Tecniche di feature selection per l'utilizzo della radiomica nell'analisi di sopravvivenza di un modello murino di gliobastoma.
View/ Open
Author
Quercini, Luca <2002>
Date
2024-09-27Data available
2024-10-03Abstract
In questo progetto si esplorano tecniche di feature selection e applicazioni di analisi
di sopravvivenza con l’utilizzo di un alto numero di covariate in ambito clinico.
Questi approcci verranno applicati ai dati relativi a un progetto di ricerca per il
glioblastoma, un tumore cerebrale altamente aggressivo. Il progetto e' stato svolto
in collaborazione con il laboratorio LISCOMP (Life Science Computational Lab)
dell’IRCCS Ospedale Policlinico San Martino. In particolare, lo studio ha come
obiettivo investigare l’effetto di alcune centinaia di feature radiomiche sul tempo
di sopravvivenza di quattro gruppi di topi soggetti a diversi trattamenti. L’analisi
viene svolta nel seguente modo:
• descrizione dei dati.
• breve analisi descrittiva.
• confronto fra le curve di sopravvivenza di Kaplan-Meier relative ai gruppi
di trattamento.
• riduzione della dimensione tramite algoritmi di correlazione e PCA: si propongono due approcci differenti per valutare l’effetto delle feature sul tempo
di sopravvivenza.
I risultati e i grafici dello studio sono stati ottenuti tramite il software Rstudio. This project explores feature selection techniques and applications of survival analysis using a high number of covariates in a clinical setting. These approaches will be applied to data related to a research project on glioblastoma, a highly aggressive brain tumor. The project was carried out in collaboration with the LISCOMP (Life Science Computational Lab) at the IRCCS Ospedale Policlinico San Martino. Specifically, the study aims to investigate the effect of several hundred radiomic features on the survival time of four groups of mice subjected to different treatments. The analysis is conducted as follows:
Data description.
Brief descriptive analysis.
Comparison of Kaplan-Meier survival curves for the treatment groups.
Dimensionality reduction using correlation algorithms and PCA: two different approaches are proposed to assess the effect of the features on survival time.
The results and graphs of the study were obtained using the RStudio software.
Type
info:eu-repo/semantics/bachelorThesisCollections
- Laurea Triennale [2130]