Geri Dön

Yüksek boyutlu kanser sınıflama probleminde bilgi karmaşıklığı kriteri ile aykırı gözlem tespiti ve boyut indirgeme

Dimension reduction and detection of outliers in cancer classification using information complexity for undersized samples

  1. Tez No: 392371
  2. Yazar: ESRA PAMUKÇU
  3. Danışmanlar: DOÇ. DR. SİNAN ÇALIK, PROF. DR. HAMPARSUM BOZDOĞAN
  4. Tez Türü: Doktora
  5. Konular: Biyoistatistik, Biostatistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2015
  8. Dil: Türkçe
  9. Üniversite: Fırat Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Uygulamalı İstatistik Bilim Dalı
  13. Sayfa Sayısı: 126

Özet

DNA mikrodizilim tekniklerinde meydana gelen son gelişmeler, muhtemel gen ifadelerinin binlercesinin aynı anda görüntülenmesine imkan sağlamıştır. Gen ifade verilerindeki bu zenginlik nedeniyle araştırmacılar, bu verileri kullanarak kanser sınıflaması yapmanın ihtimalleri üzerinde durmaya başlamışlardır. Bu konuyla alakalı olarak son yıllarda metotların bir çoğunda umut verici sonuçlar elde edilmeye başlanmıştır. Fakat hala çözülmeye ve anlaşılmaya ihtiyaç duyulan bir çok konu vardır. Bunlardan en önemlileri boyutsallık problemi ve aykırı gözlemlerin tespitidir. Özellikle gen ifade verilerindeki aşırı derecede küçük örneklem problemi (n

Özet (Çeviri)

Recent developments in DNA microarray techniques has allowed simultaneously to display thousands of the potential gene expressions. Due to the wealth of gene expression data, researchers have begun to focus their attention on how to optimally classify cancer using the gene expression data. Although many of the methods used have produced promising results, there remains many problems yet to be resolved and to be understood. One of the most important of these problems is the dimension reduction and the detection of outliers. The classical statistical techniques cannot be used to reduce the dimension and to detect the outliers because of the severity of undersized sample problem (n

Benzer Tezler

  1. A hybrid deep learning metaheuristic model for diagnosis of diabetic retinopathy

    Diyabetik retinopatinin tanısı için hibrit bir derin öğrenme meta-sezgisel modeli

    ÖMER FARUK GÜRCAN

    Doktora

    İngilizce

    İngilizce

    2022

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA

  2. Yapay zeka tabanlı yöntemler kullanılarak mikroarray gen verilerinin sınıflandırılması

    Classification of microarray gene data using artificial intelligence based methods

    MUSTAFA TURAN ARSLAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADEM KALINLI

  3. Bilgisayar destekli tanı sistemi ile akciğer nodüllerinin nitelendirilmesi

    Characterization of lung nodules with computer aided diagnosis system

    AYDIN KAYA

    Doktora

    Türkçe

    Türkçe

    2015

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. AHMET BURAK CAN

  4. Patient-derived tumor organoids for prediction of drug response

    İlaç yanıtının tahmini için hasta kaynaklı tümör organoidleri

    EMİNE BERNA BIÇAK

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    BiyolojiDokuz Eylül Üniversitesi

    Moleküler Biyoloji ve Genetik Ana Bilim Dalı

    PROF. DR. ŞERİFE ESRA ERDAL BAĞRIYANIK

  5. İstatistiksel daraltıcı yöntemlerden ridge regresyon, lasso regresyon ve elastik net regresyonun tahminleme ve sınıflandırma performanslarının karşılaştırılması

    Compare of estimation and classification performances of statistical shrinkage methods ridge regression, lasso regression and elastic net regression

    GAMZE SEVER

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    BiyoistatistikEskişehir Osmangazi Üniversitesi

    Biyoistatistik Ana Bilim Dalı

    PROF. DR. FEZAN MUTLU