User: Guest  Login
Original title:
Enriching the characterization of complex clinical and molecular phenotypes with deep learning 
Translated title:
Anreicherung der Charakterisierung komplexer klinischer und molekularer Phänotypen mit Deep Learning 
Year:
2021 
Document type:
Dissertation 
Institution:
TUM School of Life Sciences 
Advisor:
Theis, Fabian J. (Prof. Dr. Dr.) 
Referee:
Theis, Fabian J. (Prof. Dr. Dr.); Johannes, Frank (Prof. Dr.) 
Language:
en 
Subject group:
BIO Biowissenschaften 
Keywords:
single-cell denoising gwas deepsea deep learning machine learning 
TUM classification:
BIO 110 
Abstract:
Machine learning is an essential part of computational biology. The recent breakthroughs led to huge success of machine learning applications across domains. In this thesis, we developed deep learning-based methods to characterize clinical and molecular phenotypes at different scales, ranging from human to cell populations. 
Translated abstract:
Maschinelles Lernen ist ein wesentlicher Bestandteil der Computerbiologie. Die jüngsten Durchbrüche führten zu einem großen Erfolg von Anwendungen für maschinelles Lernen in verschiedenen Domänen. In dieser Dissertation haben wir Deep Learning-basierte Methoden entwickelt, um klinische und molekulare Phänotypen in verschiedenen Maßstäben zu charakterisieren, die von Zellpopulationen bis hin zu menschlichen Populationen reichen. 
Oral examination:
13.10.2021 
File size:
33517832 bytes 
Pages:
144 
Last change:
12.11.2021