Benutzer: Gast  Login
Wenn Sie Schwierigkeiten haben, das Dokument zu öffnen, versuchen Sie auch bitte diesen Link
Originaltitel:
Enriching the characterization of complex clinical and molecular phenotypes with deep learning 
Übersetzter Titel:
Anreicherung der Charakterisierung komplexer klinischer und molekularer Phänotypen mit Deep Learning 
Autor:
Eraslan, Gökcen 
Jahr:
2021 
Dokumenttyp:
Dissertation 
Institution:
TUM School of Life Sciences 
Betreuer:
Theis, Fabian J. (Prof. Dr. Dr.) 
Gutachter:
Theis, Fabian J. (Prof. Dr. Dr.); Johannes, Frank (Prof. Dr.) 
Sprache:
en 
Fachgebiet:
BIO Biowissenschaften 
Stichworte:
single-cell denoising gwas deepsea deep learning machine learning 
TU-Systematik:
BIO 110 
Kurzfassung:
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. 
Übersetzte Kurzfassung:
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. 
Eingereicht am:
24.06.2021 
Mündliche Prüfung:
13.10.2021 
Dateigröße:
33517832 bytes 
Seiten:
144 
Letzte Änderung:
12.11.2021 
 BibTeX