基于肿瘤标志群的不同判别模型在肺癌辅助诊断中的应用

发布时间：2017-06-08 19:05

  本文关键词：基于肿瘤标志群的不同判别模型在肺癌辅助诊断中的应用，，由笔耕文化传播整理发布。

【摘要】：目的随着肺癌发病率及死亡率逐年增长,肺癌已成为严重威胁人类健康的恶性肿瘤,目前成为亟待解决的公共卫生难题。数据挖掘技术在解决大样本和多参数问题的优势使其在医学领域得到广泛研究。课题组近年来一直致力于肺癌辅助诊断研究,筛选出癌胚抗原(carcinoembryonic antigen,CEA)、神经元特异性烯醇化酶(neuron specific enolase,NSE)、胃泌素、唾液酸(sialic acid,SA)、铜锌比值(Cu/Zn)、血清钙离子、DNA甲基转移酶1(DNA methyltransferase 1,DNMT1)、DNA甲基转移酶3A(DNA methyltransferase 3A,DNMT3A)、DNA甲基转移酶3B(DNA methyltransferase 3B,DNMT3B)和组蛋白去乙酰化酶1(histone deacetylase,HDAC1)等10余种肺癌生物标志,但这些生物标志如何有效地组成肿瘤标志物群用于肺癌辅助诊断还有待于进一步研究。该论文依据前期筛选的10项肺癌生物标志,联合流行病学资料、临床与影像资料,应用人工神经网络(artificial neural network,ANN)技术建立了肺癌辅助诊断系统。此研究将探讨这10项指标对辅助诊断的预测效果;同时重建人工神经网络(artificial neural network,ANN)模型,并与决策树(decision tree,DT)C5.0模型、支持向量机(support vector rmachine,SVM)模型及判别分析模型比较;筛选出优化的预测模型为后续研究打下基础,以期提高肿瘤标志对肺癌辅助诊断价值,达到对肺癌辅助诊断和鉴别诊断的目的。对象与方法1.研究对象:180例肺癌组和243例肺良性疾病组样本均取自郑州大学第一附属医院,所有样本均经细胞学或组织病理学诊断。2.实验方法:采用放射免疫法检测血清中CEA、NSE和胃泌素水平,ICP-MS检测血清铜、血清锌的浓度,运用改进的间苯二酚显色法测定唾液酸浓度,利用全自动化分析仪测定血清钙浓度,采用ELISA测定DNMT1、DNMT3A、DNMT3B和HDAC1含量。3.数据挖掘:样本按3:1的比例随机分成训练集和预测集,运用ANN技术、C5.0技术、Fsher判别分析和SVM建模,然后对样本进行预测,应用ROC曲线对这4种模型的预测结果进行比较,4模型均采用Clementine 12.0软件实现。4.运用SPSS21.0软件进行统计学分析。根据定量资料分布类型选择表示方法及统计学检验方法,定性资料组间比较用χ2检验;检验水准α=0.05。结果:1.肺癌组和肺良性疾病组中CEA、胃泌素、NSE、DNMT1、DNMT3A和DNMT3B差异有统计学意义(P0.05),其中肺癌组肿瘤标志物水平高于肺良性疾病组。2.增加发热出汗、咳痰、痰中带血、肺部感染及结节5项临床与影像资料可以有效地提高辅助诊断模型的准确率。3.辅助诊断模型最好的是优化全部指标的ANN模型;ROC曲线下面积(AUC)较高的有六种模型,但差异无统计学意义(P0.05)。结论综合运用流行病学特征(性别、年龄、吸烟史)及临床症状(咳痰、痰中带血、发热出汗及肺部感染)与肿瘤标志(DNMT3B、DNMT1、HDAC1、NSE、胃泌素和CEA)建立的人工神经网络模型对肺癌辅助诊断效果较好,有望用于临床肺癌辅助诊断和鉴别诊断。
【关键词】：肿瘤标志 肺癌 数据挖掘 DNMT 辅助诊断
【学位授予单位】：郑州大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R734.2
【目录】：

