A comparative evaluation of feature selection algorithms for cancer classification through gene expression data
Gen ifadesi verileri aracılığıyla kanser sınıflandırmasında öznitelik seçme algoritmalarının karşılaştırmalı değerlendirilmesi
- Tez No: 455457
- Danışmanlar: DOÇ. DR. TÜRKER İNCE, PROF. DR. CÜNEYT GÜZELİŞ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Gen ifadesi, kanser sınıflandırması, öznitelik seçme, DVM, Gene expression, cancer classification, gene selection, SVM, MLP
- Yıl: 2016
- Dil: İngilizce
- Üniversite: İzmir Ekonomi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 131
Özet
Kanser teşhisi konan insanların sayısı her geçen gün artmaktadır. Doktorlar kanser türlerini, görüntüleme teknolojileri, kan analizi ve doku biyopsilerinden elde edilen sonuçları yorumlayarak teşhis ederler. Kanser hücrede başlar. Bu nedenle, kanser hücresinin genetik yapısının incelenmesi, uzun vadede daha güvenilir ve bilgilendiricidir. Ayrıca, bu hücrelerin genetik yapısının analizi, hedef ilaç tedavilerinde kullanılabilen belirteç genleri tanımlarken ve gen ağlarını, genler ile gen ürünleri arasındaki ilişkileri ve genlerin belirli hücre sinyal yolakları üzerindeki etkilerini anlamakta da yardımcı olabilir. Mikro-dizilinler bu alandaki veri kaynaklarından biridir. Gen ifade değerlerini belirlerler ve kanseri teşhis etmek veya kanser türlerini sınıflandırmak için kullanılabilirler. Bu tezde önerilen yöntemde, gen ifadesi verileri, uygun bir gen alt kümesi bulmak ve kanser türlerini sınıflandırmak için istatistiksel teknikler ve makine öğrenme teknikleri kullanılarak analiz edilir. İstatistiksel filtre yaklaşımları, anlamlı bir gen alt kümesi elde etmek için öznitelik seçme yöntemleri olarak kullanılır. Destek vektör makineleri ve çok katmanlı algılayıcı da öznitelik seçme algoritmalarını test etmek ve kanser türlerini sınıflandırmak için kullanılır.
Özet (Çeviri)
The number of people who have been diagnosed with cancer is increasing day by day. Cancer is diagnosed by interpreting the results obtained from the imaging technologies, blood analysis and diagnostic biopsies. Cancer begins in the cell. Therefore, studying genetic structure of the cancer cell is more reliable and informative in the long term. The analysis of the genetic structure of these cells can also be helpful while identifying marker genes, which can be used in targeted drug therapies. Additionally, understanding the gene networks, relations between genes and their products and the effects of genes on certain cell signaling pathways can help scientists to understand the dynamics of cancer. Microarrays are one of the important data sources for gene expression which can be used to diagnose cancer or classify cancer types. In this thesis, gene expression data from the benchmark datasets is analyzed to select a proper gene subset and classify three different types of cancer by using statistical and machine learning techniques. Nine different statistical filter approaches as feature selection methods are comparatively evaluated. For pattern recognition, support vector machines and multilayer perceptrons are employed to test the feature selection algorithms and classify cancer types.
Benzer Tezler
- Veri madenciliği süreçleri ile Akdeniz bölgesi güneş ışınım potansiyelinin tahmini
Using data mining processes to the estimate of solar radiation potential in the Mediterranean region
ABDURRAHMAN BURAK GÜHER
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAKİR TAŞDEMİR
- Özellik seçimi algoritmaları kullanılarak heyelanda etkili faktörlerin belirlenmesi ve heyelan duyarlılık haritalarının üretilmesi
Determination of effective factors using feature selection algorithms and production of landslide susceptibility maps
EMREHAN KUTLUĞ ŞAHİN
Doktora
Türkçe
2017
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. CENGİZHAN İPBÜKER
PROF. DR. TAŞKIN KAVZOĞLU
- Otomotiv döküm parça talep tahmininin yapay sinir ağları ile modellenmesi ve arıma yöntemi ile karşılaştırmalı analizi
Modeling automotive casting part demand forecasting with artificial neural networks and comparative analysis with arima method
SELİNAY KAYALI
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. MERVE CENGİZ TOKLU
- DDoS attack detection using machine learning and deep learning methods
Makine öğrenmesi ve derin öğrenme yöntemleri ile DDoS atak tespiti
DENİZ MERVE GÜNDÜZ
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTED ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMİN KUĞU
- Comparison of machine learning algorithms on consumer credit classification
Tüketici kredilerinin sınıflandırması üzerinde makineöğrenimi algoritmalarının karşılaştırması
OĞUZ KOÇ
Yüksek Lisans
İngilizce
2019
İstatistikOrta Doğu Teknik ÜniversitesiFinansal Matematik Ana Bilim Dalı
PROF. DR. AYŞE SEVTAP KESTEL
PROF. DR. ÖMÜR UĞUR