Gen setleri ve görüntü kullanılarak hibrit derin sinir ağı ile kanserlerin erken ve geç evre sınıflandırması
Classification early- and late-stage cancers with hybrid deep neural network using gene sets and images
- Tez No: 888582
- Danışmanlar: PROF. DR. AYSUN COŞKUN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 115
Özet
Kanserin yaygınlığı erken ve zamanında teşhis edilerek tedavi süreci önemli ölçüde iyileşecek ve hastalığın yayılmasının önüne geçilecektir. Kanser evrelerinin gen kümelerine göre sınıflandırılmasıyla ilgili bazı zorluklar vardır. Sınıflandırma performansının iyileştirilmesi, küçük örnek veri hacimleri, yüksek veri dağılımı, fazla uydurma ve basit doğrusal sınıflandırıcıların kullanımı gibi zorluklarla engellenmektedir. Son zamanlarda, tıbbi görüntüleri tanımlamak ve sınıflandırmak için güçlü yöntemler geliştirilmiş olsa da, en büyük zorluk, insan görme algılaması ile algoritmalar tarafından çıkarılan düşük seviyeli özellikler arasında anlamsal bir boşluk olmasıdır. Bu tezde, erken ve geç evre kanserleri gen setleri ve görüntüye göre sınıflandırmak için hibrit derin sinir ağlarına dayalı yeni iki yöntem sunulmuştur. Kanser evresini teşhis etmek için derin bir sinir ağı sınıflandırıcısı kullanılmıştır. Modellerimiz, gen setleri üzerinden erken ve geç evre kanser sınıfı arasında mükemmel tahmin doğruluğu (%76.01-94.79) ve çoklu omik veriler üzerinden olağanüstü tahmin doğruluğunu (%89.68-%97.85), kanser görüntü üzerinden tahmin doğruluğu 97.95% göstermektedir. Önerilen modeller kanser veri setleri kullanılarak test edilmiş ve sınıflandırma performans değişkenleri açısından literatürdeki en son yöntemler ile karşılaştırılmıştır.
Özet (Çeviri)
By diagnosing the extent of cancer early and on time, the treatment process will be significantly improved and the spread of the disease will be prevented. There are some difficulties with classifying cancer stages by gene clusters. Improving classification performance is hampered by challenges such as small sample data volumes, high data dispersion, overfitting, and the use of simple linear classifiers. Although powerful methods have recently been developed to identify and classify medical images, the biggest challenge is that there is a semantic gap between human vision perception and the low-level features extracted by algorithms. In this thesis, two new methods based on hybrid deep neural networks are presented to classify early and late stage cancers according to gene sets and image. A deep neural network classifier was used to diagnose cancer stage. Our models show excellent prediction accuracy (76.01-94.79%) between early and late stage cancer class over gene sets and outstanding prediction accuracy (%89.68-%97.85) over multi-omics data, with prediction accuracy over cancer image being 97.95%. The proposed models were tested using cancer datasets and compared with the latest methods in the literature in terms of classification performance variables.
Benzer Tezler
- Ağırlıklı çoklu sınıflandırıcı kullanarak biyolojik verilerin tahmini
Prediction of biological data by using weighted ensemble classifiers
TAYLAN İYİDOĞAN
Yüksek Lisans
Türkçe
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTOBB Ekonomi ve Teknoloji ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. TANSEL ÖZYER
- Meta-analysis of microRNA and gene selection using machine learning
Makine öğrenmesi kullanarak microRNA meta-analizi ve gen seçimi
ELNAZ PASHAEI
Doktora
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. NİZAMETTİN AYDIN
- Multilabel classification with neural network
Yapay sinir ağları ile çok etiketli sınıflandırma
SEZİN EKŞİOĞLU
Yüksek Lisans
İngilizce
2022
Bilim ve TeknolojiÖzyeğin ÜniversitesiVeri Bilimi Ana Bilim Dalı
DOÇ. DR. OKAN ÖRSAN ÖZENER
- Development of a multi-species scrna-seq atlas of metabolic dysfunction–associated steatotic liver disease (MASLD)
Metabolik disfonksiyon ilişkili yağlı karaciğer hastalığı (MASLD) için çok türlü scrna-seq atlasının geliştirilmesi
MERT DEMİRDİZEN
Yüksek Lisans
İngilizce
2024
Biyolojiİhsan Doğramacı Bilkent ÜniversitesiMoleküler Biyoloji ve Genetik Ana Bilim Dalı
DOÇ. DR. ÖZLEN KONU KARAKAYALI
- Survival analysis and its applications in identifying genes, signatures, and pathways in human cancers
Gen, im ve yolak saptanmasında sağkalım analizi ve uygulamaları
AYŞE ÖZHAN
Doktora
İngilizce
2021
Biyolojiİhsan Doğramacı Bilkent ÜniversitesiMalzeme Bilimi ve Nanoteknoloji Ana Bilim Dalı
DOÇ. DR. ÖZLEN KONU KARAKAYALI