Convolutional Neural Networks and their Application in Cancer Diagnosis based on RNA-Sequencing

Πτυχιακή Εργασία uoadl:2976042 177 Αναγνώσεις

Μονάδα:
Τμήμα Πληροφορικής & Τηλεπικοινωνιών
Πληροφορική
Ημερομηνία κατάθεσης:
2022-03-14
Έτος εκπόνησης:
2022
Συγγραφέας:
ΚΑΝΕΛΛΑΚΗ ΜΑΡΙΑ ΑΝΝΑ
Στοιχεία επιβλεπόντων καθηγητών:
ΣΤΑΜΑΤΟΠΟΥΛΟΣ ΠΑΝΑΓΙΩΤΗΣ, Επίκουρος Καθηγητής, Τμήμα Πληροφορικής και Τηλεπικοινωνιών, Εθνικόν και Καποδιστριακόν Πανεπιστήμιον Αθηνών
Πρωτότυπος Τίτλος:
Convolutional Neural Networks and their Application in Cancer Diagnosis based on RNA-Sequencing
Γλώσσες εργασίας:
Αγγλικά
Μεταφρασμένος τίτλος:
Συνελικτικά Νευρωνικά Δίκτυα και η Εφαρμογή τους στη Διάγνωση Καρκίνου βάσει της Αλληλουχίας του RNA
Περίληψη:
Η έκφραση γονιδίων αποτελεί τη μελέτη της λειτουργίας της γονιδιακής μεταγραφής,
κατά την οποία συνθέτονται γονιδιακά προϊόντα, είδη RNA ή πρωτεΐνες. Η μελέτη της
παρέχει την κατανόηση των κυτταρικών λειτουργιών, όπως η κυτταρική διαφοροποίηση
και οι μη φυσιολογικές παθολογικές λειτουργίες.
Ο καρκίνος αποτελεί μία γενετική ασθένεια όπου γενετικές παραλλαγές προκαλούν μη
φυσιολογικές λειτουργίες στα γονίδια και τροποποιούν την έκφραση τους. Οι πρωτεΐνες,
οι οποίες αποτελούν το τελικό αποτέλεσμα της έκφρασης γονιδίων, καθορίζουν τους
φαινοτύπους και τις βιολογικές λειτουργίες. Συνεπώς, η ανίχνευση των επιπέδων
έκφρασης γονιδίων δύναται να χρησιμοποιηθεί στη διάγνωση, την πρόγνωση, ακόμα
και την επιλογή της θεραπείας του καρκίνου.
Σε αυτή την πτυχιακή θα αναλυθεί η θεωρία και οι εφαρμογές της Βαθειάς Μάθησης.
Στη συνέχεια, θα εφαρμοστεί η Βαθειά Μάθηση και πιο συγκεκριμένα ένα Συνελικτικό
Νευρωνικό Δίκτυο, ως μέσο για τη διάγνωση πολλαπλών τύπων καρκίνου
(κατηγοριοποίηση καρκίνων) χρησιμοποιώντας δεδομένα έκφρασης γονιδίων, και πιο
συγκεκριμένα αλληλουχίες RNA.
Τα δεδομένα του «The Cancer Genome Atlas» (TCGA) αποτελούνται από αλληλουχίες
RNA. Θα επεξεργαστούν σε πρώτο επίπεδο και μετά θα μετατραπούν σε πολλαπλές
δισδιάστατες εικόνες. Οι εικόνες αυτές θα εισαχθούν σε ένα Συνελικτικό Νευρωνικό
Δίκτυο, το οποίο θα τις κατηγοριοποιήσει σε 33 τύπους καρκίνου, αποσκοπώντας στην
διάγνωση με τη μέγιστη δυνατή ακρίβεια.
Κύρια θεματική κατηγορία:
Τεχνολογία – Πληροφορική
Λέξεις-κλειδιά:
Βαθειά Μάθηση, Συνελικτικό Νευρωνικό Δίκτυο, Κατηγοριοποίηση, Διάγνωση Καρκίνου, Έκφραση Γονιδίων, Αλληλουχία RNΑ
Ευρετήριο:
Ναι
Αρ. σελίδων ευρετηρίου:
4
Εικονογραφημένη:
Ναι
Αρ. βιβλιογραφικών αναφορών:
121
Αριθμός σελίδων:
63
thesis_Kanellaki_MariaAnna.pdf (2 MB) Άνοιγμα σε νέο παράθυρο