Geri Dön

Classifying subcellular protein patterns in human cells

İnsan hücrelerinde alt hücresel protein desenlerinin sınıflandırılması

PDF İndir

  1. Tez No: 700145
  2. Yazar: MAHMUT MOL
  3. Danışmanlar: PROF. DR. AHMET KARAARSLAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. 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
  7. Yıl: 2020
  8. Dil: İngilizce
  9. Üniversite: Ankara Yıldırım Beyazıt Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

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

  1. Tez No

    255978

    Causality analysis in biological networks

    Biyolojik ağlarda nedensellik analizi

    ÖZGÜN BABUR

    Doktora

    İngilizce

    İngilizce

    2010

    Biyolojiİhsan Doğramacı Bilkent Üniversitesi

    Bilgisayar Mühendisliği Bölümü

    DOÇ. DR. UĞUR DOĞRUSÖZ

  2. Tez No

    171714

    Küçük hücreli dışı akciğer kanserinde mediasten lenf nodu evrelemesinde PET-BT`nin yeri

    The roleof PET-CT in mediastinal lymh node sterging for non-small all lung camler

    EBRU ŞENGÜL

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2006

    Göğüs Hastalıklarıİstanbul Üniversitesi

    Göğüs Hastalıkları Ana Bilim Dalı

    PROF.DR. MUSTAFA YAMAN

  3. Tez No

    705511

    HPV pozitif bireylerde miR-519d, HPV16-miR-H1 ve DVL-1 ifadelerinin RT-PCR ile araştırılması

    Investigation of miR-519d, HPV16-miR-H1 and DVL-1 expressions in HPV positive individuals by RT-PCR

    ASLIHAN ESRA BİLDİRİCİ

    Doktora

    Türkçe

    Türkçe

    2021

    Tıbbi BiyolojiSivas Cumhuriyet Üniversitesi

    Tıbbi Biyoloji Ana Bilim Dalı

    DOÇ. DR. NİLGÜN ÇEKİN

  4. Tez No

    597223

    Classifying CT images of brain infarction with 3D CNN

    Beyin enfarktüs CT görüntülerinin 3D CNN metoduyla sınıflandırılması

    NİSANUR MÜHÜRDAROĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Yıldırım Beyazıt Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖZKAN KILIÇ

  5. Tez No

    641949

    Classifying foreign fighters: The case of YPG

    Yabancı savaşçıları sınıflandırmak: YPG örneği

    MEHMET FURKAN ERGÜL

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Uluslararası İlişkilerPolis Akademisi

    Uluslararası Güvenlik Ana Bilim Dalı

    PROF. DR. MEHMET ŞAHİN

Geri Dön