自组织竞争网络在患者癌症发病预测中的应用开题报告

全文总字数：1345字

1. 研究目的与意义

对于癌症的治疗，仍然是目前医学界与学术界无法攻克的难题，而其中一个重要的原因，就是癌症病例大多是在癌症晚期才得到诊断和发现，此时的癌细胞已经扩散至全身，失去控制，往往治愈的几率非常小，希望渺茫， 因此，癌症类型的早期诊断和预后已成为癌症研究的必要条件。

在过去的几十年里, 癌症研究正日趋成熟。

基因表达谱数据的利用是癌症预测研究的热点之一。

2. 国内外研究现状分析

在过去的十余年间，越来越多的学者以及科学家开始采用肿瘤细胞的基因表达谱数据进行模式识别，并多取得了较好的成果。

furey提出了利用支持向量机（support vector machine）来对肿瘤组织样本进行分类验证，结果表明, 此方法对组织和细胞类型的分类是有效的。

listgarten使用了乳腺癌数据集, 使用决策树、朴素贝叶斯、svms等模型，结果发现svms的效果为最佳。

3. 研究的基本内容与计划

研究内容：1、完成癌症病例基因样本的收集工作。

2、完成自组织竞争神经网络算法的设计和python实现3、将样本投入模型进行训练。

4、对模型进行评估，与其他算法进行对比分析。

4. 研究创新点

自组织竞争神经网络是通过自动寻找训练样本中潜在的规则和属性，自组织自适应地改变网络参数和结构的一种神经网络模型，是一种无监督学习。

由于其自适应性，可以极大地方便求最优解。

将此算法应用于癌症基因表达量，可以省去标签的获取环节