Biyomühendislik / Bioengineering

Permanent URI for this collectionhttps://hdl.handle.net/20.500.12573/208

Browse

Browsing Biyomühendislik / Bioengineering by Subject "machine learning"

Filter results by typing the first few letters
Now showing 1 - 2 of 2
  • Thumbnail Image
    Conference Object
    Computer-Aided Classification of Breast Cancer Histopathological Images
    (IEEE345 E 47TH ST, NEW YORK, NY 10017 USA, 2017) Aksebzeci, Bekir Hakan; Kayaalti, Omer; AGÜ, Yaşam ve Doğa Bilimleri Fakültesi, Biyomühendislik Bölümü; 01. Abdullah Gül University
    Nowadays, one of the most common types of cancer is breast cancer. The early and accurate diagnosis of breast cancer has great importance in the treatment of the disease. In the diagnosis of breast cancer, histopathological analysis of cell and tissue specimens taken by biopsy is considered as the gold standard. Histopathological analysis is a tedious process that is highly dependent on the knowledge and experience of the pathologists. In this study; it is aimed to develop a computer-aided system that can reduce the workload of pathologists and help them in their diagnosis. An image set containing benign and malignant tumor images of breast cancer has been studied. To perform texture analysis on tumor images; first order statistics, Gabor and gray-level co-occurrence matrix (GLCM) feature extraction methods have been applied. Then, various classifiers were applied to the obtained feature matrices and their performances were compared. The highest classification accuracy was achieved 82.06% by Random Forests classifier with feature combination of Gabor and GLCM methods. The results presented here show that computer-assisted diagnosis of breast cancer is a promising field.
  • Thumbnail Image
    Research Project
    RNA İkincil Yapılarının Çok Boyutlu Gösterimi ve Pre-Mirna Tespiti Için Uygulamaları
    (TUBİTAK, 2021) Saçar Demirci, Müşerref Duygu; Demirci, Yilmaz Mehmet; 0000-0003-2012-0598; 0000-0003-3802-4211; AGÜ, Yaşam ve Doğa Bilimleri Fakültesi, Biyomühendislik Bölümü; Saçar Demirci, Müşerref Duygu; Demirci, Yilmaz Mehmet; 01. Abdullah Gül University; 02.01. Mühendislik Bilimleri; 02. Mühendislik Fakültesi; 04. Yaşam ve Doğa Bilimleri Fakültesi; 04.01. Biyomühendislik
    MikroRNA'lar (miRNA'lar), transkripsiyon sonrası gen ekspresyonu düzenleyicileridir. Bir_x000D_ miRNA yüzlerce haberci RNA'yı (mRNA'lar) hedefleyebildiği gibi, bir mRNA farklı miRNA'lar_x000D_ tarafından hedeflenebilir, üstelik tek bir miRNA bir mRNA sekansında çeşitli bağlanma_x000D_ bölgelerine sahip olabilir. Bu nedenle miRNA'ları deneysel olarak araştırmak oldukça_x000D_ karmaşıktır. Bu tür zorlukları aşabilmek için makine öğrenimi (ML) sıklıkla kullanılmaktadır._x000D_ ML analizinin temel kısımları büyük ölçüde giriş verilerinin kalitesine ve verileri tanımlayan_x000D_ özelliklerin kapasitesine bağlıdır. Daha önce miRNA'lar için 1000'den fazla özellik önerilmişti._x000D_ Bu projede, RNA ikincil yapısını temsil eden yeni özellikler ve yüksek doğruluk değerleri_x000D_ sağlayan, dinamik, çok boyutlu grafik gösterimini tanımlamayı hedeflemiştik. Bu çalışmada,_x000D_ ML tabanlı miRNA tahmini için yeni ve kolayca güncellenebilir bir yaklaşım geliştirilmiştir._x000D_ Bilinen insan miRNA'larının ve sözde saç tokalarının random forest (RF), support vector_x000D_ machine (SVM) ve multilayer perceptron (MLP) gibi çeşitli sınıflandırıcılarla_x000D_ sınıflandırılmasıyla binlerce model oluşturulmuştur. Yöntem insan verilerine dayanarak_x000D_ oluşturulmuş olsa da en iyi model miRBase ve MirGeneDB gibi kamu veri tabanlarından_x000D_ insan olmayan saç tokaları üzerinde test edilmiş ve yüksek skorlar üretilmiştir. Ayrıca,_x000D_ yöntemin farklı veriler üzerindeki etkinliğini göstermek için ekspresyon farkları tahmini_x000D_ (differential expression prediction) analizinde de kullanılmıştır. Bu aşamada SARS-CoV-2_x000D_ enfeksiyonunun etkisini ölçen bir veri setinin analizinden elde edilen sonuçlar yayınlanmıştır.