prikaz prve stranice dokumenta Dijagnostika bolesti na temelju podataka o ekspresiji gena
Rad nije dostupan
završni rad
Dijagnostika bolesti na temelju podataka o ekspresiji gena
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. urn:nbn:hr:168:555223
Perković, Marija
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Perković, M. (2024). Dijagnostika bolesti na temelju podataka o ekspresiji gena (Završni rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:555223

Perković, Marija. "Dijagnostika bolesti na temelju podataka o ekspresiji gena." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. https://urn.nsk.hr/urn:nbn:hr:168:555223

Perković, Marija. "Dijagnostika bolesti na temelju podataka o ekspresiji gena." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. https://urn.nsk.hr/urn:nbn:hr:168:555223

Perković, M. (2024). 'Dijagnostika bolesti na temelju podataka o ekspresiji gena', Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 26.11.2024., https://urn.nsk.hr/urn:nbn:hr:168:555223

Perković M. Dijagnostika bolesti na temelju podataka o ekspresiji gena [Završni rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2024 [pristupljeno 26.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:555223

M. Perković, "Dijagnostika bolesti na temelju podataka o ekspresiji gena", Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2024. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:555223

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:555223
Podaci o radu
NaslovDijagnostika bolesti na temelju podataka o ekspresiji gena
Naslov (engleski)Diagnostics Based on Gene Expression Data
AutorMarija Perković
MentorKrešimir Križanović (mentor)
Član povjerenstvaKrešimir Križanović (predsjednik povjerenstva)
Član povjerenstvaJosipa Lipovac (član povjerenstva)
Član povjerenstvaRafael Josip Penić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2024-07-11, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Analiza ekspresije gena ključna je za razumijevanje molekularnih mehanizama koji stoje iza različitih tipova karcinoma. Ona omogućava identifikaciju specifičnih gena čija je aktivnost povezana s nastankom i razvojem bolesti, što je od presudne važnosti za dijagnozu, prognozu i terapiju. U ovom radu, istražili smo primjenu različitih tehnika nadziranog i nenadziranog strojnog učenja na skupovima podataka za klasifikaciju leukemije i raka dojke koristeći podatke dobivene analizom ekspresije gena. Kroz analizu, implementaciju i evaluaciju algoritama logističke regresije, stroja potpornih vektora (SVM), dubokog učenja i grupiranja, istražili smo njihov doprinos u klasifikaciji karcinoma koristeći programske biblioteke sklearn i keras. Uspješno smo klasificirali različite oblike karcinoma te su naši rezultati bili u skladu s očekivanim. Ovaj rad pruža uvid u primjenu strojnog učenja u medicini te otvara nova područja za daljnja istraživanja.
Sažetak (engleski)
Gene expression analysis is crucial for understanding the molecular mechanisms underlying various types of cancer. It enables the identification of specific genes whose activity is associated with the onset and development of the disease, which is essential for diagnosis, prognosis, and therapy. In this study, we explored the application of different supervised and unsupervised machine learning techniques on datasets for the classification of leukemia and breast cancer using data obtained from gene expression analysis. Through the analysis, implementation, and evaluation of algorithms such as logistic regression, support vector machines (SVM), deep learning, and clustering, we investigated their contribution to cancer classification using the sklearn and keras libraries. We successfully classified different forms of cancer, and our results were consistent with expectations. This paper provides insight into the application of machine learning in medicine and opens new areas for further research.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:555223
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: preddiplomski
Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2024-10-12 21:49:13