prikaz prve stranice dokumenta Predviđanje bolesti iz metagenomskih podataka
Rad nije dostupan
diplomski rad
Predviđanje bolesti iz metagenomskih podataka
2018. urn:nbn:hr:168:323544
Široki, Tin
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Citirajte ovaj rad

Široki, T. (2018). Predviđanje bolesti iz metagenomskih podataka (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:323544

Široki, Tin. "Predviđanje bolesti iz metagenomskih podataka." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2018. https://urn.nsk.hr/urn:nbn:hr:168:323544

Široki, Tin. "Predviđanje bolesti iz metagenomskih podataka." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2018. https://urn.nsk.hr/urn:nbn:hr:168:323544

Široki, T. (2018). 'Predviđanje bolesti iz metagenomskih podataka', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 19.04.2024., https://urn.nsk.hr/urn:nbn:hr:168:323544

Široki T. Predviđanje bolesti iz metagenomskih podataka [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2018 [pristupljeno 19.04.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:323544

T. Široki, "Predviđanje bolesti iz metagenomskih podataka", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2018. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:323544

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:323544
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovPredviđanje bolesti iz metagenomskih podataka
Naslov (engleski)Metagenomics-based disease prediction
AutorTin Široki
MentorMirjana Domazet-Lošo (mentor)
Član povjerenstvaMirjana Domazet-Lošo (predsjednik povjerenstva)
Član povjerenstvaKrešimir Fertalj (član povjerenstva)
Član povjerenstvaBoris Milašinović (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2018-07-03, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Razvoj novih tehnologija sekvenciranja omogućio je metagenomske analize, tj. analize uzoraka izravno prikupljenih iz okoliša bez potrebe za uzgojem pojedinih vrsta u laboratorijskim uvjetima. U okviru ovog diplomskog rada istražen je problem predviđanja bolesti tehnikama strojnog učenja iz podataka o mikrobiomu prikupljenih metagenomskim analizama. Rad sadrži pregled postojeće literature, i rezultate evaluacije modela stroja potpornih vektora (SVM), AdaBoost (jačanje stabla odluka), slučajne šume, i umjetnih neuronskih mreža na tri skupa podataka koji sadrže kontrolne uzorke i uzorke koji su pogođeni cirozom jetre, karcinomom debelog crijeva i dijabetesom tipa 2. Najbolji postignuti F1 rezultati su: 0.89 na skupu podataka za cirozu jetre (AdaBoost), 0.81 na skupu podataka za karcinom debelog crijeva (AdaBoost), i 0.76 na skupu podataka za dijabetes tipa 2 (SVM).
Sažetak (engleski)
The development of high-throughput sequencing technologies has enabled large-scale metagenomic analyses, i.e. direct analyses of all genomes in samples with no need for the cultivation of specific species. In this thesis, the problem of machine learning based disease prediction from metagenomic microbiome data is addressed. The thesis contains a survey of recent literature, and the evaluation of support vector machine, AdaBoost (boosting decision trees), random forest, and artificial neural network models on three different datasets containing control samples and samples affected with liver cirrhosis, colorectal cancer, and type two diabetes. The best F1 scores are: 0.89 on the liver cirrhosis dataset (AdaBoost), 0.81 on the colorectal cancer dataset (AdaBoost), and 0.76 on the type two diabetes dataset (SVM).
Ključne riječi
Ključne riječi (engleski)
Jezikengleski
URN:NBNurn:nbn:hr:168:323544
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2019-03-14 01:17:35