妇科疾病中,卵巢癌是常见癌症之一。卵巢癌在所有癌症中有着非常显著特点:前期症状不明显,不易发现。大多数患者发现癌症已经是晚期,并且死亡率极高。但是一旦早期发现卵巢癌,并加以相应的治疗,其死亡率很低。这就迫使人们寻找对卵巢癌早期诊断的方法。本文就是以质谱数据为基础,结合模式识别方法对卵巢癌进行模式分类研究。蛋白质组学是继基因组学之后又一大生命科学的研究热点,它在癌症检测、疾病病理等方面研究得到了学者们的重视。质谱理论和质谱数据的发展促进了蛋白质组学的发展,成为人们研究蛋白质组学的有力工具。遗传算法和神经网络是人们模拟生物繁殖、优胜劣汰和生物神经设计出的优化算法和模式识别方法,在特征提取和分类方面有着广泛得应用。本文是对蛋白质质谱数据预处理,用遗传算法进行特征提取、神经网络模式识别等做了一系列的研究。本文首先建立起了数据预处理过程,包括:数据加载、去噪、基线调整等。这样使得处理过的数据能够提供更加有效的分类信息。使用NCI-FDA建立起的表面增强激光解析电离飞行时间质谱数据库数据。数据经过预处理后,使用遗传算法进行特征提取与选择。本文选取了四个特征量为最显著特征。接下来利用可视化技术中的雷达图对数据进行表达,从中提取了特征三角形面积和雷达图周长两类五个特征。最后构建出神经网络,利用所有样本的五个特征对神经网络进行训练。训练完成之后随机挑选一组质谱数据对神经网络进行检测。我们发现神经网络对数据有很好的分类效果。