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
- Author:
- Eraslan, Gökcen
- Year:
- 2021
- Document type:
- Dissertation
- Faculty/School:
- 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.
- WWW:
- https://mediatum.ub.tum.de/?id=1609853
- Date of submission:
- 24.06.2021
- Oral examination:
- 13.10.2021
- File size:
- 33517832 bytes
- Pages:
- 144
- Urn (citeable URL):
- https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20211013-1609853-1-1
- Last change:
- 12.11.2021
BibTeX