大肠癌是常见的恶性肿瘤,具有高发病率和死亡率,且发病率呈上升趋势。因此,大肠癌患者的生存期预测和预后因素的研究也越来越重要。生物标志物可以准确、敏感地评价早期损害,有效的生物标志物对大肠癌患者的早期诊断、生存期预测有着重要作用。虽然传统的单变量和多变量分析方法,验证了生物标志物的重要性,但是并没有考虑到生物标志物间的相互作用。在此背景下,本文研究基于大肠癌患者生存期预测的关键生物标志物挖掘算法。本文首先介绍了大肠癌患者生存期预测的研究现状和意义,在目前研究的基础上,设计了基于患者生存期预测的关键生物标志物挖掘模型,在特定数据集上进行了应用,并设计了原型系统。主要研究内容包括:(1)大肠癌关键生物标志物挖掘模型设计:通过对混合特征选择技术及随机搜索特征选择方法的分析,确定基于特征交互作用的生物标志物挖掘模型框架。(2)基于患者离散生存期预测的关键生物标志物挖掘:针对采用的瑞典林雪平大学肿瘤科对大肠癌患者的临床数据特征、治疗特征以及生物标志物整理的数据集的特点,对比分析分类器模型,以大肠癌患者离散生存期预测为目标,构建了粒子群优化算法与朴素贝叶斯结合的标志物挖掘模型(WPSO-NB)。首先进行了生物标志物特征的重要性分析。接着分别以肠癌患者5年和3~5年生存期预测为目标,对模型进行了实验验证,其分类精度分别超过了90%和75%,证明了模型的可行性及有效性。(3)基于患者连续生存期预测的关键生物标志物挖掘:以大肠癌患者连续生存期(月份数)预测为目标,构建了粒子群优化算法结合BP神经网络的挖掘模型(WPSO-BP)并进行挖掘实验。实验结果表明,模型挖掘出的最优特征子集的预测误差远小于全部特征的预测误差,验证了WPSO-BP模型的可行性。(4)基于癌症患者生存期预测的关键生物标志物挖掘原型系统:在论文设计的混合挖掘模型的基础上,搭建了一个基于患者生存期预测的关键标志物挖掘系统,使其可以对数据进行拟合、生存期预测以及关键标志物挖掘。