导读:本文包含了网络生存期论文开题报告文献综述及选题提纲参考文献，主要关键词:预后,影像组学,BP神经网络,遗传神经网络
网络生存期论文文献综述
潘晓英,杨清萍[1]（2019）在《基于遗传神经网络和舌根癌Radiomics特征的生存期预测》一文中研究指出在全球范围内癌症严重危害人类健康,正确评估癌症患者的预后状况对于个性化治疗意义重大。影像组学(Radiomics)数据中存在着大量反映肿瘤形状、强度、纹理和小波特性的定量特征,这些特征与其预后效果间存在着不可忽视的关联关系。论文针对舌根癌的Radiomics特征数据,提出了一种基于遗传神经网络(GA-BP神经网络)的生存期预测模型。仿真实验结果表明论文所提模型具有较强的预测能力,与BP神经网络预测模型的比较结果表明,该模型具有更强的预测精度。(本文来源于《计算机与数字工程》期刊2019年10期）
郭峻凌[2]（2019）在《基于图卷积网络的癌症生存期预测方法》一文中研究指出癌症作为人类疾病历史上色彩最浓重的一笔,其一直是人类生命和健康的最主要威胁之一。癌症的高死亡率在很大程度上是由于癌症的复杂性及其临床结果的显着差异所致。因此,提高癌症生存预测的准确性具有重要意义,并成为癌症研究的主要领域之一。目前已有许多癌症生存预测的计算模型被提出,但大多只利用单种基因组学数据或者临床数据生成预测模型,目前还未出现有效融合基因多组学数据和临床数据的方法,从而全面地考虑癌症并对其生存期进行预测。为了有效的整合基因多组学数据(包括基因表达、拷贝数改变、基因甲基化、外显子表达)和临床数据,并将其用于癌症的生存期预测研究中,本文提出了一种融合基因多组学与临床数据的基于图卷积的癌症生存期预测方法GCGCN(Integrating Genomic Data and Clinical Data by Graph Convolutional Network),该方法首先利用相似网络融合算法(SNF)对基因多组学数据和临床数据进行整合,生成样本相似度矩阵,同时利用最小冗余最大相关算法(mRMR)对癌症样本的基因多组学数据和临床数据进行特征选择,生成样本特征矩阵,最后利用两个矩阵通过图卷积网络(GCN)进行半监督训练,得到可用于癌症预后生存期预测的模型。GCGCN模型的性能指标表明,基因多组学数据和临床数据在准确预测癌症患者生存期中都起着关键作用。同时与现有的癌症生存期预测方法进行了比较,结果表明融合基因多组学与临床数据的基于图卷积网络的癌症生存期预测方法GCGCN,其模型性能具有显着的有效性和优越性。此外,我们改进GCGCN模型,得到所有特征的重要性指数并取topN特征,通过分析这些特征进一步验证该方法的准确性和可靠性。本研究的所有结果表明,GCGCN在癌症生存期预测方面所具有的有效性和优越性。(本文来源于《哈尔滨工业大学》期刊2019-06-01）
孟浚,邓晓雨,虞捷舟[3]（2018）在《基于变量聚类的BP神经网络术后生存期预测模型》一文中研究指出针对结直肠癌患者术后生存期预测,基于模糊C均值(FCM)聚类算法,提出一种结合场景认知和隶属度排序的变量聚类方法,对结直肠癌患者样本进行降维,并筛选出6个特征变量.结合BP神经网络,建立一个结直肠癌患者术后生存期预测模型.为了验证该模型的有效性,利用主成分分析(PCA)对样本进行降维,并训练BP神经网络,对比FCM模型及PCA模型的预测准确率.结果显示,基于FCM变量聚类的BP神经网络模型预测准确率更高,所提出的变量聚类方法能够有效筛选出对于生存期有相关性和解释性的变量,从而提高BP神经网络模型的预测准确率.(本文来源于《浙江大学学报(工学版)》期刊2018年12期）
