9 Biomarker - Revision history

Mka: /* Testen auf Spezifität */

2021-01-31T14:52:25Z

Testen auf Spezifität

← Older revision		Revision as of 16:52, 31 January 2021
Line 102:		Line 102:
	{\| class="wikitable"		{\| class="wikitable"
	\|-		\|-
	! !! style="background:~~green~~\|0 !! style="background:~~red~~\|0,25 !! style="background:#3944BC\|0,45 !! style="background:~~yellow~~\|0,55 !! style="background:~~orange~~\|0,75		! !! style="background:orange\|0 !! style="background:yellow\|0,25 !! style="background:#3944BC\|0,45 !! style="background:red\|0,55 !! style="background:green\|0,75
	\|-		\|-
	\| Spezifität \|\| 0 \|\|1/2 \|\| 3/4 \|\| 3/4 \|\| 1		\| Spezifität \|\| 0 \|\|1/2 \|\| 3/4 \|\| 3/4 \|\| 1

Mka: /* Testen auf Spezifität */

2021-01-31T14:50:30Z

Testen auf Spezifität

← Older revision		Revision as of 16:50, 31 January 2021
Line 102:		Line 102:
	{\| class="wikitable"		{\| class="wikitable"
	\|-		\|-
	! !! 0 !! 0,25 !! 0,45 !! 0,55 !! 0,75		! !! style="background:green\|0 !! style="background:red\|0,25 !! style="background:#3944BC\|0,45 !! style="background:yellow\|0,55 !! style="background:orange\|0,75
	\|-		\|-
	\| Spezifität \|\| 0 \|\|1/2 \|\| 3/4 \|\| 3/4 \|\| 1		\| Spezifität \|\| 0 \|\|1/2 \|\| 3/4 \|\| 3/4 \|\| 1

Mka: /* Area Under the Curve */

2021-01-31T14:31:48Z

Area Under the Curve

← Older revision		Revision as of 16:31, 31 January 2021
Line 111:		Line 111:

	==Area Under the Curve==		==Area Under the Curve==
			[[File:AUC.png\|frameless\|500px\|left]]
	[[File:~~VL8~~ AUC.png\|~~mini~~\|500px]]		<br><br>

	*1 = optimal <br>		*1 = optimal <br>
	*0 = auch gut, positiv und negativ müssen nur umgedreht werden <br>		*0 = auch gut, positiv und negativ müssen nur umgedreht werden <br>
	*0,5 = schlecht, da die Bestimmung des Systems durch Zufall erfolgt		*0,5 = schlecht, da die Bestimmung des Systems durch Zufall erfolgt

Mka: /* Area Under the Curve */

2021-01-31T14:20:52Z

Area Under the Curve

← Older revision		Revision as of 16:20, 31 January 2021
Line 112:		Line 112:
	==Area Under the Curve==		==Area Under the Curve==

	~~{\| class="wikitable"~~
	~~\| \|\| \|\| colspan="5" style="text-align:center"\| Treshold~~
	\|-
	~~! !! !! 0 !! 0,25 !! 0,45 !! 0,55 !! 0,75~~
	\|-
	\| Sensitivitätt \|\| <math>\frac{\text{TP}}{\text{TP + FN}} </math> \|\| style="background:#FFAA00 \| 1 \|\| style="background:#FFFF40 \| 0,75 \|\| style="background:#B3B7FF \| 0,75 \|\| style="background:#FFCBCB\| 0,5 \|\| style="background:#B9FFC5 "\| 0
	\|-
	\| Spezifität \|\| <math>\frac{\text{TN}}{\text{ FP + TN}} </math> \|\| style="background:#FFAA00 \| 0 \|\| style="background:#FFFF40 \|0,5 \|\| style="background:#B3B7FF \| 0,75 \|\| style="background:#FFCBCB\| 1 \|\| style="background:#B9FFC5 "\| 1
	\|}
	[[File:VL8 AUC.png\|mini\|500px]]		[[File:VL8 AUC.png\|mini\|500px]]

Mka: /* Testen auf Spezifität */

2021-01-31T14:19:30Z

Testen auf Spezifität

← Older revision		Revision as of 16:19, 31 January 2021
Line 66:		Line 66:
	==Testen auf Spezifität==		==Testen auf Spezifität==
	Möglichst viele 'Gesunde' sollen richtig bestimmt werden. <br>		Möglichst viele 'Gesunde' sollen richtig bestimmt werden. <br>

