Knowledge base: Warsaw University of Technology

Settings and your account

Back

Knowledge discovery based on metabolic profile

Dawid Cichocki

Abstract

This thesis describes a workflow for working with metabolomics data created with R and Python Programming languages and available tools for processing of spectrograms and chromatographs. The solution is compared to one proposed in literature. The second part of this study shows application of machine learning to predict disease from the data extracted in first phase. Statistical analysis and feature extraction were used as a base for explainable modelling.
Diploma type
Engineer's / Bachelor of Science
Diploma type
Engineer's thesis
Author
Dawid Cichocki (FEIT/IRMT) Dawid Cichocki,, The Institute of Radioelectronics and Multimedia Technology (FEIT/IRMT)Faculty of Electronics and Information Technology (FEIT)
Title in Polish
Odkrywanie wiedzy medycznej na podstawie profilu metabolicznego
Supervisor
Jan Mulawka (FEIT/ICS) Jan Mulawka,, The Institute of Computer Science (FEIT/ICS)Faculty of Electronics and Information Technology (FEIT)
Certifying unit
Faculty of Electronics and Information Technology (FEIT)
Affiliation unit
The Institute of Radioelectronics and Multimedia Technology (FEIT/IRMT)
Study subject / specialization
, Elektronika (Elektronics)
Language
(pl) Polish
Status
Finished
Defense Date
23-09-2019
Issue date (year)
2019
Reviewers
Jan Mulawka (FEIT/ICS) Jan Mulawka,, The Institute of Computer Science (FEIT/ICS)Faculty of Electronics and Information Technology (FEIT) Andrzej Podgórski (FEIT/IRMT) Andrzej Podgórski,, The Institute of Radioelectronics and Multimedia Technology (FEIT/IRMT)Faculty of Electronics and Information Technology (FEIT)
Keywords in Polish
metabolomika, spektrometria mas, R, Python, uczenie się maszyn, odkrywanie wiedzy, choroba Kawasakiego
Keywords in English
metabolomics, mass spectrometry, R, Python, machine learning, data mining, Kawasaki disease
Abstract in Polish
Praca opisuje cykl pracy dla przetwarzania danych metabolicznych stworzony przy użyciu języków programowania R i Python oraz gotowych narzędzi obróbki spektrogramów i chromatogramów uzyskanych ze spektrometrii mas. Zaproponowane rozwiązanie zostaje porównane z opisanym w literaturze cyklem. Druga część pracy przedstawia użycie metod sztucznej inteligencji w celu predykcji chorób z danych uzyskanych w pierwszej części. Zastosowano bogatą paletę metod selekcji cech, umożliwiającą budowanie wytłumaczalnych modeli.
File
  • File: 1
    Dawid_Cichocki_-_Praca_Dyplomowa_Inżynierska.pdf
Request a WCAG compliant version
Local fields
Identyfikator pracy APD: 36038

Uniform Resource Identifier
https://repo.pw.edu.pl/info/bachelor/WUT53ffa65db4d14098a500b5bbc0416f3e/
URN
urn:pw-repo:WUT53ffa65db4d14098a500b5bbc0416f3e

Confirmation
Are you sure?
Report incorrect data on this page