本文關(guān)鍵詞：呼出氣體肺癌標(biāo)志物采集與篩選及數(shù)據(jù)管理系統(tǒng)研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：肺癌作為最致命的惡性腫瘤之一嚴(yán)重威脅人類健康,如果能找出一種快速無創(chuàng)的篩查手段將大大降低致死率。呼出氣體診斷方法具有快速無創(chuàng)的特點,是肺癌早期篩查的理想方法之一。本文主要研究工作和創(chuàng)新點如下：1.新型呼出氣體采集儀的設(shè)計和制作針對呼出氣體采集的需求,對氣體采集儀器氣路、電路和軟件進(jìn)行了優(yōu)化設(shè)計,并制定標(biāo)準(zhǔn)采集流程,實現(xiàn)了對呼出氣體揮發(fā)性有機(jī)物(VOC)和冷凝物(EBC)同時采集的氣體采集儀器。實驗結(jié)果表明,該儀器可以有效收集呼出氣體中內(nèi)源性VOCs,EBC的采集量與商用儀器具有良好的一致性。2.篩選出呼出氣體中5種肺癌標(biāo)志物并建立診斷模型在氣體采集儀器的基礎(chǔ)上,對收集到的VOCs樣本利用氣相色譜質(zhì)譜聯(lián)用儀(GC-MS)進(jìn)行了檢測,并利用支持向量機(jī)、隨機(jī)森林、神經(jīng)網(wǎng)絡(luò)等多種算法從5000多種檢出有機(jī)物中確定了5種較為的可信肺癌標(biāo)志物和若干種潛在標(biāo)志物�；谏鲜�5種標(biāo)志物建立了優(yōu)化診斷模型,整體正確率86.89%,特異性87.47%,敏感性83.34%。3.設(shè)計了肺癌呼氣數(shù)據(jù)及相關(guān)信息的存儲、管理數(shù)據(jù)庫系統(tǒng)在基于VOCs肺癌標(biāo)志物診斷模型的基礎(chǔ)上,設(shè)計了肺癌信息數(shù)據(jù)庫,為肺癌相關(guān)數(shù)據(jù)的收集、管理和肺癌標(biāo)志物的進(jìn)一步挖掘和驗證提供基礎(chǔ)�；鶞�(zhǔn)測試表明,數(shù)據(jù)庫對上百條并發(fā)請求的響應(yīng)時間在1s內(nèi),滿足中小規(guī)模應(yīng)用需求。4.提出了肺癌數(shù)據(jù)分布式分布式云平臺并對算法并行化進(jìn)行了研究針對呼氣標(biāo)志物缺乏多領(lǐng)域交叉驗證的問題,提出了基于Hadoop的肺癌數(shù)據(jù)云平臺,完成了平臺架構(gòu)設(shè)計,并基于適用于大數(shù)據(jù)挖掘的Map-Reduce分布式編程模型進(jìn)行了經(jīng)典算法并行化的研究。
【關(guān)鍵詞】：肺癌 呼吸檢測 揮發(fā)性有機(jī)物 數(shù)據(jù)庫 云平臺
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TH789;R734.2
【目錄】：

