Parkinson hastalığının tespitinde göz hareket verileri kullanılarak makine öğrenmesi yöntemlerinin incelenmesi
Investigation of machine learning methods using eye movement data in the diagnosis of Parkinson's disease
- Tez No: 1022206
- Danışmanlar: PROF. DR. OĞUZHAN ERDEM
- Tez Türü: Yüksek Lisans
- Konular: Nöroloji, Neurology
- Anahtar Kelimeler: Yapay zeka ve makine öğrenmesi dersi, Artificial intelligence and machine learning course
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Trakya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Hesaplamalı Bilimler Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Yürüme, konuşma ve yazma gibi temel fonksiyonlarda yavaşlama belirtileriyle ortaya çıkan Parkinson Hastalığı (PH), yaşlılık evresinde sık görülen nörodejenaratif bir hastalıktır. Dopamin üreten hücrelerin dejenarasyonu kaynaklı olduğu bilinse de henüz kesin bir tedavisi bulunmamaktadır. Günlük yaşam aktivitelerini direkt ve olumsuz etkilemesi ön tespitini önemli hale getirmektedir. Çift görmeye bağlı okuma güçlüğü ve denge kaybı da erken teşhis için göz verilerinin incelemeye değer olduğunu ortaya koymaktadır. Bu çalışmada Parkinson hastalığında göz bakış (gaze) özelliklerinin etkisi incelenmiştir. Gönüllü katılımcılar ile gerçekleştirilen bakış testinde elde edilen veriler kullanılarak merkezi eğilim dağılım ölçüleri, Örnek Entropisi, Higuchi Fraktal Boyut Analizi (HFBA) ve Eğilimden Arındırılmış Dalgalanma Analizi (EADA) ile öznitelikleri çıkarılarak sağ ve sol göz olmak üzere 2 ayrı veri kümesi oluşturulmuştur. Temel Bileşen Analizi (TBA), Özyinelemeli Öznitelik Eleme (ÖÖE), Lasso, Boruta ve Pearson Korelasyon (PK) teknikleriyle seçilen öznitelikler 5 farklı makine öğrenmesi modeli (K-En Yakın Komşu (KEYK), Destek Vektör Makineleri (DVM), Rastgele Orman (RO), Lojistik Regresyon (LR) ve Çok Katmanlı Algılayıcılar (ÇKA)) ve bu modelleri birleştiren Topluluk Öğrenmesi (TÖ) yaklaşımı ile sınıflandırılmıştır. Elde edilen sonuçlara göre Boruta öznitelik seçim algoritmasının seçtiği özniteliklerden oluşan sol göz verileri ile eğitilen modellerde %86 doğruluk ile RO, sağ göz verileri ile eğitilen modellerde ise %83 doğruluk ile TÖ en yüksek başarıma ulaşmıştır.
Özet (Çeviri)
Parkinson's Disease (PD), which manifests with symptoms of slowing down in basic functions such as walking, speaking, and writing, is a neurodegenerative disorder commonly seen in the elderly. Although it is known to be caused by the degeneration of dopamine-producing cells, there is currently no definitive cure. The direct and negative impact on daily life activities makes early detection crucial. The difficulty in reading due to double vision and loss of balance also indicate that eye data is worth examining for early diagnosis. In this study, the effect of eye gaze characteristics on Parkinson's disease was investigated. Using the data obtained in the gaze test conducted with volunteer participants, central trend distribution measures, Sample Entropy, Higuchi Fractal Dimension Analysis (HFBA) and Detreneded Fluctuation Analysis (DFA) were extracted and 2 separate data sets, right and left eye, were created by removing their attributes. The attributes selected by Principal Components Analysis (PCA), Recursive Attribute Elimination (RFE), Lasso, Boruta and Pearson Correlation (PC) techniques were classified by 5 different machine learning models (K-Nearest Neighbor (KNN), Support Vector Machines (SVM), Random Forest (RF), Logistic Regression (LR) and Multilayer Sensors (MLP)) and Ensemble Learning (EL) approach that combines these models. According to the results obtained, the models trained on left eye data using the attributes selected by the Boruta feature selection algorithm achieved the highest performance with 86% accuracy for RO, while the models trained on right eye data using the same attributes achieved 83% accuracy for TO.
Benzer Tezler
- Yapay zekâ algoritmaları ile göz hareket verilerinden Parkinson hastalığının erken evre tespiti ve derecelendirilmesi
Early detection and severity evaluation of Parkinson's disease from eye movement data with the artificial intelligence algorithms
İLKE KURT
Doktora
Türkçe
2025
NörolojiTrakya ÜniversitesiHesaplamalı Bilimler Ana Bilim Dalı
PROF. DR. OĞUZHAN ERDEM
DOÇ. DR. SEZER ULUKAYA
- The effects of low-intensity resistance training with blood flow restriction versus traditional resistance exercise on gait performance in stroke
İnmede kan akışı kısıtlamalı düşük yoğunlukta direnç egzersizlerinin geleneksel direnç egzersizlerine karşı yürüyüş performansı üzerine etkileri
ISHTIAQ AHMED
Yüksek Lisans
İngilizce
2022
Fizyoterapi ve Rehabilitasyonİstanbul Üniversitesi-CerrahpaşaFizyoterapi ve Rehabilitasyon Ana Bilim Dalı
DOÇ. DR. RÜSTEM MUSTAFAOĞLU
- An ensemble deep learning framework for multimodal Parkinson's disease detection using voice, drawing and sensor data
Ses, çizim ve sensör verilerine dayalı multimodal bir ensemble derin öğrenme yaklaşımı ile Parkinson hastalığının tespiti
REYHAN ZEYNEP PEK
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Medipol ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. REDA ALHAJJ
- İdiyopatik parkinson hastalarındatuzak nöropati ve/veya polinöropati sıklığı ve risk faktörlerinin araştırılması
Investigation of the frequency of entrapment neuropathyand/or polyneuropathy in patients with idiopathic parkinson'sdisease
CANSU UZUNOĞLU
Tıpta Uzmanlık
Türkçe
2019
Nörolojiİzmir Katip Çelebi ÜniversitesiNöroloji Ana Bilim Dalı
PROF. DR. YAPRAK SEÇİL
- Kemogenetik yöntemler ile subtalamik nükleus modülasyonunun Parkinson ve L-DOPA indüklü sıçan diskinezi modelinde motor semptomlara etkisi
Başlık çevirisi yok
ZEYNEP US GÖNCÜ
Tıpta Uzmanlık
Türkçe
2025
Eczacılık ve FarmakolojiMarmara ÜniversitesiTıbbi Farmakoloji Ana Bilim Dalı
PROF. DR. REZZAN GÜLHAN