• 摘要4-6
• Abstract6-15
• 英文缩略词表15-16
• 1 引言16-18
• 2 材料与方法18-27
• 2.1 材料18-20
• 2.1.1 血清样本收集保存18
• 2.1.2 临床与影像资料18-19
• 2.1.3 主要试剂与仪器19-20
• 2.1.3.1 主要实验试剂19-20
• 2.1.3.2 主要实验仪器20
• 2.2 实验方法20-24
• 2.2.1 CEA测定20-21
• 2.2.2 NSE测定21-22
• 2.2.3 胃泌素测定22
• 2.2.4 血清钙的测定22-23
• 2.2.5 唾液酸的测定23
• 2.2.6 血清铜、锌的测定23
• 2.2.7 DNMT1测定23
• 2.2.8 DNMT3A测定23
• 2.2.9 DNMT3B测定23-24
• 2.2.10 HDAC1测定24
• 2.3 质量控制24
• 2.4 数据挖掘模型的建立24-25
• 2.4.1 数据归一化处理24-25
• 2.4.2 ANN模型25
• 2.4.3 决策树C5.0 模型25
• 2.4.4 支持向量机模型（SVM）25
• 2.4.5 模型评价25
• 2.5 统计学方法25-27
• 3 结果27-63
• 3.1 人群流行病学资料及临床与影像资料27-28
• 3.2 10项肿瘤标志物检测结果28-40
• 3.2.1 血清肿瘤标志物标准曲线的绘制28-30
• 3.2.2 肺癌组和肺良性疾病组10项血清肿瘤标志物的检测结果30-37
• 3.2.2.1 肺癌组和肺良性疾病组血清10种肿瘤标志物的比较30-31
• 3.2.2.2 年龄、性别、饮酒和吸烟与10项肿瘤标志水平的关系31-37
• 3.2.3 三组Logistic回归分析结果37-40
• 3.3 神经网络、决策树、支持向量机和Fisher判别分析的结果40-63
• 3.3.1 ANN结果40-44
• 3.3.2 决策树结果44-48
• 3.3.3 SVM模型的预测结果48-52
• 3.3.4 判别分析模型的预测结果52-55
• 3.3.5 神经网络、决策树、SVM和Fisher判别分析预测结果的比较55-61
• 3.3.6 模型的调整61-62
• 3.3.7 模型的应用62-63
• 4 讨论63-69
• 4.1 肿瘤标志物在肺癌组以及肺良性疾病组的表达水平63-64
• 4.2 数据挖掘模型的预测评价64-68
• 4.3 研究的局限性68-69
• 5 结论69-70
• 参考文献70-73
• 基于数据挖掘技术的优化指标群对肺癌的辅助诊断研究73-81
• 1 数据挖掘技术在肺癌早期辅助诊断中的应用研究73-76
• 1.1 人工神经网络与肺癌相关研究74-75
• 1.2 决策树技术与肺癌相关研究75-76
• 1.3 支持向量机(SVM)与肺癌相关研究76
• 2 结束语76-77
• 参考文献77-81
• 个人简历在学期间发表的学术论文与研究成果81-82
• 致谢82

【相似文献】

中国期刊全文数据库 前10条

1 韦怀新,蔡绍曦;医学生辅助诊断能力的培养[J];中国医学伦理学;2005年01期

2 张浩良;;中草药在辅助诊断方面的应用[J];山东中医学院学报;1980年03期

3 裴希军;张庄林;赵顺标;;急性腹痛610例病因及辅助诊断方法分析[J];现代中西医结合杂志;2008年14期

4 任少平;刘中苏;;急性兰尾炎的现代辅助诊断方法[J];川北医学院学报;1993年04期

5 史锡腾,周涛;最大似然法和医疗辅助诊断方法[J];数理医药学杂志;1999年02期

6 朱勇;张一芳;谢慧;;64排螺旋CT辅助诊断锁骨下动脉盗血综合征一例[J];实用医技杂志;2010年12期

7 于江,李福胜;风湿热辅助诊断的初步分析[J];黔南民族医专学报;1996年02期

8 朱学才;用红外热图辅助诊断小儿炎症性呼吸道疾病[J];红外技术;1997年06期

9 许申,吴蓝朝;肺癌与肺结核实验室辅助诊断的进展[J];临床肺科杂志;2000年03期

10 李章勇,谢正祥;影像辅助诊断学习系统的设计[J];生物医学工程学杂志;2004年04期

中国重要会议论文全文数据库 前4条

1 刘峰;葛霁光;;基于共享信息发布体辅助诊断系统的有效规则增强方案[A];中国生物医学工程学会第六次会员代表大会暨学术会议论文摘要汇编[C];2004年

2 侯锐;周宏志;秦瑞峰;丁宇翔;刘平;王力锋;马洋;莫静珍;张述寅;胡开进;;采用CBCT辅助诊断严重拔牙并发症22例[A];第10次全国口腔颌面医学影像学专题研讨会暨国家级口腔颌面医学影像诊断学新进展学习班论文汇编[C];2012年

3 袁云娥;刘险峰;吴英杰;李洪娟;;应用现代红外影像技术开展中医辅助诊断数字影像化的实践与研究[A];全国第十二次中医诊断学术年会论文集[C];2011年

4 谢青;夏宏杰;;B超辅助诊断痉挛性斜颈指导治疗——附两例分析[A];中国康复医学会第三次康复治疗学术大会论文汇编[C];2002年

中国重要报纸全文数据库 前1条

1 首席记者 孙燕明;242个地级以上城市实行辅助诊断检查互认制[N];中国消费者报;2007年

中国硕士学位论文全文数据库 前10条

1 周羿阳;基于Hadoop的医疗辅助诊断系统的设计与实现[D];东华大学;2016年

2 李尊税;基于肿瘤标志群的不同判别模型在肺癌辅助诊断中的应用[D];郑州大学;2016年

3 李海鲲;计算机中医辅助诊断和医院信息管理系统的研究[D];合肥工业大学;2005年

4 聂涅;基于Internet的远程智能医疗辅助诊断系统[D];西安电子科技大学;2001年

5 倪洁;基于3G的急救辅助诊断系统的设计与实现[D];哈尔滨工业大学;2011年

6 佟勇;基于FPGA的辅助诊断系统[D];黑龙江大学;2013年

7 刘斯颀;面向智能服装的多信息融合医学辅助诊断的应用研究[D];东华大学;2010年

8 车国海;基于ATMS的复合型脾虚证辅助诊断系统的设计和实现[D];暨南大学;2006年

9 钟春燕;经食道超声心动图仿真辅助诊断系统的研制及临床应用[D];第三军医大学;2012年

10 吴裕豪;SVM分类模型在癌症突变辅助诊断中的应用[D];重庆大学;2014年

  本文关键词：基于肿瘤标志群的不同判别模型在肺癌辅助诊断中的应用，由笔耕文化传播整理发布。

本文编号：433446