Geri Dön

Öznitelik seçme ve sınıflandırma algoritmalarını kullanarak sürdürülmüş fonasyon testlerinden web tabanlı parkinson hastalığının teşhisi

Web based diagnosis of the parkinson disease from sustained vowel phonation tests using feature selection and classification algorithms

  1. Tez No: 362467
  2. Yazar: BÜNYAMİN GÖKPINAR
  3. Danışmanlar: YRD. DOÇ. DR. İSMAİL ATACAK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Nöroloji, Computer Engineering and Computer Science and Control, Neurology
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2014
  8. Dil: Türkçe
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Bilişim Enstitüsü
  11. Ana Bilim Dalı: Elektronik-Bilgisayar Eğitimi Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 83

Özet

Nörolojik bir hastalık olan Parkinson'un teşhisi özellikle hastalığın ilk evrelerinde zordur. Bu sebeple son yıllarda tıbbi karar verebilmeyi desteklemek amaçlı bilgisayar tabanlı çözüm araştırmaları oldukça artmıştır. Bu çalışma ile bu alanda çalışan uzmanların Parkinson teşhisi sürecinde karar vermelerini kolaylaştırmak ve konulan teşhislerde doğruluk oranını yükselterek, Türkiye'de nöroloji ve bilgisayar bilimleri literatürüne katkı sağlanması hedeflenmiştir. Bu çalışmanın en önemli kısımlarından birisi, Parkinson hastalarına ait karmaşık ses verilerinden problemi temsil edebilecek en iyi veri kümesinin tespiti için öznitelik seçme algoritmalarının kullanılmasıdır. Ayrıca Parkinson Hastalığının teşhisinde etkili bir sınıflandırma yapılabilmesi için yeni bir öznitelik seçme yaklaşımı önerilmektedir. 5 popüler öznitelik seçme algoritmalarının uygulanması ile elde edilen öznitelikler 5 popüler sınıflandırma algoritmalarına tabi tutulmuştur. Böylelikle farklı sınıflandırma algoritmaları ile elde edilen sonuçların doğruluk oranlarının kıyaslanması sağlanarak en iyi performans ortaya konulmuştur. Yapılan çalışmada önerilen yaklaşım ile seçilen 6 öznitelik kümesinin sınıflandırma doğruluk oranı %94,36 olarak elde edilmiştir.

Özet (Çeviri)

The diagnosis of Parkinson which is neuro-disease is especially difficult in its initial phase. For this reason computer based solution researches have widely increased to support medical decision recently. With the help of this research experts who have been working in this field are aimed to make easier decisions on the way to Parkinson diagnosis and contribute to neurological and computer sciences Literature in Turkey by increasing the accuracy rate in diagnosis. One of the most important aims of this research is to get information which can be classified from voice data which belong to Parkinson patients and use feature selection algorithms in order find out the best datum unit that can represent the problem from these complicated voice data. Furthermore, a new feature selection approach is suggested to be able to make an effective classification at diagnosis of Parkinson disease. Features which are supplied with the application of five popular feature selection algorithms are applied to five popular classifications of algorithms. In this way, the best performance has been sorted out by comparing the calculation periods of results that are supplied with different classification algorithms and their accuracy rates. In this study the classification accuracy rate of six feature clusters has been 94.36% by the help of suggested approach.

Benzer Tezler

  1. Feature selection and discretization for improving classification performance on CAC data set

    KAK veri setinde sınıflama başarısını arttırmak için öznitelik seçme ve ayrıklaştırma

    KAMRAN EMRE SAYIN

  2. Multitemporal co-polar x-band sar data classification as a tool for paddy-rice phenology estimation

    Çeltik tarlası fenoloji kestirimi için çok zamanlı co-polar x-bant sar verisi üzerinde sınıflandırma yöntemi

    ÇAĞLAR KÜÇÜK

    Yüksek Lisans

    İngilizce

    İngilizce

    2016

    Mühendislik Bilimleriİstanbul Teknik Üniversitesi

    Bilişim Uygulamaları Ana Bilim Dalı

    YRD. DOÇ. DR. GÜLŞEN TAŞKIN KAYA

    YRD. DOÇ. DR. ESRA ERTEN

  3. An experimental analysis of feature selection algorithms in hyperspectral image classification

    Hiperspektral görüntülerın sınıflamasında öznitelik seçim algoritmalarının deneysel analizi

    HAMED GHOLAMI VIJOUYEH

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    İletişim Bilimleriİstanbul Teknik Üniversitesi

    İletişim Sistemleri Ana Bilim Dalı

    YRD. DOÇ. DR. GÜLŞEN TAŞKIN KAYA

  4. Profiling developers to predict vulnerable code changes

    Güvenlik açığı kod değişikliklerini öngörmek için geliştiricilerin profilini oluşturma

    TUĞÇE COŞKUN

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AYŞE TOSUN KÜHN

  5. Developing a novel artificial intelligence based method for diagnosing chronic obstructive pulmonary disease

    Kronik obstrüktif akciğer hastalığı teşhisi için yapay zeka tabanlı yeni bir yöntem geliştirilmesi

    İNANÇ MORAN

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. DENİZ TURGAY ALTILAR