Sustav za analizu tumorskih biljega (CROSBI ID 380857)
Ocjenski rad | sveučilišni preddiplomski završni rad
Podaci o odgovornosti
Domančić, Mirna
Seršić, Damir
hrvatski
Sustav za analizu tumorskih biljega
U današnje je vrijeme rak jajnika sve češća bolest koja se javlja kod žena. Visoki postotak smrtnosti je uvelike uzrokovan poteškoćama u ranoj dijagnozi bolesti. Metoda koja pruža šansu ranog dijagnosticiranja je metoda SELDI-TOF. Značajke koje se dobivaju tom metodom su prikazane u obliku skupa podataka koji opisuju intenzitet određenih proteina u uzorku. Nad tim značajkama provodi se analiza kako bi se omogućilo razlikovanje pacijenata sa malignim rakom, pacijenata sa benignim izraslinama, te zdravih pacijenata. Prvo su nad podacima provedene tri metode odabiranja najvažnijih značajki : metoda RIS, metoda transformacije entropijom te metoda transformacije Gini Diversity Indexom. Tako uređene značajke potom su podvrgnute različitim metodama strojnog učenja: RUSBoost, AdaBoostM1, AdaBoostM2, TotalBoost, LPBoost, Bag i TreeBagger. Dobiveni rezultati potom su uspoređeni te je odabrana najbolja kombinacija: Metoda odabira značajki Gini Diversity Indexom u kombinaciji s algoritmom AdaBoostM1. Navedena metoda razlikuje pacijente s malignim izraslinama od ostalih u 98 posto slučajeva što daje mogućnost primjene ovakve metode za pomoć pri dijagnosticiranju raka jajnika.
rak jajnika; tumor; dijagnoza; metoda SELDI-TOF; strojno učenje; Adaptive Boosting; klasifikacija
nije evidentirano
engleski
Tumor marker analysis system
nije evidentirano
ovarian cancer; tumor; diagnosis; SELDI-TOF method; machine learning; Adaptive Boosting; classification
nije evidentirano
Podaci o izdanju
34
12.07.2013.
obranjeno
Podaci o ustanovi koja je dodijelila akademski stupanj
Fakultet elektrotehnike i računarstva
Zagreb