丛威荟[4]（2016）在《基于复杂网络分析方法选取癌症标志物及癌症生存期预测》一文中研究指出肿瘤标志物是指可以在动物的血液、体液和组织中测量到,并且与肿瘤的发生、发展相关的物质。肿瘤标志物在体内是否表达或者表达含量的改变可提示肿瘤的性质,从而帮助人们了解肿瘤是否发生,在肿瘤的最初判断、治疗效果的检测、复发、预后等多个方面起到重要作用。作为肿瘤标志物,Micro RNA(miRNA)和蛋白质在肿瘤的发生发展中扮演重要角色,但很少从网络角度进行研究的现状。本文提出一种复杂网络分析方法来研究乳腺癌相关的miRNA和蛋白质。本文依据miRNA表达水平之间的欧氏距离、二级结构间的差异和miRNA的序列比对值分别构建miRNA表达水平网络、结构网络和序列网络。基于平均边覆盖、度分布等复杂网络特征统计量研究miRNA序列、二级结构和表达水平的关系。随机森林模型对乳腺癌病人正常组织和肿瘤组织的miRNA、蛋白质进行过滤和封装,筛选出对癌症分类预测的最佳组合。选择具有最小基因数量并保持最高分类准确率的miRNA子集,计算每两个miRNA表达水平的最大信息系数(Maximal Information Coefficient,MIC)作为网络中两个节点之间距离,比较正常组织和肿瘤组织miRNA网络,选取两个网络中节点介数差异较大的8个节点,分别为hsa-mir-101-2、hsa-mir-10b、hsa-mir-130b、hsa-mir-193a、hsa-mir-204、hsa-mir-28、hsa-mir-365-2、hsa-mir-375,其中7个miRNA与乳腺癌相关。该方法也以前列腺癌miRNA的MIC值网络为类推,选出的8个miRNA中有7个与前列腺癌相关。依据miRNA序列比对值进行最小网格聚类,分析介数在两个网络中差异较大但未证实与乳腺癌相关的miRNA,发现与其同一类的miRNA,一半对癌症有相似作用。依此推测未证实的miRNA可能也与乳腺癌相关。我们把以上选取癌症标志物的方法称为复杂网络分析方法,这种分析方法为发现癌症发生发展相关的新型肿瘤标志物提供了新思路。通过逐步多元回归方法建立miRNA、蛋白质和癌症分期与乳腺癌病人生存期的回归关系,发现加入蛋白质与癌症分期后,选用较少的自变量便可预测生存期。并且选取对生存期影响程度较大的自变量,其中hsa-mir-548,hsa-mir-943,CD20-R-C,e IF4G-R-C,GSK3_p S9-R-V和癌症分期发现与癌症患者生存期具有很强的相关性。(本文来源于《哈尔滨工业大学》期刊2016-12-01）
李则圣[5]（2016）在《基于协作通信和拓扑调控的Ad Hoc网络生存期延长方法研究》一文中研究指出Ad Hoc网络的节点一般使用电池供电,其生存期短是一个突出问题,如何有效延长其生存期一直都是研究的热点。拓扑调控技术通过调节网路节点的传输功率,使节点间以多跳的方式进行通信来减少能耗,从而延长网络的生存期。协作通信技术通过利用节点资源共享,此技术可以使拓扑调控适用于初始化不连通的网络,扩大了拓扑调控技术应用范围。现有Ad Hoc网络生存期延长方法通过构建最小总能耗拓扑子图,从局部能耗优化入手达到全局优化的目的,但总能耗的优化并不完全等价于网络生存期的优化,本文通过构建网络生存期评估模型,利用协作通信与拓扑调控来研究Ad Hoc网络生存期延长技术,主要工作有:综合考虑网络生存期评估模型下网络维持所需总能量损耗和节点剩余能量,提出了一种基于协作通信与拓扑调控技术的适用于同构Ad Hoc网络生存期可延长的方法ALSC(an adjustable lifetime-extended structure for cooperative Ad hoc networks)。