Geri Dön

Analysis of microarray images using FCM and K-MEANS clustering algorithms

FCM ve K-MEANS kümeleme algoritmaları kullanılarak mikro-dizin imgelerinin analizi

  1. Tez No: 143685
  2. Yazar: ERHAN ERGÜT
  3. Danışmanlar: DOÇ. DR. ERKAN MUMCUOĞLU, DOÇ. DR. YASEMİN ÇETİN YARDIMCI
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Mikro-dizin, gen cipi, kümeleme algoritmaları, FCM, K-MEANS, imge işleme, Microarray, gene chip, clustering algorithms, FCM, K- MEANS, image processing
  7. Yıl: 2003
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Enformatik Enstitüsü
  11. Ana Bilim Dalı: Bilişim Sistemleri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 75

Özet

Mikro-dizin teknolojisi çok sayıda gen ifadesini aynı anda analiz edebilmeyi sağlayan çok faydalı bir araçtır. Mikro-dizin deneylerinin analizinde imge işleme teknikleri çok önemli bir rol oynar, çünkü spot yoğunluğu gen ifadesinin bir ölçüsüdür. Bir spotun gen ifadesi piksel yoğunluklarının dağılımı sayesinde anlaşılır. Bu yüzden, piksel yoğunluk dağılımına bağlı bir bölütleme tekniği uygundur. Spotu arka planından ayırmak için çok sayıda bölütleme tekniği bilinmektedir: yarıçapı kullanıcının belirlediği daire oturtma tekniği, parametrik bölütleme tekniği, parametrik olmayan bölütleme tekniği, alan genişletme tekniği ve yoğunluğa bağlı kümeleme teknikleri. Diğer tekniklerin çok çeşitli eksiklikleri olduğundan, kümeleme teknikleri son zamanlarda daha çok ilgi çekmektedir. Medoidler etrafında bölüntüleme (PAM) ve K-MEANS algoritmaları çok yakın zamanda uygulanmıştır. Bu tezde, bu algoritmaların genişletilmiş bir versiyonu olan FCM algoritması, spot bölütleme probleminde kullanılmıştır. Karşılaştırma amacıyla serbest kullanıma açık mikro-dizin verisi kullanılmıştır. Bu veri seti üzerinde, FCM algoritmasının K-MEANS algoritmasından daha gürbüz olduğunu gözlenmiştir. Ayrıca, FCM ve K-MEANS kümeleme algoritmalarını kullanarak mikro-dizin verisinin analizi yapabilmek için EESCAN adını verdiğimiz kapsamlı bir yazılım geliştirilmiştir.

Özet (Çeviri)

Microarray technology is a useful tool to assay the expression of a large number of genes simultaneously. In the analysis of microarray experiments image processing techniques play an important role, because spot intensity is a measure of gene expression. The gene expression of a spot is governed by the distribution of pixel intensities. Therefore, a segmentation technique based on distribution of pixel intensities is appropriate. In the literature, numerous techniques have been applied for segmentation of spot from background region: user defined circular radius, parametric segmentation, non-parametric segmentation, region growing and intensity-based clustering techniques. Clustering techniques are getting more attention recently, since other techniques have various drawbacks. Partitioning around medoids (PAM) and K-MEANS algorithms have been applied recently. In this thesis, an extended version of these algorithms namely, Fuzzy c-means (FCM) algorithm is applied to the spot segmentation problem. Analysis on publicly available microarray data shows that FCM algorithm is more robust than K-MEANS algorithm in the analysis of microarrays. We also developed a tool called EESCAN, a complete software tool to analyze microarray data using FCM and K-MEANS clustering algorithms.

Benzer Tezler

  1. Tez No

    787786

    Sayısal haritalama teknikleri kullanılarak DNA dizilimleri üzerinden lösemi hastalığının temel türlerinin yapay zeka tabanlı algoritmalar ile sınıflandırılması

    Classification of main types of leukemia disease with artificial intelligence-based algorithms on the DNA sequences using digital mapping techniques

    FATMA AKALIN

    Doktora

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. NEJAT YUMUŞAK

  2. Tez No

    641382

    SYMPES yöntemiyle kanser hastalıklarında önemli genlerin saptanması ve kanser türlerinin sınıflandırılması

    Detection of significant genes in cancer diseases and classification of cancer types by SYMPES method

    ALİ SARIKAŞ

    Doktora

    Türkçe

    Türkçe

    2020

    Biyomühendislikİstanbul Üniversitesi-Cerrahpaşa

    Biyomedikal Mühendisliği Ana Bilim Dalı

    PROF. DR. BEKİR SIDDIK BİNBOĞA YARMAN

    DR. ZELİHA GÖRMEZ

  3. Tez No

    609959

    Depth scanning correlation interferometric microscopy for label-free nanoparticle detection

    Derinlik taramalı korelasyon ınterferomertrik mikroskopuyla nanoparçacıkların etiketsiz olarak algılanması

    UĞUR AYGÜN

    Doktora

    İngilizce

    İngilizce

    2020

    Elektrik ve Elektronik MühendisliğiKoç Üniversitesi

    PROF. DR. HAKAN ÜREY

    DR. ÖĞR. ÜYESİ AYÇA YALÇIN ÖZKUMUR

  4. Tez No

    478539

    Meta-analysis of microRNA and gene selection using machine learning

    Makine öğrenmesi kullanarak microRNA meta-analizi ve gen seçimi

    ELNAZ PASHAEI

    Doktora

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. NİZAMETTİN AYDIN

  5. Tez No

    818360

    Mikrosatellit stabil ve instabil endometrium kanserleri arasında tedavi hedefi olabilecek immünhistokimyasal belirteçlerin morfolojik ve klinik parametreler eşliğinde karşılaştırılması

    Comparison of immunohistochemical markers that can be used for targeted therapy between microsatellite stable and instable endometrial cancers, together with morphological and clinical parameters

    EZGİ DİCLE SERBES

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2023

    Kadın Hastalıkları ve DoğumAnkara Üniversitesi

    Tıbbi Patoloji Ana Bilim Dalı

    DOÇ. DUYGU ENNELİ

Geri Dön