Εφαρμογή Τεχνικών Μηχανικής Μάθησης για τη διάγνωση της Λευχαιμίας με δεδομένα από εικόνες μικροσυστοιχιών
Date Issued
October 4, 2020
Type
Πτυχιακή Εργασία
Abstract
H εργασία εστιάζεται στην Ανάλυση Δεδομένων από εικόνες μικροσυστοιχιών με Τεχνικές Μηχανικής Μάθησης για την ασθένεια της λευχαιμίας. Γίνεται εκτενής αναφορά στην ασθένεια της λευχαιμίας (συμπτώματα, διάγνωση, θνησιμότητα, ποιότητα ζωής των ασθενών, τρόποι αντιμετώπισης) καθώς και στην συμβολή της τεχνολογίας μικροσυστοιχιών στον τομέα της Βιοπληροφορικής και κατ’ επέκταση στην λευχαιμία. Εφαρμόστηκαν τεχνικές εξόρυξης δεδομένων σε τρία σύνολα δεδομένων, από ένα δείγμα 72 ασθενών. Πιο συγκεκριμένα έγινε προ-επεξεργασία των δεδομένων και στη συνέχεια εφαρμογή αλγορίθμων μηχανικής μάθησης, ώστε να αποφασιστεί ποιος από τους επιλεγμένους αλγορίθμους πετυχαίνει καλύτερα αποτελέσματα (προβλέψεις) στην ταξινόμηση των τύπων λευχαιμίας των ασθενών (ALL, AML, B-cell, T-cell, BM, PB). Για την έρευνα χρησιμοποιήθηκαν τρία διαφορετικά σύνολα γονιδιακών δεδομένων και με τη βοήθεια του εργαλείου weka προσεγγίστηκαν τα γονίδια που φαίνεται ότι επιτελούν τον σημαντικότερο ρόλο για την αναγνώριση κατηγορίας/τύπου λευχαιμίας.
Το πείραμα πραγματοποιήθηκε εφαρμόζοντας τους αλγορίθμους μόνο για τα σημαντικά χαρακτηριστικά που είχαν προκύψει αρχικά για τα είκοσι πρώτα, έπειτα για τα πενήντα πρώτα γονίδια. Τα αποτελέσματα αξιολογήθηκαν με τα μέτρα της ακρίβειας, εξειδίκευσης, ευαισθησίας καταλήγοντας στην εύρεση των αποτελεσματικότερων αλγορίθμων και των πιο σημαντικών χαρακτηριστικών που επηρεάζουν τελικά την κατηγοριοποίηση των ασθενών.
Τέλος έγινε μια βιβλιογραφική επισκόπηση σε δέκα παρόμοιες μελέτες που πραγματοποιήθηκαν και δημοσιεύθηκαν επίσημα σε επιστημονικά περιοδικά, πηγές ιατρικής επιστημονικής έρευνας. Καταγράφηκαν οι μέθοδοι που χρησιμοποιήθηκαν και τα αποτελέσματα που προέκυψαν από την καθεμία.
Subjects