• 摘要5-6
• Abstract6-12
• 第1章 緒論12-19
• 1.1 肺癌概述12-16
• 1.1.1 肺癌的病因12-13
• 1.1.2 肺癌常規(guī)診斷手段13-14
• 1.1.3 肺癌呼出氣體診斷方法14-16
• 1.2 肺癌與數(shù)據(jù)庫技術(shù)16-17
• 1.3 肺癌與大數(shù)據(jù)17-18
• 1.4 本文主要內(nèi)容18-19
• 第2章 氣體采集儀器設(shè)計19-44
• 2.1 需求分析19-20
• 2.2 采氣儀設(shè)計20-40
• 2.2.1 氣路設(shè)計21-27
• 2.2.2 電路設(shè)計27-33
• 2.2.3 軟件設(shè)計33-38
• 2.2.4 采集流程及顯示38-40
• 2.3 采氣儀效果評價40-44
• 2.3.1 CO_2傳感器對死腔氣體甄別效果40-41
• 2.3.2 溫度控制效果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的測定及肺癌標(biāo)志物的確定44-64
• 3.1 實驗方法44-45
• 3.1.1 實驗對象44-45
• 3.1.2 采樣流程45
• 3.1.3 檢測參數(shù)45
• 3.2 數(shù)據(jù)處理45-50
• 3.2.1 數(shù)據(jù)挖掘算法45-48
• 3.2.2 數(shù)據(jù)處理方法48-50
• 3.3 數(shù)據(jù)分析及建模結(jié)果50-58
• 3.3.1 肺癌患者與健康人吸煙者50-52
• 3.3.2 肺癌患者與健康人非吸煙者52-54
• 3.3.3 肺癌患者與肺良性病患者54-56
• 3.3.4 肺癌患者與非肺癌患者56-58
• 3.4 結(jié)果分析討論58-62
• 3.5 基于RF方法的優(yōu)化診斷模型62-64
• 第4章 肺癌信息數(shù)據(jù)庫的設(shè)計64-87
• 4.1 數(shù)據(jù)庫管理系統(tǒng)64-67
• 4.2 需求分析67-70
• 4.2.1 數(shù)據(jù)需求分析67-68
• 4.2.2 功能需求分析68-70
• 4.3 概念結(jié)構(gòu)70-74
• 4.4 邏輯結(jié)構(gòu)74-80
• 4.5 用戶子模式80-83
• 4.6 數(shù)據(jù)庫性能測試83-87
• 第5章 分布式肺癌數(shù)據(jù)云平臺的探索研究87-106
• 5.1 Hadoop生態(tài)系統(tǒng)和核心機(jī)制87-93
• 5.1.1 Hadoop分布式文件系統(tǒng)(HDFS)88-90
• 5.1.2 Map-Reduce編程模型90-92
• 5.1.3 HBase分布式數(shù)據(jù)庫92-93
• 5.2 云平臺架構(gòu)及部署93-98
• 5.2.1 數(shù)據(jù)構(gòu)成分析93-94
• 5.2.2 功能需求分析94-96
• 5.2.3 平臺部署96-98
• 5.3 基于Map-Reduce的并行數(shù)據(jù)挖掘算法98-106
• 5.3.1 K-means聚類算法并行化99-101
• 5.3.2 支持向量機(jī)(SVM)算法并行化101-103
• 5.3.3 其他經(jīng)典算法的并行化機(jī)制討論103-106
• 第6章 總結(jié)與展望106-108
• 6.1 總結(jié)106-107
• 6.2 展望107-108
• 參考文獻(xiàn)108-112
• 作者簡歷112-113
• 致謝113

【相似文獻(xiàn)】

中國重要會議論文全文數(shù)據(jù)庫 前2條

1 劉舉珍;蔡鐵鐵;秦莎娜;;血清肺癌標(biāo)志物聯(lián)合檢測對肺癌的診斷價值[A];首屆全國腫瘤核醫(yī)學(xué)新技術(shù)研討會論文集[C];2007年

2 程廣源;;肺癌標(biāo)志物的臨床意義及良惡性胸水的鑒定診斷[A];安徽省抗癌協(xié)會第四次代表大會暨乳腺癌、肺癌專業(yè)委員會成立會議、安徽省腫瘤防治進(jìn)展學(xué)術(shù)研討會論文匯編[C];2001年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前4條

1 李顯;肺癌VOCs靜態(tài)配氣系統(tǒng)的研究與設(shè)計[D];重慶大學(xué);2015年

2 郎朗;呼出氣體肺癌標(biāo)志物采集與篩選及數(shù)據(jù)管理系統(tǒng)研究[D];浙江大學(xué);2016年

3 於錦;呼出氣體及其冷凝物中肺癌標(biāo)志物及其檢測方法的研究[D];浙江大學(xué);2011年

4 宋坤;肺癌氣體標(biāo)志物可視化傳感檢測新方法[D];重慶大學(xué);2012年

  本文關(guān)鍵詞：呼出氣體肺癌標(biāo)志物采集與篩選及數(shù)據(jù)管理系統(tǒng)研究，由筆耕文化傳播整理發(fā)布。

本文編號：319968