基于数据分析的肝癌放疗后乙肝病毒再激活模型

发布时间：2017-09-08 23:09

  本文关键词：基于数据分析的肝癌放疗后乙肝病毒再激活模型

  更多相关文章： 乙型肝炎病毒 遗传算法 特征选择 支持向量机 贝叶斯分类器

【摘要】：本文研究了基于数据分析的肝癌放疗后乙肝病毒再激活模型。通过对原发性肝癌患者的数据样本进行病情分析,共分为两种诊断类型:乙肝病毒再激活和乙肝病毒未激活。原发性肝癌患者放疗中产生的临床因素、放疗计划、DVH剂量体积参数等多种数据,组成高维向量数据群。由于数据群存在大量的冗余数据,使用传统医学统计软件,如SPSS对数据进行分析预测,很难找出与乙肝病毒再激活相关的关键信息,难以准确地构建预测模型,因此我们采用智能计算机技术对高维的数据群进行特征提取和特征优化,找到关键的特征向量集,然后使用智能分类模型进行预测。在本文中我们提出了两种方法:在模式分类前采用Logistic回归分析特征提取最优特征子集,找到关键因素,然后用支持向量机进行模式分类;初始数据集采用遗传算法进行特征提取,然后分别采用支持向量机和贝叶斯分类器进行分类识别。实验结果发现初始数据集采用支持向量机和贝叶斯分类器进行分类的正确率分别达到74.44%和75.76%,基于Logistic回归分析特征选择的支持向量机模型正确率提高到78.89%。遗传算法用于选取最优特征子集,当最优特征子集的规模为5,变异操作为高斯变异时,支持向量机分类器的正确率达到82.22%。贝叶斯分类器的正确率达到81.11%。遗传算法选取5个致使乙肝病毒再激活的危险因素分别为Child-Pugh、外放边界、TNM、HBV baseline三分类、GTV体积。两种模型通过比较发现基于遗传算法特征选择的分类模型更适合于本文中肝癌放疗后乙肝病毒再激活数据的分析。
【关键词】：乙型肝炎病毒 遗传算法 特征选择 支持向量机 贝叶斯分类器
【学位授予单位】：齐鲁工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP18;R735.7;R512.62
【目录】：

• 摘要8-9
• ABSTRACT9-10
• 第一章 绪论10-16
• 1.1 课题研究背景10
• 1.2 国内外研究现状10-12
• 1.3 预测模型建立的必要性12
• 1.4 特征选择12
• 1.5 模式识别12-13
• 1.6 本文的主要工作及创新点13-16
• 第二章 基于Logistic回归分析的特征选择16-22
• 2.1 Logistic回归分析16-18
• 2.1.1 Logistic回归分析的发展趋势16
• 2.1.2 Logistic回归分析的应用16-17
• 2.1.3 Logistic回归分析的原理17-18
• 2.2 本文提出的基于Logistic回归分析的特征提取18-22
• 2.2.1 独立样本T检验18
• 2.2.2 卡方分析18-19
• 2.2.3 秩和检验19-20
• 2.2.4 多因素分析20-22
• 第三章 基于遗传算法的特征选择22-30
• 3.1 遗传算法的基本思想22
• 3.2 遗传算法的基本原理22-25
• 3.3 遗传算法的特点及应用25
• 3.4 本文提出的基于遗传算法的特征提取25-30
• 3.4.1 编码与解码26
• 3.4.2 适应度函数的设计26-27
• 3.4.3 选择策略27
• 3.4.4 交叉策略27
• 3.4.5 变异策略27-28
• 3.4.6 群体规模28
• 3.4.7 终止条件28-30
• 第四章 模式分类30-40
• 4.1 支持向量机30-34
• 4.1.1 支持向量机的起源与发展30
• 4.1.2 支持向量机的应用30-31
• 4.1.3 支持向量机的原理31-33
• 4.1.4 支持向量机的核函数33-34
• 4.1.5 基于支持向量机的模型设计34
• 4.2 贝叶斯分类器34-38
• 4.2.1 贝叶斯理论的起源与发展34-35
• 4.2.2 贝叶斯分类器的应用35
• 4.2.3 贝叶斯定理35-37
• 4.2.4 贝叶斯分类器的原理37
• 4.2.5 本文贝叶斯分类器模块的设计37-38
• 4.3 k折交叉验证（k-fold cross-validation）38-39
• 4.4 分类器性能度量39-40
• 第五章 实验结果与分析40-58
• 5.1 原发性肝癌数据集40
• 5.2 原发性肝癌初始数据集分类结果40-42
• 5.2.1 原发性肝癌数据集采用支持向量机的分类结果41
• 5.2.2 原发性肝癌数据集采用贝叶斯分类器的分类结果41-42
• 5.3 基于Logistic回归分析特征提取SVM分类器模型42-46
• 5.3.1 Logistic回归分析的特征提取42-45
• 5.3.2 基于Logistic回归分析特征提取SVM分类结果45-46
• 5.4 基于遗传算法特征提取的分类器模型46-53
• 5.4.1 遗传算法提取的最优特征子集46-47
• 5.4.2 基于遗传算法特征提取SVM模型的分类结果47-50
• 5.4.3 基于遗传算法特征提取贝叶斯分类器模型的分类结果50-53
• 5.5 分类结果比较53-56
• 5.6 讨论56-58
• 第六章 结论58-60
• 6.1 结论58-59
• 6.2 工作展望59-60
• 参考文献60-64
• 致谢64-66
• 在学期间主要科研成果66
• 一、发表学术论文66
• 二、参与科研项目66

