Disease signature extraction for obsessive compulsive disorder using effective connectivity analysis based on dynamic causal modelling
Nedensel dinamik modellemeye dayalı efektif bağlantısallık analizi kullanılarak obsesif kompulsif bozukluk için hastalık imzası çıkarılması
- Tez No: 442291
- Danışmanlar: PROF. DR. UĞUR HALICI
- Tez Türü: Yüksek Lisans
- Konular: Biyomühendislik, Elektrik ve Elektronik Mühendisliği, Bioengineering, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2016
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 117
Özet
Nörobilim alanında, zihinsel hastalıkları tespit etmek ve bu hastalıkların imzasını çıkartmak için insan beynindeki aktivasyonlar üzerine çalışmalar yapılmaktadır. Obsesif Kompulsif Bozukluk (OKB) da çok sık karşılaşılan zihinsel hastalıklardan birisidir. İşlevsel Manyetik Rezonans Görüntüleme (iMRG) tekniği kullanılarak bu hastalık üzerine birçok çalışma yapılmasına rağmen, hastalık imzasının çıkarılması üzerine yapılan çalışmalar çok kısıtlıdır. iMRG ile işlevsel bağlantısallık analizi kullanılan eski çalışmaların aksine, bu çalışmanın amacı efektif bağlantısallık kullanılarak OKB hastaları ile sağlıklı insanların beyin aktiviteleri arasındaki farkı tespit etmektir. Bu amaç doğrultusunda, 12 OKB hastası ve 12 sağlıklı insandan alınmış¸ görev temelli iMRG verileri üzerine Dinamik Nedensel Modelleme (DNM) kullanılmıştır. Modeller öngörülen ve ölçülen işaretleri eşleyen Bayesçi method kullanılarak tahmin edilmiştir. Bu method aynı zamanda en uyumlu efektif bağlantısallık değerlerini de belirlemiştir. Bu aşamadan sonra, bulunan efektif bağlantısallık değerleri her bir kişi için özellik olarak kullanılmıştır ve bu özellikler ile OKB hastaları ve sağlıklı kişiler Destek Vektör Makinesi (DVM) ile sınıflandırılımıştır.
Özet (Çeviri)
In neuroscience, there exist some studies on activations of human brain used to detect mental disorders and to extract their signatures. Obsessive Compulsive Disorder (OCD) is one of the most common mental disorder that is encountered. Although there are many studies concern about this disorder by using functional Magnetic Resonance Imagining (fMRI), there exist very limited studies for extracting OCD signature that is extracting features from brain activity data to discriminate successfully OCD and healthy subjects. Unlike the past studies which used functional connectivity analysis on fMRI to extract signature of OCD, the aim of this work is to discriminate human brain activities between OCD patients and healthy ones by using effective connectivity analysis. For this purpose, Dynamic Causal Modelling (DCM) is used on the task related fMRI data that were taken from 12 healthy people and 12 OCD patients. Models are estimated by Bayesian Method by fitting the predicted BOLD signals to real signals measured and so to determine the best fitted neuronal state parameters. After that, these effective connectivity parameters are used as features for each subject and Support Vector Machine (SVM) classification method is used to discriminate OCD and control group.
Benzer Tezler
- Diagnosis of the Pseudomonas Aeruginosa disease on human and plants with image processing and pattern recognition techniques
Görüntü işleme ve desen tanıma teknikleri ile insan ve bitkilerde Pseudomonas Aerugınosa hastalığının teşhisi
TWESIGYE AMON
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. VECDİ AYTAÇ
- Bakacak- Hendek (Sakarya) bölgesi metalik maden yatağının jeofizik ve uzaktan algılama yöntemleri ile incelenmesi
Detection of geological structures by remote sensingmethods using satellite images
FAZLI AHMET ZENGİN
Yüksek Lisans
Türkçe
2023
Jeofizik MühendisliğiSakarya ÜniversitesiJeofizik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜNAY BEYHAN
- Identification of tumor-discriminating mRNA signatures via support vector machines supported by disease ontology
Destek vektör makineleri kullanılarak hastalık ontolojisi aracılığıyla tümör ayırımını sağlayan mRNA imza moleküllerinin tanımlanması
MUSTAFA ERHAN ÖZER
Doktora
İngilizce
2024
BiyoistatistikMarmara ÜniversitesiBiyomühendislik Ana Bilim Dalı
PROF. DR. KAZIM YALÇIN ARGA
PROF. DR. PEMRA ÖZBEK SARICA
- Investigating the effect of different feature selection strategies for classification of gene expression signatures of tumor cells
Tümör hücrelerin gen ifade imzalarinin siniflandirilmasina ilişkin farkli özellik seçim stratejilerinin etkisinin incelenmesi
ABUBAKHARI SSERWADDA
Yüksek Lisans
İngilizce
2017
Biyoistatistikİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. YUSUF YASLAN
- Endometriozis ile otoimmün hastalıklarının potansiyel biyobelirteçlerinin biyoinformatik analizlerle belirlenmesi
Identification of potential biomarkers in endometriosis and autoimmune diseases through bioinformatic analyses
BİLGE İREM GÖÇ
Yüksek Lisans
Türkçe
2025
Allerji ve İmmünolojiYıldız Teknik ÜniversitesiMoleküler Biyoloji ve Genetik Ana Bilim Dalı
PROF. DR. NEHİR ÖZDEMİR ÖZGENTÜRK