Geri Dön

A comparative study of deep learning methods for classification of rna-seq cancer data

Rna-seq kanser verilerinin sınıflandırılması için derin öğrenme yöntemlerinin karşılaştırmalı bir çalışması

  1. Tez No: 627225
  2. Yazar: NİHAT YILMAZ ŞİMŞEK
  3. Danışmanlar: DR. ÖĞR. ÜYESİ BÜLENT HAZNEDAR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Kanser, Gen İfadesi, RNA-Seq, Sınıflandırma, Derin Öğrenme, Cancer, Gene Expression, RNA-Seq, Classification, Deep Learning
  7. Yıl: 2019
  8. Dil: İngilizce
  9. Üniversite: Hasan Kalyoncu Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektronik-Bilgisayar Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 117

Özet

Kanser günümüzde ölüm sebeplerinin en başında gelmektedir. Her yıl milyonlarca insan kanserden ölürken, milyonlarca insana ise kanser teşhisi konmaktadır. Kanser bir gen hastalığıdır. Genlerde meydana gelen mutasyonlar sonucu hücrelerin anormal hale gelmesi ve kontrolsüz bir şekilde bölünmesi kanser hastalığının başlıca sebebidir. Bu nedenle kanser hastalığının teşhisinde ve sınıflandırılmasında gen ifadeleri büyük bir öneme sahiptir. RNA-Seq verileri birçok genin bilgilerini saklamaktadır. RNA-Seq verileri üzerinde bulunan bu genlerden birçoğunun kanserle bir ilgisi yoktur. Hangi genlerin kansere sebep olduğunu bulmak ve sonrasında kanser türünün teşhisi çok fazla zaman isteyen bir süreçtir. Bu süreci kısaltmak ve doktorlara teşhis sürecinde yardımcı olmak için sınıflandırma algoritmaları veya derin öğrenme metotları kullanılarak karar destek sistemleri geliştirilebilir. Bu tezin amacı, daha önce kanser teşhisi konulmuş hastalardan elde edilen genler ile oluşturulmuş RNA-Seq veri kümeleri kullanılarak kanser türünün klasik yöntemler, yapay sinir ağları ve derin öğrenme metotları kullanılarak analiz edilmesidir. Öncelikle RNA-Seq veri kümesinin boyutunu azaltmak için sarmal yöntemler kullanılarak gen seçimi yapılır. Daha sonra seçilen genler sınıflandırma işleminde kullanılır. Sınıflandırma için karar ağaçları, rastgele ormanlar, destek vektör makineleri, yapay sinir ağları ve derin öğrenme kullanılır. Bu çalışmadan sonra kanser sınıflandırmalarında hangi yöntemin daha iyi sonuç verdiği incelenir. Elde edilen sonuçlara göre geliştirilen metodun kanser sınıflandırması sürecinde doktorlara yardımcı olması beklenmektedir.

Özet (Çeviri)

Cancer is one of the most important causes of deaths today. Millions of people die because of cancer every year, while millions of people are diagnosed with cancer. Cancer is a gene disease. As a result of mutations in genes, cells become abnormal and uncontrolled division is the main cause of cancer disease. Therefore, gene expression is very important in the diagnosis and classification of cancer. RNA-Seq data stores information of many genes. Many of these genes found on RNA-Seq data have nothing to do with cancer. Finding which genes cause cancer and then diagnosing the type of cancer is a long time process. Decision support systems can be developed using classification algorithms or deep learning methods to shorten this process and assist doctors in the diagnosis process. The aim of this thesis is to analyze the cancer type using clasical methods, artificial neural networks and deep learning methods by using RNA-Seq datasets created with genes obtained from previously diagnosed cancer patients. First, gene selection is made using wrapper methods to reduce the size of the RNA-Seq data set. The selected genes are then used in the classification process. For classification, decision trees, random forests, support vector machines, artificial neural networks and deep learning methods are used. After this study, which method works better in cancer classifications is examined. The method developed according to the results is expected to help doctors in the process of cancer classification.

Benzer Tezler

  1. A comparative study of deep learning techniques in concrete crack detection: Convolutional neural networks and logistic regression

    Beton çatlağı tahminde derin öğrenme yöntemlerinin kıyaslamalı bir çalışması: Evrişimsel sinir ağları ve lojistik regresyon

    AZHI YASSIN RASUL

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Kültür Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. FADİME YÜKSEKTEPE

  2. A comparative study of convolutional neural network features for detecting breast cancer

    Meme kanserinin saptanmasinda konvonsiyonel sinir ağı özelliklerinin karşılaştırmali çalışması

    KEMALCAN BORA

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Yıldırım Beyazıt Üniversitesi

    Yönetim Bilişim Sistemleri Ana Bilim Dalı

    DR. KEZİBAN SEÇKİN CODAL

  3. Yinelemeli sinir ağları ile sermaye piyasası yön tahmini üzerine bir çalışma

    A study on direction prediction of capital markets with recurrent neural networks

    MUHİDDİN ÇAĞLAR EREN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. ALP ÜSTÜNDAĞ

  4. Olasılıksal modeller ile Türkçe müzik türlerinin sınıflandırılması

    Classification of Turkish music genres with probabilistic models

    MEHMET CÜNEYT ÖZBALCI

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. TURGAY TUGAY BİLGİN

  5. Data-driven design and analysis of next generation mobile networks for anomaly detection and signal classification with fast, robust and light machine learning

    Hızlı, Sağlam ve Hafif Makine Öğrenmesi ile Anormallik Algılaması ve Sinyal Sınıflandırması için Yeni Nesil Mobil Ağların Veriye Dayalı Tasarımı ve Analizi

    MUHAMMED FURKAN KUCUK

    Doktora

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik MühendisliğiUniversity of South Florida

    Haberleşme Ana Bilim Dalı

    DOÇ. DR. İSMAİL UYSAL