Geri Dön

Predicting alzheimer's disease using adaptive neuro fuzzy inference system

Alzheımer hastalığının uyarlanmış neuro fuzzy sonuç çıkarım sistemleriyle önceden tahmin edilmesi

  1. Tez No: 365653
  2. Yazar: ONUR ÇIKRIKÇILI
  3. Danışmanlar: PROF. DR. ADEM KARAHOCA
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2013
  8. Dil: İngilizce
  9. Üniversite: Bahçeşehir Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgi Teknolojileri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 65

Özet

Alzheimer hastalığı günümüzün en önemli sağlık sorunlarından biri olup, bu hastalığın tam anlamıyla tedavisi günümüz şartlarında mümkün değildir. Bir hastaya Alzheimer teşhisi koymak için histopatolojik testlere ihtiyaç duyulmaktadır. Buna ek olarak zihinsel testler, günlük aktivitelerinin değerlendirilmesi de hastalığın teşhisinde önemli rol oynamaktadır. Bu çalışmanın amacı, hastaya uygulanan nöropsikolojik testlerin sonuçları doğrultusunda veri madenciliği çözümü geliştirmektir. Böylece hekimlerin Alzheimer teşhisinde hız kazanıp hastalık hakkındaki kararlarında kolaylık sağlaması amaçlanmaktadır. Bu çalışmada, Alzheimer hastalığının önceden tahmini için, Sugeno-Type adaptive-network-based fuzzy inference system (ANFIS) sistemi kullanılmış, multilayer perceptron (MLP), Iterative Dichotomiser 3 (ID3) ve One Rule (OneR) algoritmaları ile de karşılaştırılmıştır. Tahmin sistemi için kullanılan veriler, İstanbul Üniversitesi Nöroloji Departmanı?na sağlık sorunlarıyla başvuran 65 yaş üstü 264 hastanın kayıtlarından alınmıştır. Kayıtlar, hastaların demografik özellikleri ile birlikte, nöropsikolojik testler sonuçlarından oluşan 11 temel özellikte gruplanmıştır. Bir sonraki aşamada işlevsel özelliklerin kullanılması için ?Information Gain? filtresi ile veriler filtrelenmiştir. Filtreleme sonucu, yaş ve cinsiyet çıkarılarak bu sayı 9?a düşürülmüştür. Yapılan çalışmalar neticesinde ANFIS verileri 96% oranında hastanın gruplandırılmasını doğru olarak hesaplamıştır. MLP algoritması 87%, OneR ve ID3 algoritmaları da 78% oranında başarı göstermiştir. Aynı zamanda hassaslık, özgünlük ve ortalama karesel hata değerlerinde ANFIS?in diğer algoritmalara göre belirgin bir şekilde daha iyi performans sergilediği gözlemlenmiştir.

Özet (Çeviri)

Alzheimer's disease (AD) one of the major health problem all around the world and unmitigated cure has not been found yet. A correct diagnosis of AD can be affirmed by histopathologic tests. In addition, mental tests and daily activities can lead diagnose of patients' mental condition. The goal of this study is to develop a data mining solution using neuropsychological test results that makes diagnosis of AD and its stages as accurate as possible and assist to medical doctors' final decision. In this study, Sugeno-Type adaptive-network-based fuzzy inference system (ANFIS), multilayer perceptron (MLP), Iterative Dichotomiser 3 (ID3) and One Rule (OneR) algorithms were assessed whether to could predicting AD. The data set is collected from 264 patients who complained about their health problems and applied to Istanbul University's Department of Neurology. All of the subjects? ages are 65 or over. The blind data records has 11 attributes that covers basic demographic information and neuropsychological test results. Using ?Information Gain? filter, ineffective attributes are eliminated. According to the results, ANFIS classified the instances with the highest correctness rate which is %96 and MLP classified an accuracy of 87%, ID3's is 76% and OneR's is 76%. In addition ANFIS has a high performance based on the methods that sensitivity, specificity and root mean square error.

Benzer Tezler

  1. Comparative ordinal longitudinal data analysis to predict a diagnosis of Alzheimer's disease by using multimodal data

    Multimodal verileri kullanarak Alzheimer hastalığı tanısını tahmin etmek için karşılaştırmalı sıralı boylamsal veri analizi

    AYCAN ÇAĞRI EMEN

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    İstatistikOrta Doğu Teknik Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. ÖZLEM İLK DAĞ

  2. Nöropsikiyatrik hastalıkların tanısına destek amacıyla multimodal nörogörüntüleme verilerinin makine öğrenimi algoritmaları kullanılarak işlenmesi

    Processing of multimodal neuroimaging data using machine learning algorithms to support diagnosis of neuropsychiatric diseases

    CAN SOYLU

    Doktora

    Türkçe

    Türkçe

    2023

    Fizyolojiİstanbul Üniversitesi

    Fizyoloji Ana Bilim Dalı

    PROF. DR. TAMER DEMİRALP

  3. Alzheimer demans hastalarında beyin manyetik rezonans görüntüleme volumetri ölçümleri ile nöropsikolojik testlerin ve beyin omurilik sıvısı biyobelirteçlerinin karşılaştırılması

    CSF biomarkers, neuropsychologic assessment (NPA) and magnetic resonance imaging (MRI) volumetry in Alzheimer's disease

    ANIL TANBUROĞLU

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2014

    NörolojiDokuz Eylül Üniversitesi

    Dahili Tıp Bilimleri Bölümü

    PROF. DR. GÖRSEV YENER

  4. Heart disease prediction project

    Kalp hastalıklarını önleme projesi

    RUBA AYAD YOUSIF AL-SAMMARRAIE

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Bilişim Teknolojileri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HAKAN KOYUNCU

  5. Makine öğrenmesi ile alzheimer hastalığının ilerlemesinde hafif bilişsel bozukluğun tahmin edilmesine yönelik mrg tabanlı morfometrik analiz

    Mri-based morphometric analysis for predicting mild cognitive impairment to alzheimer's disease progression with machine learning

    MUHAMMET FURKAN ATILGAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiNecmettin Erbakan Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ALİ OSMAN ÖZKAN