基于深度学习的癌症分类模型研究

发布时间：2017-09-08 20:08

  本文关键词：基于深度学习的癌症分类模型研究

  更多相关文章： 癌症分类 深度学习 TCGA

【摘要】：癌症基因组学是当前遗传生物学和生物医学领域的重点研究方向,关于癌症致病原理的研究能够有效地指导制定合理的癌症治疗方案和研发癌症治疗药物。另一方面,由于高通量基因测序仪器的发展,个人的基因测序成本大大降低,癌症治疗逐渐向个性化治疗发展,而根据基因测序数据对癌症患病进行预测对于癌症的早期诊断和治疗都有很大的帮助。本文提出了基于深度置信网络的癌症分类模型,利用TCGA计划提供的3281名癌症病人的测序数据,能够根据癌症病人的测序数据进行癌症患病的分类预测,同时能够挖掘模型中隐藏的针对不同癌症疾病的突变基因模式和规律。本文的主要工作集中在两个方面:(1)针对癌症分类预测问题,本文采用的DBN模型通过无监督预训练和有监督训练调整相结合的训练方式,逐层提取了癌症病人测序数据中的特征,同时利用这些层次化的特征数据来进行分类预测,最终在分类性能上超越了SVM、MLP等分类模型。(2)针对癌症突变基因模式和规律的挖掘,本文采用了网络结点激励最大化算法和统计方法相结合的方式进行分析,找出了12种Pan-cancer癌症的关键致病基因,并结合当前在遗传生物学领域的研究结果进行评估和验证。实验结果表明,本文提出的基于深度学习算法的DBN模型在癌症分类问题上具有优秀的分类性能,而且DBN模型能挖掘出针对不同癌症具有研究价值的突变基因模式,为进一步对癌症致病原理的生物学研究提供参考。
【关键词】：癌症分类 深度学习 TCGA
【学位授予单位】：华中科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：R730.2
【目录】：

• 摘要4-5
• ABSTRACT5-8
• 1. 绪论8-14
• 1.1 课题背景和意义8-10
• 1.2 课题方向及相关研究10-13
• 1.3 课题来源及研究内容13
• 1.4 章节内容安排13-14
• 2. 课题相关技术14-26
• 2.1 神经网络算法14-15
• 2.2 深度学习算法15-24
• 2.3 相关软件24-25
• 2.4 本章小结25-26
• 3. TCGA癌症分类模型的设计26-39
• 3.1 问题描述26
• 3.2 数据预处理26-31
• 3.3 分类模型的设计31-35
• 3.4 分类模型评估方法35-38
• 3.5 本章小结38-39
• 4. TCGA癌症分类模型的实现39-63
• 4.1 分类模型实现概述39-40
• 4.2 分类模型的实现40-53
• 4.3 深度置信网络模型分析53-55
• 4.4 实验分析结果55-62
• 4.5 本章小结62-63
• 5. 总结与展望63-65
• 5.1 本文工作总结63-64
• 5.2 前景与展望64-65
• 致谢65-66
• 参考文献66-69

【相似文献】

中国期刊全文数据库 前1条

1 武伦梅;;营养与训练后恢复[J];游泳季刊;1999年04期

中国硕士学位论文全文数据库 前2条

1 原野;室内WiFi指纹定位系统中的半监督训练方法研究[D];上海交通大学;2015年

2 叶永盛;基于深度学习的癌症分类模型研究[D];华中科技大学;2015年

，

本文编号：816056