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

Entidad: Universitat Rovira i Virgili (URV)

Confidencialidad: No

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

APS: NO

Título en diferentes idiomas: Refinamiento de un enfoque de red neuronal convolucional de grafos aplicado a la clasificación de tipos de cáncer

Resumen: 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.

Materia: Càncer

Curso académico: 2021-2022

Idioma: en

Fecha de la defensa del trabajo: 2022-02-09

Áreas temàticas: Ingeniería informática

Estudiante: Ousuwan, Aphanchanok

Departamento: Enginyeria Informàtica i Matemàtiques

Fecha de alta en el repositorio: 2022-11-25

Palabras clave: redes neuronales convolucionales de grafos, clasificación del cáncer, aprendizaje profundo

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

Derechos de Accesso: info:eu-repo/semantics/openAccess