Prepoznavanje mikroba uporabom dubokog učenja

diplomski rad

• Naslov (engleski): Microbe Detection Using Deep Learning
• Autor: Mirna Baksa
• Mentor: Mile Šikić (mentor)
• Član povjerenstva: Mile Šikić (predsjednik povjerenstva)
• Član povjerenstva: Damir Seršić (član povjerenstva)
• Član povjerenstva: Krešimir Križanović (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2020-09-16, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Mikrobi, sveprisutni mikroorganizmi nevidljivi golom oku, utječu na mnogo funkcija u ljudskom tijelu. Mogućnost njihovog prepoznavanja i klasificiranja je važna kod otkrivanja bolesti, prepisivanja lijekova i održavanja zdravog načina života. Cilj ovog rada je razvoj metode za detekciju mikroba koristeći metode dubokog učenja. Razvijena metoda pronalazi odgovarajuće reprezentacije signala očitanih za dani DNA fragment mikroba. Nakon pronalaska reprezentacija signala, odgovarajuća metrika je korištena za razdvajanje različitih vrsta u latentnom prostoru. U konačnici, očitanja su klasificirana koristeći prikladni klasifikacijski model.

Sažetak (engleski)

Microbes, omnipresent microorganisms invisible to the naked eye, impact many functions in the human body. The ability to detect and classify them is essential in order to discover diseases, prescribe medication, and keep a healthy lifestyle. The goal of this thesis is to develop a method for microbe detection based on a deep learning architecture. The architecture is designed to find suitable representations of signals corresponding to sequenced microbe DNA fragments. After finding the signal representations, an appropriate distance metric is used to separate different species in the latent space. In the end, reads are classified using a suitable classifier.

• Ključne riječi: bioinformatika; duboko učenje; trojni gubitak; autoenkoder; klasifikacija
• Ključne riječi (engleski): bioinformatics; deep learning; triplet loss; autoencoder; classification
• Jezik: engleski
• URN:NBN: urn:nbn:hr:168:085191
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2023-01-13 11:43:32