高维多尺度生物大数据模式挖掘与疾病预测

《高维多尺度生物大数据模式挖掘与疾病预测》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、项目公示内容一、项目名称：高维多尺度生物大数据模式挖掘与疾病预测二、主要完成人情况（姓名、排名、行政职务、技术职称、工作单位、完成单位、对本项目主要学术和技术创造性贡献）排行政技术工作完成姓名主要贡献名职务职称单位单位设计并完成了高维多尺度生物大数据模式挖掘与疾病预测项目的研究。提出了基于人工蜂群繁殖机制的PPI网络聚类模型，并设计了算法；利用萤火虫算法优化马尔科夫聚类（MCL）过程，并用于挖掘PPI网络副院陕西师陕西师范蛋白质复合物；根据细菌觅食优化机雷秀娟1教授制，提出并实现了能挖掘PPI网络重长范大学大学叠功能模块的检测算法；构建了基于果蝇觅食优化过程

2、的聚类模型，更精准地识别了蛋白质复合物；基于核心-附件结构，提出了基于鸽子优化机理的蛋白质复合物高效挖掘算法。并完成了《科学出版社》专著1部，获批国家发明专利1项，软件著作权5项。提出了考虑特征相互作用的适用于任意类分类问题的特征重要度评价准则；解决了超高维癌症基因数据相关癌症关键识别基因发现的时间瓶颈问题；提出了特征辨识度与特征独陕西师陕西师范立性概念，实现了高维癌症基因的2谢娟英2无教授范大学大学维空间展示和复杂癌症关键识别基因的自动发现。所做研究提高了复杂疾病与癌症患者的诊断准确率，为临床研究提供了借鉴。并完成了《电子工业出版社》专著1部，软件著作权4

3、项。在数字组织病理图像大数据分析中，陕西师陕西师范提出了融合细胞核的生物特征的高陆铖3无副教授范大学大学通量、高效率、高鲁棒性检测算法；提出了基于概率密度函数模型确定进行皮肤表皮层最佳分割阈值的方法；解决了乳腺癌病理图像中细胞异型性自动分类问题；提出了针对表皮层黑素瘤自动分析及辅助诊断模型，实现了数字全幅病理图像辅助分析系统，揭示了具有分类意义的组织形态学特征，为临床诊断提供依据。完成了多目标进化算法及优化的研究。提高了基于分解的多目标粒子群算法的搜索性能；发展了基于排序法陕西师陕西师范和分解的高维多目标进化模型，有效代才4无副教授范大学大学地解决了高维多目

4、标优化问题；改进了基于均匀设计的交叉算子，并分析了该算子的搜索能力。提高了多目标进化算法的搜索效率和搜索精度。完成了一种基于区域匹配的图像分陕西师陕西师范割检测方法，利用简化脉冲耦合神经陈昱莅5无副教授网络（SPCNN）分割并匹配图像区域范大学大学块，所做研究可为医学组织细胞图像的细胞核分割与检测提供方法支持。进行了数据分析及预处理，编写了项陕西师范目中的相关程序，利用萤火虫优化方王飞6无无无大学法优化MCL聚类模型，申请获批了软件著作权。进行数据分析处理与算法实现，代码陕西师范优化等工作；设计开发了基于果蝇优丁玉连7无无无大学化算法的聚类软件；设计了基于鸽

5、子优化算法的PPI大数据聚类软件。三、完成人合作关系说明1.雷秀娟/1、王飞/6合作发表论文1；2.雷秀娟/1、丁玉连/7合作发表论文2，15；3.雷秀娟/1、王飞/6、代才/4合作完成软件著作权（软著登字第1055853号）；4.雷秀娟/1、丁玉连/7合作完成软件著作权（软著登字第1055956号，软著登字第1117786号）。四、主要完成单位排序及贡献1.陕西师范大学。作为本项目的依托单位，陕西师范大学为项目的顺利完成并取得优异成绩做出了重要贡献，表现为：（1）组织并完成了项目策划和实施工作；（2）为项目的顺利实施提供了人力资源与优质的工作环境与场所；（

6、3）提供了本项目所需的设备、能源、图书资料和数据库等资源。陕西师范大学图书馆有丰富的中外文献资料，并开通了国内外主要网络期刊资料数据库，如ACM、IEEE、Elsevier全文数据库等，可以直接下载国内外前沿性研究成果资料，为本项目的开展研究提供了丰富的信息资源与良好的网络环境。计算机科学学院拥有计算机科学与技术一级博士点和博士后流动站。拥有服务器20余台，IBM工作站10余台等。为本项目的开展提供了良好的学科平台和充分的实验仿真条件。2.西安电子科技大学。作为本项目的合作单位，为项目的顺利完成提供人员支持。五、完成单位合作关系说明在项目实施期间，项目完成人

7、谢娟英系陕西师范大学副教授、西安电子科技大学博士研究生，师从谢维信教授在西安电子科技大学在职攻读博士学位，开展合作研究。六、项目简介本项目得到国家自然科学基金（61100164，PPI网络融合化智能信息流模型与算法及其评价研究）和陕西省自然科学基金（①2010JQ8034，基于粒子群优化的PPI网络新型聚类算法研究；②2015JQ6228，数字皮肤组织病理学图像定量分析关键技术研究）等项目的资助。该项目针对不同维度、尺度的生物大数据，从基因组、蛋白质组、组织形态组学及放射组学等角度，采用模式识别、数据挖掘和智能计算等方法挖掘蛋白质复合物和致病基因，研究基于组

8、学的特征提取方法，开发有效的数据表达及数据融合技术，