	<math> \text{Spezifität} = \frac{\text{TN}}{\text{ FP + TN}} </math>		<math> \text{Spezifität} = \frac{\text{TN}}{\text{ FP + TN}} </math>
	*Entweder hohe Sensitivität oder hohe Spezifität. ~~<br>~~		* Bei einem perfekten Modell gibt dieses keine falsch positiven Ergebnisse aus. <br>
	* Was besser ist kommt auf die Fragestellung an. <br>		* Ausgabe 1 = Perfektes Modell, erkennt alle mit gesund. <br>
			* Ausgabe 0 = Schlechtes Modell, erkennt keine gesunden. <br>
			*Entweder hohe Sensitivität oder hohe Spezifität. Was besser ist kommt auf die Fragestellung an. <br>

	'''Treshold''': <br>		'''Treshold''': <br>
	Cutoff-Wert der als Grenzwert festgelegt wird nach dem beurteilt wird, ob der zu bewertende Wert 'krank', oder 'gesund' zugeordnet wird. <br>		Cutoff-Wert der als Grenzwert festgelegt wird nach dem beurteilt wird, ob der zu bewertende Wert 'krank', oder 'gesund' zugeordnet wird. <br>
	~~'''Beispiel zur Bestimmung des optimalen Treshold''' <br> <br>~~

			'''Beispiel zur Bestimmung des optimalen Treshold''' <br>
			gesund=0 und krank=1
	{\| class="wikitable"		{\| class="wikitable"
	~~\| \|~~\| \|\| \|\| colspan="5" style="text-align:center"\| Treshold		\| \|\| \|\| colspan="6" style="text-align:center"\| Treshold
	\|-		\|-
	! Zustand !! Ausgabe Modell !! 0 !! 0,25 !! 0,45 !! 0,55 !! 0,75		! Zustand !! Ausgabe Modell !! 0 !! 0,25 !! 0,45 !! 0,55 !! 0,75
Line 86:		Line 91:
	\| krank \|\| 0,56 \|\| style="background:#B9FFC5 " \| TP \|\| style="background:#B9FFC5 " \| TP\|\| style="background:#B9FFC5 " \| TP \|\| style="background:#B9FFC5 " \| TP \|\| style="background:#FFCBCB\| FN		\| krank \|\| 0,56 \|\| style="background:#B9FFC5 " \| TP \|\| style="background:#B9FFC5 " \| TP\|\| style="background:#B9FFC5 " \| TP \|\| style="background:#B9FFC5 " \| TP \|\| style="background:#FFCBCB\| FN
	\|-		\|-
	\| gesund \|\| 0,5 \|\| style="background:#FFCBCB\| FP \|\| style="background:#FFCBCB\| FP \|\| style="background:#FFCBCB\| FP \|\| style="background:#FFCBCB\| FP \|\| style="background:#B9FFC5 " \| TN		\| gesund \|\| 0,56 \|\| style="background:#FFCBCB\| FP \|\| style="background:#FFCBCB\| FP \|\| style="background:#FFCBCB\| FP \|\| style="background:#FFCBCB\| FP \|\| style="background:#B9FFC5 " \| TN
	\|-		\|-
	\| gesund \|\| 0,1 \|\| style="background:#FFCBCB\| FP \|\| style="background:#B9FFC5 " \| TN \|\| style="background:#B9FFC5 " \| TN \|\| style="background:#B9FFC5 " \| TN \|\| style="background:#B9FFC5 " \| TN		\| gesund \|\| 0,1 \|\| style="background:#FFCBCB\| FP \|\| style="background:#B9FFC5 " \| TN \|\| style="background:#B9FFC5 " \| TN \|\| style="background:#B9FFC5 " \| TN \|\| style="background:#B9FFC5 " \| TN
Line 94:		Line 99:
	\| gesund \|\| 0,4 \|\| style="background:#FFCBCB\| FP \|\| style="background:#FFCBCB\| FP \|\| style="background:#B9FFC5 " \| TN \|\| style="background:#B9FFC5 " \| TN \|\| style="background:#B9FFC5 " \| TN		\| gesund \|\| 0,4 \|\| style="background:#FFCBCB\| FP \|\| style="background:#FFCBCB\| FP \|\| style="background:#B9FFC5 " \| TN \|\| style="background:#B9FFC5 " \| TN \|\| style="background:#B9FFC5 " \| TN
	\|}		\|}
	*Treshold 0 = ~~hohe Sensitivität <br>~~
	*Treshold 0,75 ~~= hohe~~ Spezifität ~~<br>~~		{\| class="wikitable"
			\|-
			! !! 0 !! 0,25 !! 0,45 !! 0,55 !! 0,75
			\|-
			\| Spezifität \|\| 0 \|\|1/2 \|\| 3/4 \|\| 3/4 \|\| 1
			\|-
			\| Sensitivität \|\| 1 \|\| 3/4 \|\| 3/4 \|\| 1/2 \|\| 0
			\|}
			Der beste Threshold ist 0,45