通过仿真实验表明,ALSC方法在不同的P_(elec)(电路损耗)下,可以构建保留任意节点对之间的最长生存期路径的最小功率拓扑子图,并且可以自适应于不同网卡的能量损耗。与Cooperative Bridg方法和CCPA方法相比,ALSC可以有效延长网络生存期。基于ALSC,提出了一种适用于异构Ad Hoc网络(传感器网络)的生存期可延长的方法ALSCH(an adjustable lifetime-extended structure for cooperative Ad hoc networks Heterogeneous)。与ALSC方法相比,ALSCH所采用的能耗模型更为真实,更具一般性。仿真实验表明,与ALSC类似,在不同的P_(R0)(损耗参数)下,ALSCH方法自适应于不同网卡的能量损耗,能够有效延长网络生存期。(本文来源于《湖南大学》期刊2016-05-09）
刘衍珩,陆莹琦,孙大洋,王爱民,宁宇[6]（2014）在《面向服务的无线传感器网络广义生存期评价模型》一文中研究指出总结了影响无线传感器网络(WSN)生存期的各个因素,建立了面向服务的WSN生命周期的四层模型——叁明治模型,同时根据该模型提出了一种广义生存期判断方法。该方法通过运用面向服务方式选定的生存期评价指标来量化生存期,能够有效地适用于目前所有WSN。与现有生存期评价模型相比,广义生存期评价模型更加灵活、实用、准确,能够充分面向服务。(本文来源于《吉林大学学报(工学版)》期刊2014年06期）
孙桂芝,谢玉鹏,祁红岩,訾鸿[7]（2014）在《延长网络生存期的水声传感器网络路由算法》一文中研究指出为延长水声传感器网络的"寿命",采用基于位置和能耗的混合传输机制,提出一种能量高效的路由算法。由该算法所确定的转发节点位置较优,节点的剩余能量也相对较多。仿真结果表明:该算法不仅能使节点的能耗最小化,而且能均衡各节点的能量消耗,可有效地延长网络"寿命"。该算法是一个可扩展能量有效的路由协议。(本文来源于《黑龙江科技大学学报》期刊2014年04期）
陆莹琦[8]（2014）在《面向服务的无线传感器网络广义生存期研究》一文中研究指出随着用户对物理环境各个参数关注程度的提高,需要采集的环境数据不断增加,从而产生了无线传感器网络(Wireless Sensor Networks, WSN)。 WSN利用传感器节点来感知客观物理世界的参数,从而得到用户需求的各种指标,具有低功耗、低成本、分布式和自组织等特点,在军事、医疗、测量、救灾、家居等多个领域得到广泛的应用。然而,由于WSN节点一般能量有限且不易充电,因此如何能准确评价并有效延长WSN的生存周期具有着重要意义,同时恰当的生存期评价模型也能够有效提高网络的能量利用率,一定程度上延长了WSN的有效服务周期。影响WSN生存期评价的因素很多,如节点能量、网络结构、路由算法、网络连通度、网络覆盖率、网络休眠算法等,较好的评价生存期的方法不仅应考虑与节点有关的因素,还应综合考虑网络的整体特性,从而对网络服务质量(Quality of Service, Qos)全方位了解,才能够更准确评估网络的生存状态及周期。本文总结了影响WSN生存期的各个因素,建立了面向服务的WSN生存周期的四层模型——叁明治模型,将WSN服务分为四个层次,用户能够更容易地从应用需求角度出发,选择各个层次中影响WSN生存期的因素,从而能够更准确地进行面向服务的WSN生存期判定。同时,基于叁明治模型提出一种基于面向服务势能场的WSN路由算法。该算法类比于物理学中的重力势能,将Sink节点作为“地面”,通过势能计算公式得出每个节点的势能,然后让信息沿势能下降最快的方向传递。