Geri Dön

MRI tabanlı görüntü işleme ve istatistiksel yöntemlerle alzheimer hastalığı evreleri arasındaki yapısal örüntülerin analizi

Analysis of structural patterns between stages of alzheimer's disease using MRI-based image processing and statistical methods

PDF İndir

  1. Tez No: 1012264
  2. Yazar: MUZAFFER GÖZTAŞ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ DOĞAN YILDIZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Biyoistatistik, İstatistik, Biostatistics, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2026
  8. Dil: Türkçe
  9. Üniversite: Yıldız Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: İstatistik Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu tezde, çok kesitli manyetik rezonans görüntüleme (MRI) verilerini kullanarak Alzheimer hastalığının dört klinik aşaması (bilişsel olarak sağlıklı, çok hafif, hafif ve orta) arasındaki yapısal kalıpları tespit etmek için kapsamlı bir görüntü işleme ve istatistiksel analiz çerçevesi geliştirilmiştir. Çalışma, OASIS veritabanına dayanmaktadır ve her biri dört adet yüksek çözünürlüklü MPR görüntüsü ve görüntü başına 61 aksiyal kesit içeren 135 denekten oluşan bir kohort kullanmaktadır. Teorik olarak, bu 32,940 beyin kesiti verir; eksik görüntüler hesaba katıldıktan sonra, analizlere 31,558 kesit dâhil edilmiştir. Çalışma süreci üç ana aşamadan oluşmaktadır: (i) gri tonlama dönüşümü, Otsu eşikleme ve morfolojik işlemler kullanılarak ham MRI kesitlerinden beyin dokusunun izolasyonu; (ii) VGG16 evrişimli sinir ağının ara katmanlarından derin özellik çıkarımı ile desteklenen, iki aşamalı K-Means kümeleme şeması aracılığıyla beyin dokusu ve beyin dışı bölgelerin tamamen denetimsiz segmentasyonu; ve (iii) izole edilmiş kesitteki toplam piksel sayısına göre beyin dokusu piksellerinin oranı olarak tanımlanan katman bazında Beyin Katmanı Yüzey Alanı (BKYA) indeksinin hesaplanması. Bu, her klinik grup için 61 katmandan oluşan bir morfometrik profil oluşturur. Uç BKYA değerleri (0 ve 100) çıkarıldıktan sonra, tanımlayıcı istatistikler hesaplandı ve hastalık aşamaları arasındaki farklar parametrik olmayan yöntemler kullanılarak incelendi. Ortalama BKYA değerlerinin (katmanlar × aşamalar) 61×4 matrisleri oluşturuldu ve Spearman'ın rho korelasyon katsayıları hesaplandı. Bitişik aşamalar arasında güçlü pozitif korelasyonlar (ρ = 0,84-0,92) gözlemlenirken, sağlıklı ve orta derecede Alzheimer grupları arasındaki korelasyon daha düşüktü (ρ = 0,73), bu da kesikli bir ilerleme yerine kademeli bir ilerleme olduğunu gösterdi. Friedman'ın S testi, dört aşamada BKYA'da istatistiksel olarak anlamlı farklılıklar olduğunu ortaya koydu. Post hoc Wilcoxon işaretli sıra testleri, sağlıklı ve orta derecede Alzheimer gruplarının diğer aşamalardan önemli ölçüde farklı olduğunu gösterirken, çok hafif ve hafif gruplar arasında önemli bir fark tespit edilmedi. Küresel karşılaştırmaların ötesinde, tüm BKYA değerleri, aşamalar arasında katman bazında yapısal benzerlik modellerini araştırmak için yoğunluk tabanlı DBSCAN kümeleme algoritması kullanılarak ortaklaşa analiz edildi. Sonuçlar, eksenel yönde üç ana rejim ortaya çıkardı: (i) sağlıklı ve orta derecede Alzheimer gruplarının açıkça ayrıldığı daha derin katmanlar; (ii) erken evre gruplarının sağlıklı deneklerle kısmen örtüşürken orta derecede Alzheimer hastalığından farklı kaldığı bir geçiş bölgesi ile karakterize edilen ara katmanlar; ve (iii) dört aşamanın da oldukça benzer BKYA yüzdelerine yakınsadığı ve çoğunlukla atanan yüzeysel katmanlar. Genel olarak, bulgular Alzheimer hastalığının yapısal olarak dört ayrı kategori yerine bir süreklilik olarak davrandığı ve çok hafif ve hafif aşamaların nispeten homojen bir alt spektrum oluşturduğu görüşünü desteklemektedir. Önerilen BKYA indeksi ve birleştirilmiş görüntü işleme ve denetimsiz öğrenme çerçevesi, Alzheimer hastalığının katman bazında morfometrik karakterizasyonu için yorumlanabilir ve ölçeklenebilir bir araç sağlar ve gelecekteki çalışmalarda veriye dayalı evreleme, erken teşhis ve hastalık ilerlemesinin izlenmesine katkıda bulunabilir.

