Integration of deep learning methods in the classification of rna-seq data
Rna-seq verilerinin sınıflandırılmasında derin öğrenme yöntemlerinin entegrasyonu
- Tez No: 746302
- Danışmanlar: DR. ÖĞR. ÜYESİ BÜLENT HAZNEDAR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Alzheimer hastalığı, Gen ifadesi, Sınıflandırma, Yapay sinir ağları, Alzheimer disease, Gene expression, Classification, Artificial neural networks
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Hasan Kalyoncu Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Rahim ağzı kanseri, serviks adı verilen rahmin alt kısmındaki hücreleri etkileyen bir jinekolojik kanser türüdür. Gen mutasyonlarının bir sonucu olarak hücreler anormal hale gelir ve kontrolsüz bölünme kanserin birincil nedenidir. Öte yandan, Alzheimer hastalığı, esas olarak insanlar yaşlandıkça beyin hücresi ölümünün bir sonucu olarak hafıza kaybına ve bunamaya neden olan geri dönüşü olmayan bir nörolojik hastalıktır. Beynin düşünme, öğrenme ve hafızayı kontrol eden kısımları yaralanmış veya tahrip olmuş ve semptomlara neden olmuştur. Rahim ağzı kanseri ve Alzheimer hastalığı her ikisi de genetik bozukluklardır. Birçok genin bilgisi RNA-Seq verilerinde tutulur. Bu yaklaşımı hızlandırmak ve klinisyenlere tanı sürecinde yardımcı olmak için ilişkisiz gen sayısı azaltılarak sınıflandırma algoritmaları kullanılarak metodolojiler oluşturulabilir. Bu önerinin amacı, gerçek örneklerden elde edilen genlerle oluşturulmuş RNA-Seq veri kümelerini kullanarak Rahim Ağzı Kanseri ve Alzheimer Hastalığını incelemek için istatistiksel ve derin öğrenme yaklaşımlarını kullanmaktır. RNA-Seq veri setinin boyutunu küçültmek için iki veri seti için tüm genler arasında %5, %10 ve %30 olacak şekilde gen seçilim yapılır ve gen ekspresyon verileri her bir gen için genlerin önem düzeyine göre oluşturulmuştur. Bu üç senaryoda, seçilen genler kategorizasyon sürecinde eğitilir ve test edilir. Sınıflandırma için Derin Sinir Ağları (DNN), Evrişimli sinir ağları (CNN) ve uzun kısa süreli bellek (LSTM) yaklaşımları uygulanmaktadır. Bu araştırmanın ardından Alzheimer Hastalığı ve Rahim Ağzı Kanseri sınıflandırmalarında hangi yaklaşımların en iyi sonuç verdiği değerlendirilecektir.
Özet (Çeviri)
Cervical cancer is a type of gynecological cancer that affects the cells in the lower section of the uterus called the cervix. Cells become abnormal as a result of gene mutations, and uncontrolled division is the primary cause of cancer. On the other hand, Alzheimer's disease is an irreversible neurological disease that causes memory loss and dementia, primarily as a result of brain cell death as people age. The parts of the brain that control thinking, learning, and memory have been injured or destroyed, causing symptoms. Cervical cancer and Alzheimer's disease are both genetic disorders. As a matter of fact, gene expression is significant in the diagnosis and classification of Cervical Cancer and Alzheimer's disease. Many genes' information is kept in RNA-Seq data. To accelerate this approach and assist clinicians in the diagnosis process, methodologies can be constructed using classification algorithms with decreasing the number of irrelevant genes. The objective of this thesis is to use statistical and deep learning approaches to examine Cervical Cancer and Alzheimer's Disease utilizing RNA-Seq datasets built with genes obtained from real samples. To lower the size of the RNA-Seq data set, gene selection is done by 5%, 10%, and 30% among all genes for both datasets, and the gene expression data were generated for each gene according to the importance level of the genes. In three scenarios, the selected genes are trained and tested in the categorization process. Deep Neural networks, convolutional neural networks, and long short-term memory approaches are implemented for classification. Following this research, it will be evaluated which approaches work best in the classifications of Alzheimer's Disease and Cervical Cancer.
Benzer Tezler
- Artificial intelligence assisted drop pattern analysis and RNAseq profiling for early diagnosis and follow-up of bladder cancer
Mesane kanserinin erken tanı ve takibinde yapay zeka destekli damla motif analizi ve RNAseq profilleme
RAMİZ DEMİR
Doktora
İngilizce
2023
Moleküler TıpKoç ÜniversitesiTıbbi Genetik Ana Bilim Dalı
PROF. DR. DEVRİM GÖZÜAÇIK
- Integration of machine learning and deep learning methods for the enhancement of rheumatoid arthritis diagnosis
Romatoid artrit tanısının iyileştirilmesi için makine öğrenmesi ve derin öğrenme yöntemlerinin entegrasyonu
KEMAL ÜRETEN
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankaya ÜniversitesiMühendislik Bilimleri Ana Bilim Dalı
PROF. DR. HADİ HAKAN MARAŞ
- Sentiment analysis model proposal with deep learning techniques on big data: Portfolio selection with the help of industry indicators
Büyük veri üzerinde derin öğrenme teknikleri ile duygu analizi model önerisi: Sektör göstergeleri yardımıyla portföy seçimi
MAHMUT SAMİ SİVRİ
Doktora
İngilizce
2023
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ALP ÜSTÜNDAĞ
- Dejeneratif omurga hastalıklarının sınıflandırılması için docker konteynerleri tabanlı multimodal derin öğrenme yaklaşımları
Docker-based multimodal deep learning approaches for the classification of degenerative spinal diseases
HASAN YİĞİT
Yüksek Lisans
Türkçe
2025
Mühendislik BilimleriMuğla Sıtkı Koçman ÜniversitesiYapay Zeka Ana Bilim Dalı
DOÇ. DR. İBRAHİM ÖNDER YENİÇERİ
- Coğrafi bilgi sistemlerinde adres değişikliğinin derin öğrenme yöntemleri ile gerçek zamanlı olarak tespit edilmesi
Detection by using deep learning methods of address change in geographic information systems as real-time
NUH MEHMET ÖZMERDİVENLİ
Yüksek Lisans
Türkçe
2024
Mühendislik BilimleriKayseri ÜniversitesiHesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı
DOÇ. DR. BAHATDİN DAŞBAŞI
DOÇ. DR. MURAT TAŞYÜREK