Multipl Skleroz Hastalığının Farklı Klinik Alttiplerinin Sınıflandırılması

dc.contributor.advisor Turanlı, Eda Tahir tr_TR
dc.contributor.author Korkmaz, Didem tr_TR
dc.contributor.department Moleküler Biyoloji-Genetik ve Biyoteknoloji tr_TR
dc.contributor.department Molecular Biology and Genetics en_US
dc.date 2011 tr_TR
dc.date.accessioned 2011-02-22 tr_TR
dc.date.accessioned 2015-06-15T19:15:45Z
dc.date.available 2015-06-15T19:15:45Z
dc.date.issued 2011-02-22 tr_TR
dc.description Tez (Yüksek Lisans) -- İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, 2011 tr_TR
dc.description Thesis (M.Sc.) -- İstanbul Technical University, Institute of Science and Technology, 2011 en_US
dc.description.abstract Bu çalışma TAU, GFAP, NFL ve MOG proteinlerini ve klinik verileri kullanarak Multipl Skleroz(MS)’un farklı klinik alttiplerinin sınıflandırılmasına odaklanmaktadır. Bu çalışma için kullanılan protein verileri, hastaların Beyin Omurilik Sıvısı (BOS) örneklerinden elde edilmiştir. Farklı sınıflandırma yöntemleri kullanılarak, MS’in farklı klinik alttpleri, protein verileri ve klinik verilere göre sınıflandırılmışlardır. Bu çalışma, Klinik İzole Sendrom(CIS) dan MS e geçişi bu verileri kullanarak tahmin eden ilk çalışmadır. CIS ve Kontrol grubu arasındaki sınıflandırma 87.31%±12.02 (AUC: 0.93±0.09) doğrulukla, MS ve CIS arasındaki sınıflandırma 76.51% ±11.15 (AUC: 0.83 ±0.12) doğrulukla, RRMS ve PPMS arasındaki sınıflandırma 95.77% ±6.63 (AUC: 0.97±0.08) doğrulukla, MS ve Kontrol grubu arasındaki sınıflandırma 92.64% ±7.15 (AUC: 0.97±0.06) doğrulukla, CIS grubundan RRMS grubuna geçiş 86.45% ±12.6 (AUC: 0.89±0.19) doğrulukla tahmin edilmiştir. Bu çalışma, MS’in klinik alttiplerinin tanısı ve prognozunu ve farklı alttipler arası geçişi tahmin etmek için protein ve klinik verileri ve bilgisayar destekli sınıflandırma yöntemlerini kullanan ilk çalışmadır. tr_TR
dc.description.abstract This study focuses on the classification of different clinical subtypes of MS using TAU,GFAP,NFL and MOG proteins and clinical data. Protein data used in this study are obtained by lumbar puncture. Using different classification methods, different clinical subtypes of multiple sclerosis were classified according to their protein and clinical data patterns. To the best of our knowledge, there are no other studies in the literature that uses these patterns to predict the transition from Clinically Isolated Syndrome (CIS) to Multiple Sclerosis. MS patients, CIS patients, and control group were classified with 71.43%± 10.95 accuracy (AUC: 0.82± 0.12), CIS and control group were classified with accuracy: 87.31%±12.02 (AUC: 0.93±0.09), MS and CIS were clasified with 76.51% ±11.15 (AUC: 0.83 ±0.12) accuracy, RRMS and PPMS were classified with 95.77% ±6.63 accuracy (AUC: 0.97±0.08), MS and control group were classified with 92.64% ±7.15 (AUC: 0.97±0.06) accuracy. Transition from CIS to RRMS was predicted with 86.45% ±12.6 (AUC: 0.89±0.19) accuracy. This is a novel study using computer aided classification methods with protein and clinical data for diagnostic and prognostic purposes in predicting clinical subtypes of MS and predicting transition between subtypes. en_US
dc.description.degree Yüksek Lisans en_US
dc.description.degree M.Sc. tr_TR
dc.identifier.uri http://hdl.handle.net/11527/5430
dc.publisher Fen Bilimleri Enstitüsü tr_TR
dc.publisher Institute of Science and Technology en_US
dc.rights İTÜ tezleri telif hakkı ile korunmaktadır. Bunlar, bu kaynak üzerinden herhangi bir amaçla görüntülenebilir, ancak yazılı izin alınmadan herhangi bir biçimde yeniden oluşturulması veya dağıtılması yasaklanmıştır. tr_TR
dc.rights İTÜ theses are protected by copyright. They may be viewed from this source for any purpose, but reproduction or distribution in any format is prohibited without written permission. en_US
dc.subject Multiple Skleroz tr_TR
dc.subject Sınıflandırma tr_TR
dc.subject TAU tr_TR
dc.subject GFAP tr_TR
dc.subject NFL tr_TR
dc.subject MOG tr_TR
dc.subject Biyobelirteç tr_TR
dc.subject Multiple Sclerosis en_US
dc.subject Classification en_US
dc.subject TAU en_US
dc.subject GFAP en_US
dc.subject NFL en_US
dc.subject MOG en_US
dc.subject Biomarker en_US
dc.title Multipl Skleroz Hastalığının Farklı Klinik Alttiplerinin Sınıflandırılması tr_TR
dc.title.alternative Classification Of Clinically Different Subtypes Of Multiple Sclerosis en_US
dc.type masterThesis en_US
Dosyalar
Orijinal seri
Şimdi gösteriliyor 1 - 1 / 1
thumbnail.default.alt
Ad:
11376.pdf
Boyut:
1.46 MB
Format:
Adobe Portable Document Format
Açıklama
Lisanslı seri
Şimdi gösteriliyor 1 - 1 / 1
thumbnail.default.placeholder
Ad:
license.txt
Boyut:
3.16 KB
Format:
Plain Text
Açıklama