	==Area Under the Curve==		==Area Under the Curve==

Mka: /* Biomarkersignatur */

2021-01-31T13:58:48Z

Biomarkersignatur

Mka: /* Logistische Funktion */

2021-01-31T13:53:28Z

Logistische Funktion

← Older revision		Revision as of 15:53, 31 January 2021
Line 13:		Line 13:
	==Logistische Funktion==		==Logistische Funktion==
	<math> y = \beta_1 \cdot TPM_{HIF1\alpha} + \beta_0 </math> <br><br>		<math> y = \beta_1 \cdot TPM_{HIF1\alpha} + \beta_0 </math> <br><br>
			Damit wird die Wahrscheinlichkeit, dass jemand z.B. Krebs bekommt durch Gegenwahrscheinlichkeit bestimmt. <br>
			<math> logit_{(P)} = log \frac{P}{1-P} </math><br>

			Der Wertebereich der Logit Funktion ist ideal für lineare Regression

			<math> log \frac{P(x)}{1-P(x)} = \beta_1 \cdot TPM_{HIF1\alpha} + \beta_0 </math><br><br>
			[[File:LogFunktion.png\|frameless\|center]]

	~~<math> logit_{(P)} = log \frac{P}{1-P} </math><br>~~
	* Damit wird die Wahrscheinlichkeit, dass jemand z.B. Krebs bekommt durch Gegenwahrscheinlichkeit bestimmt. <br>
	~~''' WIRD NOCH FERTIG GEMACHT'''~~
	==Biomarkersignatur==		==Biomarkersignatur==
	Erweiterung für mehrere Gene:		Erweiterung für mehrere Gene:

Mka: /* Biomarker */

2021-01-31T13:47:03Z

Biomarker

← Older revision		Revision as of 15:47, 31 January 2021
Line 6:		Line 6:
	[[File:VL8 1.png\|mini\|850px]]		[[File:VL8 1.png\|mini\|850px]]
	Wie in der Abbildung oben dargestellt, kann über Einzelwerte keine Aussage getroffen werden, ob der Patient krank oder gesund ist. <br>		Wie in der Abbildung oben dargestellt, kann über Einzelwerte keine Aussage getroffen werden, ob der Patient krank oder gesund ist. <br>

	→ deswegen bedarf es mehrerer Biomarker <br><br>		→ deswegen bedarf es mehrerer Biomarker <br><br>

	'''Frage:''' <br>		'''Frage:''' <br>
	Wie kann für einen TPM-Wert vorhergesagt werden, ob es sich um 'Krebs' oder '~~gesund~~' handelt?<br>		Wie kann für einen TPM-Wert vorhergesagt werden, ob es sich um 'Krebs' oder 'Gesund' handelt?<br>
	==Logistische Funktion==		==Logistische Funktion==
	<math> y = \beta_1 \cdot TPM_{HIF1\alpha} + \beta_0 </math> <br><br>		<math> y = \beta_1 \cdot TPM_{HIF1\alpha} + \beta_0 </math> <br><br>

