Il cancro è una malattia genetica molto complessa, scaturito da mutazioni genetiche indesiderate. In questo lavoro si è cercato di identificare e utilizzare tali mutazioni per creare un modello predittivo del tipo tumorale che sia in grado di effettuare diagnosi tumorali accurate per nuovi pazienti da classicare. Per selezionare mutazioni genomiche rilevanti, sono stati sviluppati diversi metodi in grado di analizzare le informazioni mutageniche di pazienti affetti da cancro.

Studio di metodi di apprendimento automatico per la predizione del tipo tumorale

Donami, Mattia
2016/2017

Abstract

Il cancro è una malattia genetica molto complessa, scaturito da mutazioni genetiche indesiderate. In questo lavoro si è cercato di identificare e utilizzare tali mutazioni per creare un modello predittivo del tipo tumorale che sia in grado di effettuare diagnosi tumorali accurate per nuovi pazienti da classicare. Per selezionare mutazioni genomiche rilevanti, sono stati sviluppati diversi metodi in grado di analizzare le informazioni mutageniche di pazienti affetti da cancro.
2016-12-14
cancro, tumore, network, Matrix, machine learning, SVM, random Forest, Maximum Coverage, ILP, Greedy
File in questo prodotto:
File Dimensione Formato  
tesi.pdf

accesso aperto

Dimensione 569.16 kB
Formato Adobe PDF
569.16 kB Adobe PDF Visualizza/Apri

The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12608/24031