Geri Dön

A multilayer perceptron framework for sparse multiple kernel learning

Seyrek çoklu çekirdek öğrenimi için çok katmanlı bir perseptron çerçevesi

  1. Tez No: 836736
  2. Yazar: BİNNUR ŞAHİN
  3. Danışmanlar: PROF. DR. MEHMET GÖNEN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Koç Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Yapay Zeka Bilim Dalı
  13. Sayfa Sayısı: 72

Özet

Kanser araştırmalarını ilerletmek ve hasta bakımını iyileştirmek, büyük ölçüde kanser ilerledikçe biyolojik mekanizmaların nasıl değiştiğinin anlaşılmasına bağlıdır. Tümörlerdeki aktif biyolojik süreçlerin belirlenmesi, hedefe yönelik tedavilerin ve erken teşhis ve prognoz için potansiyel biyobelirteçlerin geliştirilmesi açısından çok önemlidir. Bu tezde, gen ekspresyon profillerini kullanarak güçlü ve yorumlanabilir bir model geliştirme amacıyla erken evre ve geç evre kanserleri ayırt etmeye odaklandık. Yapay öğrenme yöntemleri, gizli kalıpları ve kestirimci özellikleri ortaya çıkarmak için geniş genomik ve klinik verilerin analiz edilmesini sağlayarak kanser araştırmalarında umut vaat etmektedir. Çalışmamız, çoklu çekirdek öğrenimi bağ\-lamında seyrek bir çözüm oluşturmak için çok katmanlı bir perseptron modelinin yeteneklerinden yararlanmaya odaklandı. Bu, modelimizin gen ifade profillerine dayalı olarak erken evre ve geç evre kanserler arasında yetkin bir ayrım yapmasını sağladı. Modelimiz sadece yüksek tahmin performansı sunmakla kalmadı, aynı zamanda kanserin ilerlemesini yönlendiren önemli genler ve yolaklar hakkında değerli bilgiler sağladı. Çok katmanlı perseptron modelimizi değerlendirmek için, onu üç köklü yapay öğrenme algoritmasıyla karşılaştırdık: rassal orman, destek vektör makinesi ve çoklu çekirdek öğrenimi. Dikkat çekici bir şekilde, modelimiz 15 kanser kohortunda alıcı işletim karakteristik eğrisi altındaki alan ile ölçüldüğü üzere tutarlı bir şekilde daha iyi veya karşılaştırılabilir kestirim performansı elde etti. Bu bulgular, çok katmanlı perseptron modelimizin, kanserin ilerlemesini yönlendiren kritik genleri ve yolakları etkili bir şekilde tanımladığını ve erken evre ve geç evre kanser sınıflandırmasına ilişkin değerli bilgiler sunduğunu göstermektedir.

Özet (Çeviri)

Advancing cancer research and improving patient care heavily rely on understanding how biological mechanisms change as cancer progresses. Identifying the active biological processes within tumors is crucial for developing targeted treatments and potential biomarkers for early detection and prognosis. In this thesis, we focused on distinguishing between early-stage and late-stage cancers using gene expression profiles, aiming to develop a powerful and interpretable model. Machine learning methods have shown promise in cancer research by enabling the analysis of vast genomic and clinical data to uncover hidden patterns and predictive features. Our work centered around harnessing the capabilities of a multilayer perceptron (MLP) model to create a sparse solution within the context of multiple kernel learning (MKL). This enabled our model to proficiently differentiate between early-stage and late-stage cancers based on gene expression profiles. Our model not only offered high predictive performance but also provided valuable insights into the crucial genes and pathways driving cancer progression. To evaluate our MLP model, we benchmarked it against three well-established machine learning algorithms: random forest, support vector machine, and MKL. Remarkably, our model consistently achieved better or comparable predictive performance, as measured by the area under the receiver operating characteristic curve, across 15 cancer cohorts. The findings demonstrate that our proposed MLP model effectively identifies critical genes and pathways driving cancer progression, offering valuable insights into early-stage and late-stage cancer classification.

Benzer Tezler

  1. Örgüt topluluklarında yeni örgüt formlarının oluşumu: Türkiye ve Avrupa bağlamında bir araştırma

    Formation of new organizational forms in organizational populations: A study in the context of Türkiye and Europe

    SENCER ÖZEL

    Doktora

    Türkçe

    Türkçe

    2024

    İşletmeGalatasaray Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. NACİYE AYLİN ATAAY SAYBAŞILI

  2. Enhancing cross-market recommendation system using graph isomorphism networks

    Çizge izomorfizm ağları kullanarak çapraz pazar tavsiye sistemi geliştirme

    SÜMEYYE ÖZTÜRK

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞULE ÖĞÜDÜCÜ

    DR. RESUL TUGAY

  3. Ground penetrating radar antenna design to detect buried object and signal processing with deep learning networks by usingnumerical electromagnetic methods

    Gömülü hedef tespit etmek için yere nüfuz eden radar anten tasarımı ve sayısal elektromanyetik yöntemler kullanarak derin öğrenme ağları ile sinyal işleme

    REYHAN YURT

    Doktora

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik MühendisliğiYıldız Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HAMİD TORPİ

  4. IoT security by detection of the network intrusion traffic using DL

    DL kullanılarak ağ izinsiz trafiğinin tespiti ile IoT güvenliği

    NADİA QUTAİBA MOHAMEDSAEED ALSABBAGH

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. HASAN HÜSEYİN BALIK

  5. Parmak görüntüleri üzerinden kişi yaş ve cinsiyet tahmini yapılması

    Prediction of individuals age and gender based on fingerphoto

    ISLAM NAHEDH FADHIL ALABDOO

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiKırşehir Ahi Evran Üniversitesi

    İleri Teknolojiler Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHMET ALİ YALÇINKAYA