Refinement of a graph convolutional neural network approach applied to classify cancer types

Entitat: Universitat Rovira i Virgili (URV)

Confidencialitat: No

Ensenyament(s): Enginyeria de la Seguretat Informàtica i Intel·ligència Artificial

Aprenentatge Servei: NO

Títol en diferents idiomes: Refinament d'un enfocament de xarxa neuronal convolucional de grafs aplicat a la clasificació de tipus de càncer

Resum: L'objectiu de la tesi del màster és estudiar i refinar l'arquitectura model d'un enfocament prèviament presentat per millorar la precisió de la predicció en cada tipus de càncer. Aquest treball té quatre models GCNN que són PPI, PPIS, COEX i COEXS, utilitzant dades de TCGA de càncer i teixit normal com a entrada depenent de l'expressió gènica. Després del refinament, l'exactitud de predicció de quatre models GCNN va aconseguir el 89-96% excepcional entre 34 classes i va reduir els errors predictius en el model original de classes de càncer que presenten problemes.

Matèria: Càncer

Curs acadèmic: 2021-2022

Idioma: en

Data de la defensa del treball: 2022-02-09

Àrees temàtiques: Enginyeria informàtica

Estudiant: Ousuwan, Aphanchanok

Departament: Enginyeria Informàtica i Matemàtiques

Data d'alta al repositori: 2022-11-25

Paraules clau: xarxes neuronals convolucionals de grafs, classificació del càncer, aprenentatge profund

Títol en la llengua original: Refinement of a graph convolutional neural network approach applied to classify cancer types

Drets d'accés: info:eu-repo/semantics/openAccess