Pge: Pge moved page Vorlesung 8 to 9 Biomarker

2020-10-04T11:19:39Z

Pge moved page Vorlesung 8 to 9 Biomarker

← Older revision

Revision as of 13:19, 4 October 2020

Vero at 00:31, 2 July 2019

2019-07-02T00:31:43Z

← Older revision		Revision as of 02:31, 2 July 2019
Line 15:		Line 15:
	<math> logit_{(P)} = log \frac{P}{1-P} </math><br>		<math> logit_{(P)} = log \frac{P}{1-P} </math><br>
	* Damit wird die Wahrscheinlichkeit, dass jemand z.B. Krebs bekommt durch Gegenwahrscheinlichkeit bestimmt. <br>		* Damit wird die Wahrscheinlichkeit, dass jemand z.B. Krebs bekommt durch Gegenwahrscheinlichkeit bestimmt. <br>
			''' WIRD NOCH FERTIG GEMACHT'''
	==Biomarkersignatur==		==Biomarkersignatur==
	Erweiterung für mehrere Gene:		Erweiterung für mehrere Gene:
Line 22:		Line 23:
	* Ein Modell muss zunächst von einem System erlent werden, dann kann das System eine Aussage treffen, ob z.B. 'krank' oder 'gesund'. <br>		* Ein Modell muss zunächst von einem System erlent werden, dann kann das System eine Aussage treffen, ob z.B. 'krank' oder 'gesund'. <br>
	* Parameter <math> \beta_1 </math> und <math> \beta_0 </math> können nicht berechnet werden. → Müssen mit Hilfe eines Algorithmus geschätzt werden. <br> <br>		* Parameter <math> \beta_1 </math> und <math> \beta_0 </math> können nicht berechnet werden. → Müssen mit Hilfe eines Algorithmus geschätzt werden. <br> <br>
	~~''' WIRD NOCH FERTIG GEMACHT'''~~
	'''Maximum-Likelihood:''' <br>		'''Maximum-Likelihood:''' <br>
	* Schätzung zur Parameterbestimmung. <br>		* Schätzung zur Parameterbestimmung. <br>

← Older revision		Revision as of 15:58, 31 January 2021
Line 24:		Line 24:
	Erweiterung für mehrere Gene:		Erweiterung für mehrere Gene:

	<math> P(x) = \frac{1}{e^{-((\beta)_1 \cdot x_1) + ((\beta)_2 \cdot x_1) + .... + (\beta)_n \cdot x_n) + \beta_0)}}</math> <br>		<math> P(x) = \frac{1}{e^{-((\beta)_1 \cdot x_1) + ((\beta)_2 \cdot x_1) + .... + (\beta)_n \cdot x_n) + \beta_0)}}</math> <br><br>
	'''Mashine learning''' <br>		'''Mashine learning''' <br>
	* Ein Modell muss zunächst von einem System erlent werden, dann kann das System eine Aussage treffen, ob z.B. 'krank' oder 'gesund'. <br>		* Ein Modell muss zunächst von einem System erlent werden, dann kann das System eine Aussage treffen, ob z.B. 'krank' oder 'gesund'. <br>
Line 33:		Line 33:
	* ''Training'': Lerndaten sind bekannte Werte zur Aussage 'krank' oder 'gesund' <br>		* ''Training'': Lerndaten sind bekannte Werte zur Aussage 'krank' oder 'gesund' <br>
	→ Algorithmus bestimmt einen genauen Wert für <math> \beta_1</math>, um krank (1) und gesund (0) zu bestimmen. <br>		→ Algorithmus bestimmt einen genauen Wert für <math> \beta_1</math>, um krank (1) und gesund (0) zu bestimmen. <br>
	→ Danach kann mit dem Modell bestimmt werden, ob es gut oder schlecht ist. <br>		→ Danach kann mit dem Modell bestimmt werden, ob es gut oder schlecht ist. <br><br>
	*'''Problem''': System versucht einen optimalen Wert zu finden <br>		'''Problem''': Das System versucht einen optimalen Wert zu finden <br>
	→ ''Overfitting'': Zu genaue Beschreibung des Modells.<br><br>		→ ''Overfitting'': Zu genaue Beschreibung des Modells.<br><br>
	'''Frage:''' Wie gut ist die Qualität des Modells? <br>		'''Frage:''' Wie gut ist die Qualität des Modells? <br>

	==Receiver Operation Characteristic (ROC)==		==Receiver Operation Characteristic (ROC)==
	Wird genutzt um zu prüfen, ob das Modell gut ist. <br>		Wird genutzt um zu prüfen, ob das Modell gut ist. <br>