Machine learning algorithms in classification and diagnostic prediction of cancers using gene expression profiling
Öğrenme algoritmalarının gen profillerinden yola çıkarak kanser türlerinin sınıflandırılması ve teşhisinde kullanımı
- Tez No: 181232
- Danışmanlar: PROF. DR. MEHMET LEVENT KURNAZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Biyoteknoloji, Computer Engineering and Computer Science and Control, Biotechnology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2006
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Fizik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 64
Özet
Bu tezde bir takım üğrenme algoritmalarının şocukluk düneminde gürülen küşuk,og c o ou uc üyuvarlak, mavi hücreli tümürleri, gen proï¬llerine dayanarak, sınıï¬andırmau uo ve teşhisskoymadaki başarıları incelenmektedir. Tümür biyopsi materyali ve kültür hücrelerindens uo uu uoluşan numuneleri gen proï¬llerine dayanarak sınıï¬andırmadan ünce problemin boyutus okücultülmüştür. Boyut küşultme korelasyon tabanlı parametre seşimini takip edenuşü u us u uc ü ctemel bileşenler analizinden oluşan iki basamaklı bir işlem aracılığıyla gerşekleştirilmiştir.s s s g c s sNumuneleri sınıï¬andırmak uzere mantıksal model ağaşları ve de şok katmanlı yapayü gc csinir ağları eğitilmiştir. Her bir numune işin yapay sinir ağlarından ve mantıksal modelg g s c gağaşlarından elde edilen sınıf olasılıkları kullanılarak modelin yaptığı sınıï¬andırmayagc gparalel bir teşhis konulup konulmayacağını belirleyen bir kriter oluşturulmuştur.s g s s
Özet (Çeviri)
The performance of certain machine learning algorithms in classiï¬cation anddiagnostic prediction of small round blue cell tumors (SRBCTs) of childhood is in-vestigated. Before classifying samples, including both tumor biopsy material and celllines, based on their gene expression proï¬les, dimensionality of the problem is reduced.Dimensionality reduction is achieved in a two-step procedure that includes correlation-based feature selection (CFS) followed by principal components analysis (PCA). Toclassify the samples into four distinct diagnostic categories, logistic model trees (LMT)and multilayer perceptrons (MLP) are trained. The posterior probabilities provided byLMT and MLP algorithms for each sample are then used to construct a measure, bymeans of which one might decide whether to classify a sample into one of the diagnosticcategories or to reject classifying.
Benzer Tezler
- Antenna design for breast cancer detection and machine learning approach for birth weight prediction
Meme kanseri tespiti için anten tasarımı ve doğum ağırlığı tahmini için makine öğrenmesi yaklaşımı
HALUK KIRKGÖZ
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ONUR KURT
- Discriminating early- and late-stage cancers using multilayer perceptron
Çok katmanlı perceptron kullanarak erken ve geç evre kanserleri ayırma
MARZIEH SOLEIMANPOOR
Yüksek Lisans
İngilizce
2020
Endüstri ve Endüstri MühendisliğiKoç ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET GÖNEN
- Multiclass classification of hepatic anomalies based on in vivo microwave dielectric properties
Hepatik anomalilerin in vivo mikrodalga dielektrik özelliklerine dayalı çok sınıflı sınıflandırılması
ZEYNEP GÜLSÜM BİLGEN
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUBA YILMAZ ABDOLSAHEB
- Zeki sınıflandırma ve kümeleme yöntemlerinin tıbbi tanı ve tedavide kullanımı
The usage of intelligent classification and clustering methods in medical diagnosis and treatment
UĞUR ERKİN KOCAMAZ
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
PROF. DR. HARUN TAŞKIN
- Investigating the effect of different feature selection strategies for classification of gene expression signatures of tumor cells
Tümör hücrelerin gen ifade imzalarinin siniflandirilmasina ilişkin farkli özellik seçim stratejilerinin etkisinin incelenmesi
ABUBAKHARI SSERWADDA
Yüksek Lisans
İngilizce
2017
Biyoistatistikİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. YUSUF YASLAN