【相似文献】

中国期刊全文数据库 前10条

1 梁郁;浅谈幼儿园内如何预防乙肝病毒的感染和传播[J];交通医学;2002年01期

2 王珂;乙肝病毒DNA与血清标志模式的关系[J];浙江预防医学;2002年02期

3 ;杀死乙肝病毒的微型载体[J];山东中医药大学学报;2004年03期

4 范洪斌;刁培林;孙翠琴;;招远市城区乙肝病毒预防效果分析[J];医学信息;2008年12期

5 王振坤;;夜审乙肝病毒(上)[J];肝博士;2011年02期

6 王新安;肖玉珍;;要学会和乙肝病毒相处[J];肝博士;2011年06期

7 刘莉莉;;乙肝病毒可以存活多久?[J];肝博士;2012年03期

8 石利英,廖强,彭琪琦,熊道君;3342名新老兵乙肝病毒血清学调查与分析[J];西南国防医药;1994年06期

9 张迪;筑起乙肝病毒“防火墙”[J];求医问药;2005年05期

10 袁平戈;;身边的人感染了乙肝病毒怎么办？[J];家庭医药;2006年01期

中国重要会议论文全文数据库 前10条

1 肖绚;胡tD;邵世煌;;基于粗粒化元胞自动机的乙肝病毒动力学建模[A];第二十七届中国控制会议论文集[C];2008年

2 李保池;李萌;;中医药治疗乙肝病毒的新靶点[A];第十八次全国中西医结合肝病学术会议论文汇编[C];2009年

3 唐红梅;王新华;陈京立;;乙肝病毒在家庭内的传播现状(综述)[A];全国传染病护理学术交流暨专题讲座会议论文汇编[C];2005年

4 张双德;谢奇之;;一类急性乙肝病毒感染数学模型[A];现代数学和力学(MMM-XI)：第十一届全国现代数学和力学学术会议论文集[C];2009年

5 汪垣;李嵋;谢幼华;蔡彦宁;;一个参与乙肝病毒基因转录调控的新的核受体[A];中国细胞生物学学会第七次会议论文摘要汇编[C];1999年

6 董继华;饶敏;张淑玲;;乙肝病毒的体外抑制实验研究[A];第十次全国环境微生物学术研讨会论文摘要集[C];2007年

7 李佳;;乙肝病毒在临床上的各种直接或间接检测指标分析[A];中华医学会第七次全国中青年检验医学学术会议论文汇编[C];2012年

8 宋小飞;胡婷婷;刘，

本文编号：816867