Classifying subcellular protein patterns in human cells
İnsan hücrelerinde alt hücresel protein desenlerinin sınıflandırılması
- Tez No: 700145
- Danışmanlar: PROF. DR. AHMET KARAARSLAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Makine öğrenmesi, görüntü tanıma, evrişimli sinir ağı, insan hücrelerinde protein türleri, çok sınıflı çok etiketli sınıflandırma, Machine learning, image recognition, convolutional neural network, protein types in human cells, multi-class multi-label classification
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Ankara Yıldırım Beyazıt Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 102
Özet
İNSAN HÜCRELERİNDE ALT HÜCRESEL PROTEİN DESENLERİNİN SINIFLANDIRILMASI ÖZ Görüntü tanıma ve nesne algılama, günümüzde bilim alanında ve endüstride popüler bir konudur. İçeriği, özellikle resimler aracılığıyla sınıflandırmanın birçok pratik uygulaması vardır. Son on yılda bu konuda önemli gelişmeler oldu. Özellikle, makine öğrenimi, diğer bilimsel alanlarda olduğu gibi, mevcut veri miktarındaki inanılmaz artış, bilgisayar donanımının daha güçlü hale gelmesi ve önerilen birçok algoritma ile görüntü tanımada bir numaralı yöntem haline geldi. Görüntü tanıma için görece yetersiz kalan Yapay Sinir Ağından sonra, Evrişimli Sinir Ağlarının icat edilmesiyle makine öğrenme sistemlerinin başarısı artmıştır. Bu çalışmada hücre resimlerindeki protein türleri bulunmaya çalışılmıştır. Verilerin boyutu nedeniyle okuma, eğitim ve değerlendirme süreçleri için bir girdi hattı geliştirilmiştir. Daha sonra, geçmişte başarılı olmuş ağ mimarilerinden esinlenerek üç farklı model tasarlandı. Bu modellerin sonuçları değerlendirilip, en başarılı modele ince ayar yapılarak başarı miktarı artırılmaya çalışılmıştır. VGG'den ilham alınarak tasarlanan ilk modelin kayıp ve makro-F1 puanlarından en iyi sonuçları verdiği bulunmuştur. Ayrıca overfitting durumlarında dropout katmanının kullanılmasının genellikle işe yaradığı ve sistemin başarısını artırdığı gözlemlenmiştir. Gradient Descent algoritmasının türevleri arasında bu veri seti için en başarılı olanın Adam Optimizer olduğu, diğerlerinin varsayılan parametrelerle istenilen sonucu vermediği anlaşıldı.
Özet (Çeviri)
CLASSIFYING SUBCELLULAR PROTEIN PATTERNS IN HUMAN CELLS ABSTRACT Image recognition and object detection is a popular topic in the scientific field and industry today. There are many practical applications of classifying contents, especially through pictures. In the last decade, there have been important developments in this regard. In particular, machine learning has become the number one method in image recognition, as in other scientific fields, with the incredible increase in the amount of data available, computer hardware becoming more powerful and the many algorithms proposed. After the Artificial Neural Network, which was relatively insufficient for image recognition, the success of machine learning systems has increased with the invention of Convolutional Neural Networks. In this study, it was tried to find the types of proteins in the cell pictures. Due to the size of the data, an input pipeline has been developed for reading, training and evaluation processes. Then, three different models were designed, inspired by network architectures that have been successful in the past. Evaluating the results of these models, it has been tried to increase the amount of success by fine-tuning the most successful model. It is found from the loss and macro-F1 scores that the first model, which was designed with the inspiration of VGG, delivers the best results. In addition, it has been observed that the use of the dropout layer in cases involving overfitting generally works and increases the success of the system. Among the derivatives of the Gradient Descent algorithm, it was understood that the most successful for this dataset was Adam Optimizer, others did not give the desired result with default parameters.
Benzer Tezler
- Hibrid ve indirgenmiş kümeleme analizi ile Türkiye'deki ilçelerin sosyo-ekonomik özelliklerine göre sınıflandırılması
Classifying the counties of Turkey according to their socio-economic characteristics by hybrid and reduced clustering analysis
GÖKHAN SAYIN
Yüksek Lisans
Türkçe
2010
EkonometriMuğla Üniversitesiİstatistik Ana Bilim Dalı
ÖĞR. GÖR. MEHMET KARAHASAN
- Classifying foreign fighters: The case of YPG
Yabancı savaşçıları sınıflandırmak: YPG örneği
MEHMET FURKAN ERGÜL
Yüksek Lisans
İngilizce
2020
Uluslararası İlişkilerPolis AkademisiUluslararası Güvenlik Ana Bilim Dalı
PROF. DR. MEHMET ŞAHİN
- Türkçe eğitsel içerikli verilerin okunabilirlik seviyelerine göre sınıflandırılması
Classifying readability level of educational content in turkish language
MUSTAFA ANIL TÖRER
Yüksek Lisans
Türkçe
2015
Bilgi ve Belge YönetimiTurgut Özal ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. RIFAT ÖZCAN
- Bilgiişlem ortamı sunan bulut hizmetlerinde kötücül davranışların saptanması
Classifying malicious behavior in paas services
CEMİLE DİLER ÖZDEMİR
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YUSUF YASLAN
- Kanser sınıflandırmada mikroRNA ve mRNA anlatım bilgilerinin entegrasyonu
Integrating microRNA and mRNA expression data for cancer classification
ONUR ALTINDAĞ
Yüksek Lisans
Türkçe
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBaşkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HASAN OĞUL