Akademik Veri Yönetim Sistemi
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Erciyes Üniversitesi, Fen Bilimleri Enstitüsü, Türkiye
Tezin Onay Tarihi: 2019
Tezin Dili: Türkçe
Öğrenci: ARTEE ABUDAYOR
Danışman: Mustafa Danacı
Özet:
Günümüzde, özellikle son yıllarda Kanser daha fazla insan ölümüne sebep olmuştur. Bu nedenle, konunun ilgisi, kanser ve
milyonlarca genin ekspresyon seviyesini analiz eden DNA mikrodizinini
kullanarak insanlara yardım edebilmektir. Bu, farklı haberci ribonükleik asit
(mRNA) sentezi olan ve hastalıkları teşhis etmek, tümörleri tanımlamak, hastalığa karşı koymak için en iyi tedaviyi seçmek ve diğer işlemler arasında
mutasyonu tespit etmek için kullanılan bir hücre molekülü sunar.
a)
Özgün değeri
DNA mikroarray
teknolojisi, kanser çalışmalarında hastalık sonucunun öngörülmesi için yaygın olarak kullanılmıştır (Wei vd., 2004). Bu anlamda, özellik seçimi ön işleme, hangi
genlerin tahminde bulunacağına karar vermeyi ifade eder ve bir sınıf tahmininin
geliştirilmesinde çok önemli bir adımdır.
Çok fazla özellik eklemek,
model doğruluğunu azaltabilir ve verilerin aşırıya kaçmasına yolaçabilir (Ransohoff 2004). Özellikle kanserin doğru sınıflandırılması, kanser tedavisi için çok önemlidir.
b)
Yöntemi
Kanser sınıflandırmada çok nesneli özellik seçimi için keşif ve sömürü dengelemeli hibrit algoritma. Filtr, sarıcı ve özellik seçimi için hibrit yönteme dayalı hesaplama zamanı, hızlı olması, sınıflandırma doğruluğunu maksimize
ve özellik sayısını
minimize etmesi gereken üç ana amaca sahiptir.
c)
Yönetimi
Araştırma ekibi
gerekli ön çalışmaları yapacak ve keşif ve sömürü dengelemeli ve yüksek performanslı deneye dayalı hibrit algoritma
tasarlayacaktır. Ayrıca, onları kanser sınıflandırması için özellik seçimine
uygulanacaktır. Bu nedenle, sınıflandırma doğruluğu yüksek
performans elde ederse, bazı hastaları teşhis edecek kanser hastası olur ya da
olmaz.
d)
Yaygın etki
Kanser sınıflandırma
için özellik seçimi literatürü bazı algoritmaların düşük arama mekanizmasına, düşük global arama veya erken yakınsamaya
sahip olduğunu göstermektedir. Üstelik, mikroarray verileri, çok sayıda gen ile karşılaştırıldığında nispeten az sayıda
örneğe sahiptir. Numunedeki genin büyük kısmı, gereğinden fazla
olduğundan, diferansiyel olarak eksprese edilmediğinden ve hastalığa özel olmadığından, faydalı bilgiler içermezler. Problemin geliştirilmesinden sonra, kanserin doğru sınıflandırılmasının iyileştirilmesi için hibrit algoritma geliştirilecektir. Kanser sınıflandırması için hibrit algoritma özellik seçiminin geliştirilmesi konusunda bilgili olarak çalışacak olan doktora öğrencilerine farklı bir bakış açısı sunulacaktır.