随着节点剩余能量的降低,该节点势能相应升高,从而保护能量较低的节点,达到均衡网络能耗的目的。当未分区网络出现“逻辑分区”现象时,通过势能微调算法降低部分节点势能,从而解决该问题。实验证明,该算法在均衡能量消耗方面效果良好,且能够一定程度上延迟网络中第一个节点的失效时间。此外,本文提出一种WSN广义生存期评价方法,该方法通过面向服务的方式选定生存期评价指标,量化WSN生存周期评价标准,能够有效适用于目前所有类型的WSN。同时,广义生存期基于现有的缺失数据估计算法,在用户允许的范围内根据感知数据进行缺失值估计,从而延长用户感知生存期,其中估计值的置信区间由用户给出。仿真实验表明,与现有生存期评价方法相比,WSN的广义生存期评价方法更加灵活、实用、准确,能够充分面向服务,满足用户需求,提高网络能量有效利用率。(本文来源于《吉林大学》期刊2014-05-01）
苑凌娇[9]（2013）在《基于拓扑控制的AdHoc网络最大生存期研究》一文中研究指出无线自组织网络(Wireless ad hoc network，ad hoc)是由一组带有无线收发装置的移动终端节点组成的一个多跳临时性自组织网络。它可以在任何时刻、任何地点快速构建起一个移动通信网络而不需要基础网络设施的支持。针对AdHoc网络节点随机移动，能量有限以及自组织，多跳等特点，满足在恶劣环境和紧急服务等特殊条件下，移动终端节点具有能够快速构建网络维持通信的功能。因此研究最大化AdHoc网络的生存周期具有一定的意义。论文通过比较AdHoc网络拓扑结构的平面结构和分级结构，采用具有扩展性和抗毁性的分级结构网络拓扑控制技术来研究AdHoc网络的可生存性问题。针对AdHoc网络拓扑结构动态变化，能量有限等特性，本文提出低能量自适应分簇分级机制与基于节点的能量，移动性和节点度的按需加权分簇算法的结合(LowEnergy Adaptive Clustering Hierarchy and Based on Energy, Mobility and Degrees ofthe nodes on-demand Weighted Clustering Algorithm，LEACH&EMDWCA)对网络中随机分布的节点进行分簇，此算法有效解决能量消耗不均衡问题。降低簇首节点的更新频率，均衡网络中节点的能量消耗，从而延长网络的生存时间。在此基础上，论文建立了小世界网络通信模型，详细的描述了构造小世界AdHoc网络簇间通信的步骤以及簇的维护策略，增强了网络拓扑结构的稳定性和整体网络的抗毁性。最后，本文通过采用NS2软件仿真LEACH&EMDWCA算法的选举轮数和存活节点的个数关系、选举轮数和剩余能量的关系和节点移动速率与簇首变化速率的关系。结果表明，LEACH&EMDWCA算法在节点的剩余能量、移动性和簇的稳定性方面具有显着的优势，能够有效均衡节点的能量，减少节点的能量消耗，增加簇的稳定性和提高整体网络的抗毁性，从而最大化网络的生存周期。(本文来源于《沈阳理工大学》期刊2013-12-01）
李晓鸿,葛静巧,张大方[10]（2013）在《异构传感器网络的一种生存期可延长的可调节拓扑结构》一文中研究指出目前,大多数的拓扑控制算法采用的能耗模型不符合实际,仅仅只考虑了发送能耗,忽略了不同接收能耗对底层拓扑结构的影响。其次,通过构建最小能耗拓扑子图的拓扑控制算法并不能最大化网络生存期。基于真实的能耗模型主要研究异构传感器网络的拓扑控制问题,提出了一种适用于异构传感器网络生存期可延长的可调节结构(ALPH)来控制网络拓扑。理论和仿真实验表明:通过ALPH构造的拓扑图保持了网络的连通性和双向性;在不同的射频模块下,ALPH以最小能耗保留了任意节点对之间的最大生存期路径;ALPH可以依据不同电路能耗参数PR0进行调整,使得所生成的拓扑图在DRNG与MaxPower之间调节变化,并且允许节点有不同的路径损耗指数;基于网络设备的真实参数值,与先前的拓扑结构DRNG、DGG、EYG和MaxPower相比,ALPH可以有效地延长网络生存期。(本文来源于《通信学报》期刊2013年08期）
