80
• 4.5 用户子模式80-83
• 4.6 数据库性能测试83-87
• 第5章 分布式肺癌数据云平台的探索研究87-106
• 5.1 Hadoop生态系统和核心机制87-93
• 5.1.1 Hadoop分布式文件系统(HDFS)88-90
• 5.1.2 Map-Reduce编程模型90-92
• 5.1.3 HBase分布式数据库92-93
• 5.2 云平台架构及部署93-98
• 5.2.1 数据构成分析93-94
• 5.2.2 功能需求分析94-96
• 5.2.3 平台部署96-98
• 5.3 基于Map-Reduce的并行数据挖掘算法98-106
• 5.3.1 K-means聚类算法并行化99-101
• 5.3.2 支持向量机(SVM)算法并行化101-103
• 5.3.3 其他经典算法的并行化机制讨论103-106
• 第6章 总结与展望106-108
• 6.1 总结106-107
• 6.2 展望107-108
• 参考文献108-112
• 作者简历112-113
• 致谢113

【相似文献】

中国重要会议论文全文数据库 前2条

1 刘举珍;蔡铁铁;秦莎娜;;血清肺癌标志物联合检测对肺癌的诊断价值[A];首届全国肿瘤核医学新技术研讨会论文集[C];2007年

2 程广源;;肺癌标志物的临床意义及良恶性胸水的鉴定诊断[A];安徽省抗癌协会第四次代表大会暨乳腺癌、肺癌专业委员会成立会议、安徽省肿瘤防治进展学术研讨会论文汇编[C];2001年

中国硕士学位论文全文数据库 前4条

1 李显;肺癌VOCs静态配气系统的研究与设计[D];重庆大学;2015年

2 郎朗;呼出气体肺癌标志物采集与筛选及数据管理系统研究[D];浙江大学;2016年

3 於锦;呼出气体及其冷凝物中肺癌标志物及其检测方法的研究[D];浙江大学;2011年

4 宋坤;肺癌气体标志物可视化传感检测新方法[D];重庆大学;2012年

  本文关键词：呼出气体肺癌标志物采集与筛选及数据管理系统研究，由笔耕文化传播整理发布。

本文编号：319968