-
-
- 基于多组学数据相似性学习的癌症亚型预测方法研究
-
- 作者：刘健//王雪松//程玉虎//葛曙光|责编:仓小金
- 出版社：中国矿大
- ISBN：9787564665258
-
售价：22.4
-
内容大纲
本书针对癌症多组学数据的特点，以相似性学习为出发点，以子空间学习、图学习、深度学习等理论和技术为基本手段，通过对癌症亚型预测问题的研究与探索，提出了多种基于多组学数据相似性学习的癌症亚型预测算法。
本书试图通过系统梳理多组学数据相似性学习的理论基础、技术方法及其在癌症亚型预测中的实际应用，为读者提供一个全面而深入的视角，以期激发更多研究者对这一领域的兴趣与关注。
-
作者介绍
-
目录
第1章 绪论
1.1 研究背景及意义
1.2 基于多组学聚类的癌症亚型识别研究现状
1.3 本书主要研究内容
1.4 本章小结
参考文献
第2章 多组学数据及相似性学习研究基础
2.1 多组学数据背景
2.2 癌症亚型相关研究
2.3 评价指标
2.4 相似性学习相关方法
2.5 本章小结
参考文献
第3章 基于拉普拉斯秩约束多组学聚类的癌症亚型识别
3.1 研究背景
3.2 基于拉普拉斯秩约束多组学聚类的癌症亚型识别算法介绍
3.3 实验与分析
3.4 本章小结
参考文献
第4章 基于自适应多组学全局相似融合的癌症亚型识别
4.1 研究背景
4.2 基于自适应多组学全局相似融合的癌症亚型识别算法介绍
4.3 实验与分析
4.4 本章小结
参考文献
第5章 基于潜在表示多组学谱聚类的癌症亚型识别
5.1 研究背景
5.2 基于潜在表示学习多组学谱聚类的癌症亚型识别算法介绍
5.3 实验与分析
5.4 本章小结
参考文献
第6章 基于多核分区对齐子空间聚类的癌症亚型识别
6.1 多核分区对齐的子空间聚类模型
6.2 MKPAS的求解优化
6.3 实验内容及结果分析
6.4 本章小结
参考文献
第7章 基于深度聚类的多组学数据癌症亚型综述
7.1 多组学深度聚类算法综述
7.2 基于深度信念网络的方法
7.3 基于自编码器(AE)的方法
7.4 基于深度典型相关分析(CCA)的方法
7.5 基于生成对抗网络(GAN)的方法
7.6 基于注意力机制(AM)的方法
7.7 基于对比学习(CL)的方法
7.8 基于图卷积网络(GCN)的方法
7.9 分析与讨论
7.10 本章小结
参考文献
第8章 基于图卷积聚类的癌症亚型识别方法研究
8.1 数据预处理
8.2 图卷积聚类的原理
8.3 实验结果及分析
8.4 本章小结
参考文献
第9章 基于多融合策略网络引导的癌症亚型预测
9.1 研究背景
9.2 基于多组学的癌症亚型发现方法
9.3 结果与讨论
9.4 本章小结
参考文献
[