网络生存期论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
癌症作为人类疾病历史上色彩最浓重的一笔,其一直是人类生命和健康的最主要威胁之一。癌症的高死亡率在很大程度上是由于癌症的复杂性及其临床结果的显着差异所致。因此,提高癌症生存预测的准确性具有重要意义,并成为癌症研究的主要领域之一。目前已有许多癌症生存预测的计算模型被提出,但大多只利用单种基因组学数据或者临床数据生成预测模型,目前还未出现有效融合基因多组学数据和临床数据的方法,从而全面地考虑癌症并对其生存期进行预测。为了有效的整合基因多组学数据(包括基因表达、拷贝数改变、基因甲基化、外显子表达)和临床数据,并将其用于癌症的生存期预测研究中,本文提出了一种融合基因多组学与临床数据的基于图卷积的癌症生存期预测方法GCGCN(Integrating Genomic Data and Clinical Data by Graph Convolutional Network),该方法首先利用相似网络融合算法(SNF)对基因多组学数据和临床数据进行整合,生成样本相似度矩阵,同时利用最小冗余最大相关算法(mRMR)对癌症样本的基因多组学数据和临床数据进行特征选择,生成样本特征矩阵,最后利用两个矩阵通过图卷积网络(GCN)进行半监督训练,得到可用于癌症预后生存期预测的模型。GCGCN模型的性能指标表明,基因多组学数据和临床数据在准确预测癌症患者生存期中都起着关键作用。同时与现有的癌症生存期预测方法进行了比较,结果表明融合基因多组学与临床数据的基于图卷积网络的癌症生存期预测方法GCGCN,其模型性能具有显着的有效性和优越性。此外,我们改进GCGCN模型,得到所有特征的重要性指数并取topN特征,通过分析这些特征进一步验证该方法的准确性和可靠性。本研究的所有结果表明,GCGCN在癌症生存期预测方面所具有的有效性和优越性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
网络生存期论文参考文献
[1].潘晓英,杨清萍.基于遗传神经网络和舌根癌Radiomics特征的生存期预测[J].计算机与数字工程.2019
[2].郭峻凌.基于图卷积网络的癌症生存期预测方法[D].哈尔滨工业大学.2019
[3].孟浚,邓晓雨,虞捷舟.基于变量聚类的BP神经网络术后生存期预测模型[J].浙江大学学报(工学版).2018
[4].丛威荟.基于复杂网络分析方法选取癌症标志物及癌症生存期预测[D].哈尔滨工业大学.2016
[5].李则圣.基于协作通信和拓扑调控的AdHoc网络生存期延长方法研究[D].湖南大学.2016
[6].刘衍珩,陆莹琦,孙大洋,王爱民,宁宇.面向服务的无线传感器网络广义生存期评价模型[J].吉林大学学报(工学版).2014
[7].孙桂芝,谢玉鹏,祁红岩,訾鸿.延长网络生存期的水声传感器网络路由算法[J].黑龙江科技大学学报.2014
[8].陆莹琦.面向服务的无线传感器网络广义生存期研究[D].吉林大学.2014
[9].苑凌娇.基于拓扑控制的AdHoc网络最大生存期研究[D].沈阳理工大学.2013
[10].李晓鸿,葛静巧,张大方.异构传感器网络的一种生存期可延长的可调节拓扑结构[J].通信学报.2013