Geri Dön

Modeling stochastic hybrid systems with memory with an application to immune response of cancer dynamics

Hafızalı stokastik hibrit sistemlerin modellenmesi ve bağışıklık sisteminin kanser dinamiklerine tepkisine uygulaması

  1. Tez No: 352004
  2. Yazar: NURGÜL GÖKGÖZ
  3. Danışmanlar: DOÇ. DR. HAKAN ÖKTEM, PROF. DR. CARLA PIEZZA
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Matematik, Onkoloji, Computer Engineering and Computer Science and Control, Mathematics, Oncology
  6. Anahtar Kelimeler: stokastik hibrit sistemler, hafızalı hibrit sistemler, hafızalı hibrit otomata, tumör-bağışıklık dinamikleri, matematiksel modelleme, stochastic hybrid systems, hybrid systems with memory, memory hybrid automata, tumor-immune dynamics, mathematical modeling
  7. Yıl: 2014
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Uygulamalı Matematik Enstitüsü
  11. Ana Bilim Dalı: Bilimsel Hesaplama Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 102

Özet

Kanser dinamikleri bağışıklık sistemi tepkileri gibi bazı karışık etkileşimler içerir. Literatürde tümör büyümesine bağışıklık tepkisinin pek çok değişik modeli bulunmaktadır. Kullanılabilir modellerin pek çoğu, model parametrelerinin karar verilmesinde problemleri olan ilk ilkeler modelleridir. Tedavi planlamasının potensiyel kullanımı için bir model, bireyden bireye değiş- kenliği ve bilinmeyen faktörleri benimsemelidir. Fakat, kanser dinamikleri gibi karmaşık bir problem için böylesi bir yaklaşımın bazı sakıncalara sahiptir. Öncelikle, bazı bilinmeyen faktörler bulunmaktadır. İkinci olarak, sabit parametreli modeller süje-süje çeşitliliğini göz önünde bulundurmaya izin vermez. Bu probleme alternatif bir çözüm deneysel gözlemlerden parametreleri çıkarmak ve sistem davranışına karar vermektir. Çıkarımsal modelleme durumunda, ilk önce bir model sınıfı seçeriz ve parametreleri gözlemlerden çıkarırız. Bu amaçla, analitik ve hesaplama avantajları olan hibrit sistemleri kullandık. Çoğu biyolojik ve fizyolojik sistem için, sistemin davranışı ve tepkisi geçmiş olayların kombinasyonundan ziyade tüm geçmişe dayanır. Daha gerçekçi bir gösterim elde ede bilmek için, hafızlı hibrit sistemden faydalandık ve daha da geliştirdik. Son olarak, belirsizlikleri ve rastgele pertürbasyonları dahil edebilmek için, stokastik kalkülüsü de modelimizle birleştirdik.

Özet (Çeviri)

Dynamics of cancer involve some complex interactions like immune system responses. Many different models of immune response to tumor growth exist in the literature. Most of the available models are first principles models which have problems in determining the model parameters. For potential use in treatment planning, a model should be able to adopt to subject by subject variability and unknown factors. However, such an approach for a complicated problem like cancer dynamics has some drawbacks. First of all, there exist some unknown factors. Secondly, models with fixed parameters do not allow considering subject-by-subject variability. An alternative approach to this problem is inferring the parameters and determining system behaviour from empirical observation. In inferential modeling case, we first select a model class and infer the parameters from the observations. For this purpose, we used hybrid systems that are suitable for inferential modeling due to their analytical and computational advances. For many biological and physiological systems, the behaviour of system and its responses depend on whole history rather than a combination of historical events. We utilize and further develop hybrid systems with memory to have a more realistic representation. Finally, we also incorporate stochastic calculus in our model to include uncertainities and random perturbation.

Benzer Tezler

  1. Güç sistemlerinin yük tahmini analizinde uzun kısa süreli bellek metodunun kullanılması ve uygulaması

    Load forecasting analysis of power systems using long short-term memory and applicati̇on

    ÜMMÜHAN GÜLSÜM KILIÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Elektrik ve Elektronik MühendisliğiBilecik Şeyh Edebali Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET KURBAN

    DOÇ. DR. EMRAH DOKUR

  2. Tekstil sektöründe örme makinelerinde kestirimci bakım için hibrit makine öğrenme ve stokastik modelleme yaklaşımları

    Predictive maintenance for knitting machines in the textile industry: Hybrid machine learning and stochastic modeling approaches

    SÜMEYRA GÜLBAHAR

    Doktora

    Türkçe

    Türkçe

    2024

    Endüstri ve Endüstri MühendisliğiErciyes Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SELDA KAPAN ULUSOY

    PROF. DR. MİTHAT ZEYDAN

  3. Stochastic modeling and analysis of noise in neuronal circuits

    Başlık çevirisi yok

    DENİZ KILINÇ

    Doktora

    İngilizce

    İngilizce

    2019

    Elektrik ve Elektronik MühendisliğiKoç Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ALPER DEMİR

  4. Electricity market modeling using stochastic and robust optimization

    Elektrik piyasasının rastsal ve gürbüz optimizasyon kullanılarak modellenmesi

    MİRAY HANIM YILDIRIM

    Doktora

    İngilizce

    İngilizce

    2015

    Endüstri ve Endüstri MühendisliğiOrta Doğu Teknik Üniversitesi

    Bilimsel Hesaplama Ana Bilim Dalı

    PROF. DR. GERHARD WİEHELM WEBER

    YRD. DOÇ. DR. ÖZLEM TÜRKER BAYRAK

  5. Tarımsal süreçlerin hibrit petri ağları ile modellenmesi

    Modeling of agricultural processes with hybrid petri nets

    AYHAN ÖZGÜN

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MÜRVET KIRCI