Taşçı, Aslı

Profile Picture
Profile URL
https://hdl.handle.net/20.500.14365/7358
Name Variants
Job Title
Email Address
asli.tasci@ieu.edu.tr
Main Affiliation
05.06. Electrical and Electronics Engineering
Status
Former Staff
Website
ORCID ID
0000-0003-2091-5200
Scopus Author ID
Turkish CoHE Profile ID
8124C6CE6E59E407
Google Scholar ID
WoS Researcher ID

Sustainable Development Goals

This researcher does not have a Scopus ID.
This researcher does not have a WoS ID.
Scholarly Output

2

Articles

0

Views / Downloads

0/0

Supervised MSc Theses

1

Supervised PhD Theses

0

WoS Citation Count

2

Scopus Citation Count

4

WoS h-index

1

Scopus h-index

1

Patents

0

Projects

0

WoS Citations per Publication

1.00

Scopus Citations per Publication

2.00

Open Access Source

1

Supervised Theses

1

JournalCount
Current Page: 1 / NaN

Scopus Quartile Distribution

Competency Cloud

GCRIS Competency Cloud

Filters

2016 - 20172
Reset filters

Settings

Scholarly Output Search Results

Now showing 1 - 2 of 2
  • Thumbnail Image
    Conference Object
    Citation - WoS: 2
    Citation - Scopus: 4
    A Comparison of Feature Selection Algorithms for Cancer Classification Through Gene Expression Data: Leukemia Case
    (IEEE, 2017) Taşçı, Aslı; İnce, Türker; Guzelis, Cuneyt
    In this study, three different feature selection algorithms are compared using Support Vector Machines as classifier for cancer classification through gene expression data. The ability of feature selection algorithms to select an optimal gene subset for a cancer type is evaluated by the classification ability of selected genes. A publicly available micro array dataset is employed for gene expression values. Selected gene subsets were able to classify subtypes of the considered cancer type with high accuracies and showed that these feature selection methods were applicable for bio-marker gene selection.
  • Thumbnail Image
    Master Thesis
    A Comparative Evaluation of Feature Selection Algorithms for Cancer Classification Through Gene Expression Data
    (İzmir Ekonomi Üniversitesi, 2016) Taşçı, Aslı; İnce, Türker; Güzeliş, Cüneyt
    Kanser teşhisi konan insanların sayısı her geçen gün artmaktadır. Doktorlar kanser türlerini, görüntüleme teknolojileri, kan analizi ve doku biyopsilerinden elde edilen sonuçları yorumlayarak teşhis ederler. Kanser hücrede başlar. Bu nedenle, kanser hücresinin genetik yapısının incelenmesi, uzun vadede daha güvenilir ve bilgilendiricidir. Ayrıca, bu hücrelerin genetik yapısının analizi, hedef ilaç tedavilerinde kullanılabilen belirteç genleri tanımlarken ve gen ağlarını, genler ile gen ürünleri arasındaki ilişkileri ve genlerin belirli hücre sinyal yolakları üzerindeki etkilerini anlamakta da yardımcı olabilir. Mikro-dizilinler bu alandaki veri kaynaklarından biridir. Gen ifade değerlerini belirlerler ve kanseri teşhis etmek veya kanser türlerini sınıflandırmak için kullanılabilirler. Bu tezde önerilen yöntemde, gen ifadesi verileri, uygun bir gen alt kümesi bulmak ve kanser türlerini sınıflandırmak için istatistiksel teknikler ve makine öğrenme teknikleri kullanılarak analiz edilir. İstatistiksel filtre yaklaşımları, anlamlı bir gen alt kümesi elde etmek için öznitelik seçme yöntemleri olarak kullanılır. Destek vektör makineleri ve çok katmanlı algılayıcı da öznitelik seçme algoritmalarını test etmek ve kanser türlerini sınıflandırmak için kullanılır.