Design and development of machine learning models for disease prediction and biomarkers detection
Hastalık tahmini ve biyobelirteçlerin tespiti için makine öğrenim modellerinin tasarımı ve geliştirilmesi
- Tez No: 876696
- Danışmanlar: DR. ÖĞR. ÜYESİ BURCU GÜNGÖR, PROF. DR. MALİK YOUSEF
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Abdullah Gül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 129
Özet
Tıp biliminde, hastalıkların tahmini ve biyobelirteçlerin tanımlanması, çeşitli sağlık koşullarının teşhis ve tedavisinde önemli bir rol oynamaktadır. Veri madenciliği tekniklerinin son zamanlarda yaygınlaşması, hastalık tahmin sistemlerinin gelişimini hızlandırmıştır. Özellikle makine öğrenim yöntemleri, tıbbi verilerin analizinde ve hastalığın ortaya çıkma olasılığını tahmin etmeye yönelik kalıpların belirlenmesinde etkili bir yöntemdir. Makine öğrenim yöntemleri, biyobelirteçlerin tanımlanmasına da yardımcı olmaktadır. Son zamanlarda inflamatuar bağırsak hastalığı, kolorektal kanser ve tip 2 diyabet hastalıkları ile karşılaşma sıklığının artması ve artan ölüm oranları araştırmacıların dikkatini bu araştırma alanlarına çekmektedir. Bu tezin amacı, hastalık ile ilişkili karmaşık ve çok sayıda özellik içeren biyolojik veri setlerinden yola çıkarak özelliklerin sayısını azaltmak ve makine öğrenmesi tahmin performansını artırmaktır ve ayrıca potansiyel biyobelirteçleri tanımlamaktır. Bu tezde üç farklı çalışma tanıtılmaktadır. İlk çalışma miRNA verileri ve biyolojik alan bilgisi kullanılarak on bir farklı kanser alt grubu tahmin edilmekte ve bu hastalıklar için olası biyomarkörler belirlenmektedir. İkinci çalışma da metagenomik veriler ve biyolojik alan bilgisi kullanılarak üç farklı hastalık tahmin edilmekte ve olası biyomarkörler belirlenmektedir. Üçüncü çalışma kolorektal kanser ile ilişkili metagenomik verileri kullanarak geleneksel özellik seçim yöntemleri ile küresel ve popülasyonlara bağlı kapsamlı deneyler gerçekleştirilmekte ve olası biyomarkörler belirlenmektedir. Bu tez, erken hastalık tespiti için umut verici bir yol sunmakta, hızlandırılmış tedavi protokollerine olanak tanımakta, insan sağkalım oranlarını artırmakta ve bu kritik araştırma alanlarında potansiyel olarak ekonomik yükleri azaltmaktadır.
Özet (Çeviri)
In medical science, the prediction of diseases and the identification of biomarkers play an important role in the diagnosis and treatment of various health conditions. The recent proliferation of data mining techniques has accelerated the development of disease prediction systems. In particular, machine learning methods are an effective way to analyze medical data and identify patterns to predict the likelihood of the disease development. Machine learning methods also help to identify biomarkers. Recently, the increasing incidence and mortality rates of inflammatory bowel disease, colorectal cancer and type 2 diabetes have drawn researchers' attention to these research areas. The aim of this thesis is to reduce the number of features and improve the prediction performance of machine learning based on complex biological datasets with a large number of disease-related features, as well as to identify potential biomarkers. In this thesis, three different studies are presented. The first study predicts eleven different cancer subgroups using miRNA data and biological domain knowledge and identifies potential biomarkers for these diseases. The second study predicts three different diseases using metagenomic data and biological domain knowledge and identifies potential biomarkers. The third study uses metagenomic data related to colorectal cancer to conduct global and population-based comprehensive experiments with traditional feature selection methods to identify potential biomarkers. This thesis presents a promising avenue for early disease detection, facilitating expedited treatment protocols, improving human survival rates, and potentially alleviating economic burdens within these critical research domains.
Benzer Tezler
- Antenna design for breast cancer detection and machine learning approach for birth weight prediction
Meme kanseri tespiti için anten tasarımı ve doğum ağırlığı tahmini için makine öğrenmesi yaklaşımı
HALUK KIRKGÖZ
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ONUR KURT
- Yapay zeka kullanılarak klinik tanının öngörülmesinde biyokimyasal test sonuçlarının rolünün araştırılması
Investigation of the role of biochemical test results in prediction of clinical diagnosis using artificial intelligence
YUSUF YEŞİL
Tıpta Uzmanlık
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul ÜniversitesiTıbbi Biyokimya Ana Bilim Dalı
PROF. DR. EVİN ADEMOĞLU
DOÇ. DR. ALPAY MEDETALİBEYOĞLU
- Developing a novel artificial intelligence based method for diagnosing chronic obstructive pulmonary disease
Kronik obstrüktif akciğer hastalığı teşhisi için yapay zeka tabanlı yeni bir yöntem geliştirilmesi
İNANÇ MORAN
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. DENİZ TURGAY ALTILAR
- Kronik obstrüktif akciğer hastalığı teşhisi için makine öğrenmesi tabanlı yeni bir yöntem geliştirilmesi
Development of a new machine learning-based method for the diagnosis of chronic obstructive pulmonary disease
ENGİN MELEKOĞLU
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ÜMİT KOCABIÇAK
- HIV-1 proteaz enzimine ait kesme konumlarının fizikokimyasal özelliklere dayalı yeni bir kodlama yaklaşımı ile oluşturulmuş veri seti ile tahmin edilmesi
HIV-1 protease cleavage site prediction with generating dataset using a new encoding scheme based on physicochemical properties
METİN YANGIN
Yüksek Lisans
Türkçe
2019
İstatistikMimar Sinan Güzel Sanatlar Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. AYÇA ÇAKMAK PEHLİVANLI