Özet (Çeviri)

In this thesis, a comprehensive image processing and statistical analysis framework has been developed to identify structural patterns between the four clinical stages of Alzheimer's disease (cognitively healthy, very mild, mild, and moderate) using multi-slice magnetic resonance imaging (MRI) data. The study is based on the OASIS database and uses a cohort of 135 subjects, each with four high-resolution MPR images and 61 axial slices per image. Theoretically, this yields 32.940 brain slices; after accounting for missing images, 31.558 slices were included in the analyses. The workflow consists of three main steps: (i) isolation of brain tissue from raw MRI slices using grayscale conversion, Otsu thresholding, and morphological operations; (ii) two-stage K -Means clustering scheme supported by deep feature extraction from the intermediate layers of the VGG16 convolutional neural network; and (iii) calculation of the Brain Layer Surface Area (BLSA, BKYA) index on a layer-by-layer basis, defined as the ratio of brain tissue pixels to the total number of pixels in the isolated slice. This creates a morphometric profile consisting of 61 layers for each clinical group. After excluding extreme BKYA values (0 and 100), descriptive statistics were calculated, and differences between disease stages were examined using nonparametric methods. Matrices of mean BKYA values (layers × stages) were created (61×4), and Spearman's rho correlation coefficients were calculated. Strong positive correlations (ρ = 0.84-0.92) were observed between adjacent stages, while the correlation between the healthy and moderate Alzheimer's groups was lower (ρ = 0.73), indicating gradual progression rather than discrete progression. Friedman's S test revealed statistically significant differences in MCI across the four stages. Post hoc Wilcoxon signed-rank tests showed that the healthy and moderate Alzheimer's groups differed significantly from the other stages, while no significant difference was found between the very mild and mild groups. Beyond global comparisons, all MCI values were jointly analyzed using the density-based DBSCAN clustering algorithm to investigate layer-based structural similarity patterns across stages. The results revealed three main regimes in the axial direction: (i) deeper layers where healthy and moderate Alzheimer's groups were clearly separated; (ii) intermediate layers characterized by a transition zone where early-stage groups partially overlap with healthy subjects while remaining distinct from moderate Alzheimer's disease; and (iii) a terminal layer where all four stages converge to highly similar BKYA percentages. Overall, the findings support the view that Alzheimer's disease behaves as a continuum rather than four distinct categories, with very mild and mild stages forming a relatively homogeneous sub-spectrum. The proposed BKYA index and the combined image processing and unsupervised learning framework provide an interpretable and scalable tool for the layer-based morphometric characterization of Alzheimer's disease and may contribute to data-driven staging, early diagnosis, and monitoring of disease progression in future studies.

Benzer Tezler

  1. Tez No

    729824

    Image reconstruction with deep learning and applications in MR images

    Derin öğrenme ile görüntü geriçatımı ve MR görüntülerinde uygulamaları

    AMIR AGHABIGLOU

    Doktora

    İngilizce

    İngilizce

    2022

    Mekatronik Mühendisliğiİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ENDER METE EKŞİOĞLU

  2. Tez No

    783650

    Efficient super-resolution and MR image reconstruction networks

    Verimli süper çözünürlük ve MR imgeleri geriçatım ağları

    DURSUN ALİ EKİNCİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilişim Uygulamaları Ana Bilim Dalı

    PROF. DR. BEHÇET UĞUR TÖREYİN

  3. Tez No

    893184

    2.5D ViT: vision transformer based brain age estimation with 3D brain MRI pre-processes

    2.5D ViT: 3 boyutlu beyin MR görüntülerinin ön işlenmesiyle görüntü dönüştürücü tabanlı beyin yaşı tahmini

    MUAZZEZ BUKET DARICI

    Doktora

    İngilizce

    İngilizce

    2024

    Elektrik ve Elektronik MühendisliğiKadir Has Üniversitesi

    Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ATİLLA ÖZMEN

  4. Tez No

    929505

    Meme MRG'de saptanan kitle dışı kontrastlanmaların benign ve malign ayrımında radyolojik bulgularla doku analizi bulgularının makine öğrenimi yöntemleriyle değerlendirilmesi ve segmentasyon tabanlı 3 boyutlu evrişimsel sinir ağlarıyla karşılaştırılması

    Evaluation of radiological and texture analysis findings using machine learning methods in the differentiation of benign and malignant non-mass enhancements detected on breast MRI and comparison with segmentation-based three dimensional convolutional neural networks

    SERHAT AKIŞ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2025

    Radyoloji ve Nükleer TıpDokuz Eylül Üniversitesi

    Radyoloji Ana Bilim Dalı

    PROF. DR. PINAR BALCI

  5. Tez No

    1005922

    Solid böbrek kitlelerine sahip hastalarda operasyon öncesı benign-malign ayrımında ve alt tiplendirmede berrak hücreli olasılık skoruna dayalı görüntü işleme ve makina öğrenme yapay zeka modeli

    Image processing and machine learning artificial intelligence model based on a clear cell likelihood score to predict preoperative benign-malignant differentiation and subtyping in patients with solid renal masses

    ÖZGÜR DENİZ TATAROĞLU

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2026

    ÜrolojiSağlık Bilimleri Üniversitesi

    Üroloji Ana Bilim Dalı

    DOÇ. DR. AKİF ERBİN

    DOÇ. DR. AYTÜL HANDE YARDIMCI

Geri Dön