Magnetic resonance imaging based differential diagnosis and prognosis of mild cognitive impairment in parkinson's disease using machine learning
Parkinson hastalığı hafif kognitif bozukluğunun manyetik rezonans görüntüleme temelli makine öğrenme yöntemleriyle tanısı ve prognozu
- Tez No: 529717
- Danışmanlar: DR. ÖĞR. ÜYESİ ESİN ÖZTÜRK IŞIK
- Tez Türü: Yüksek Lisans
- Konular: Biyomühendislik, Bioengineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Biyo-Medikal Mühendislik Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 68
Özet
Parkinson hastalığı hafif kognitif bozukluğu (PH-HKB) demans için büyük bir risk faktörüdür ve PH'nin %26.7'sinde bulunur. Bu çalışmada, makine öğrenme yöntemleri kullanılarak Parkinson hastalığı hafif bilişsel bozukluğu (PH-HKB), bilişsel olarak normal Parkinson hastalığı (PH-KN) ve sağlıklı kontrol (SK) grupları multimodal manyetik rezonans görüntülemeye (MRG) dayalı sınıflandırılmıştır. Ek olarak, boylamsal çalışma ile PD-HKB hastalarında zaman içinde meydana gelen değişiklikler bulunmuştur. Çalışmaya 33 PH-HKB, 27 PH-KN ve 17 SK katılmıştır. Nöropsikolojik test ve muayene sonuçlarına göre katılımcılara nörologlar tarafından tanı konulmuştur. MRG verileri, 32 kanallı kafa bobini kullanılarak 3T Philips klinik MR sisteminde alınmıştır. Atardamar fırıl etiketleme (ASL) yönteminden elde edilen serebral kan akışı (SKA), atardamar kan hacmi (aKH) ve kan ulaşma zamanı (KUZ) verileri, difüzyon tensör görüntülemeden (DTG) elde edilen fraksiyonel anizotropi (FA) ve ortalama difüzivite (MD) verileri, proton MR spektroskopik görüntülemeden (1H-MRSG) elde edilen metabolit pik oranları makine öğrenme yöntemlerinde öznitelik olarak kullanılmıştır. Rassal ormanlar kullanarak özçağrılı öznitelik seçimi yapılmıştır. Boylamsal analiz için lineer karma model kullanılmıştır ve yaş, eğitim, cinsiyet, genetik bilgileri ve vizyospasyal bozukluk durumu kovaryant olarak kullanılmıştır. En iyi sınıflandırma doğrulukları, SK ve PH-HKB için % 77, PH-HKB ve PH-KN için % 71, SK ve PHKN için % 86 olarak bulunmuştur. Multimodal MRG verilerine dayalı makine öğrenmesinin PH-HKB'nin erken tanısında yardımcı olabileceği düşünülmüştür. İlerideki çalışmalarda, daha büyük hasta popülasyonlarında multimodal MRG temelli PH-HKB sınıflandırmasının iyileştirilmesi hedeflenmektedir.
Özet (Çeviri)
Parkinson's disease mild cognitive impairment (PD-MCI), which is one of the major risk factors for dementia, is present in 26.7\% of PD patients. In this study, we classified PD-MCI, cognitively normal Parkinson's disease (PD-CN) and healthy control (HC) groups based on multimodal magnetic resonance imaging (MRI) using machine learning methods. We also investigated time dependent changes in PD-MCI patients through a longitudinal study. 33 PD-MCI, 27 PD-CN and 17 HC participated in this study. The participants were diagnosed by neurologists according to the neuropsychological test scores and physical examination results. MRI data was obtained at a 3T Philips clinical MR scanner using a 32-channel head coil. Mean cerebral blood flow (CBF), arterial blood volume (aBV) and bolus arrival time (BAT) maps obtained from arterial spin labeling MRI (ASL-MRI), fractional anisotropy (FA) and mean diffusivity (MD) maps obtained from diffusion tensor imaging (DTI), and metabolite peak ratios obtained from proton MR spectroscopic imaging (1H-MRSI) at various brain regions were used as features. Various machine learning methods were employed with appropriate hyperparameters. Random forest recursive feature elimination (RF-RFE) technique was used for feature selection. For longitudinal analysis, linear mixed effects model was utilized with age, education, gender, visuospatial disorder status, and genotype as covariants. The best classification accuracies were 77\% for PD-MCI versus HC, 71\% for PD-MCI versus PD-CN, and 86\% for PD-CN versus HC. Machine learning based on multimodal MRI might be helpful in early diagnosis of PD-MCI. Reduced aBV and FA, and higher MD values were observed in time in PD-MCI. Future studies will aim to improve the classification of PD-MCI in a larger patient cohort.
Benzer Tezler
- Kognitif bozukluk sürekliliğinde görsel atrofi ölçeklerinin değerlendirilmesi
Evaluation of visual atrophy scales in cognitive impairment continuum
ÇAĞLA AKI
Tıpta Uzmanlık
Türkçe
2022
Nörolojiİstanbul ÜniversitesiNöroloji Ana Bilim Dalı
PROF. DR. İBRAHİM HAKAN GÜRVİT
- Multi-modal neuroimaging data prediction: Estimation of connectional brain template and multigraph classification with application to gender fingerprinting
Çoklu modal nörogörüntüleme veri tahmini: Bağlantılı beyin şablonunun tahmini ve cinsiyet parmak izi uygulaması ile çoklu grafik sınıflandırma
NADA CHAARI
Doktora
İngilizce
2021
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
PROF. DR. HATİCE CAMGÖZ AKDAĞ
DR. ÖĞR. ÜYESİ ISLEM REKIK
- Dinamik manyetik rezonans görüntüleme ve ultrason kontrast ajanlı power doppler ultrasonografi ile meme lezyonlarında benign ve malign ayrımı
Başlık çevirisi yok
FAİK SUNGURLU
Tıpta Uzmanlık
Türkçe
2002
OnkolojiMarmara ÜniversitesiRadyodiagnostik Ana Bilim Dalı
DOÇ.DR. ERKİN ARIBAL
- Pudendal nöropati ön tanılı hastalarda pudendal emg ile pudendal mrg arasındaki korelasyonun saptanması: Retrospektif çalışma
Başlık çevirisi yok
HANDAN UZUNÇAKMAK UYANIK
- Glial fibriler asidik protein düzeyinin akut iskemik inme hastalarında fonksiyonel nörolojik kapasiteyi öngördürmede modifiye rankin skoru ile karşılaştırılması
Başlık çevirisi yok
DEMET DEVRİMSEL DOĞAN
Tıpta Uzmanlık
Türkçe
2017
İlk ve Acil YardımSağlık Bilimleri ÜniversitesiAcil Tıp Ana Bilim Dalı
DOÇ. DR. TUBA CİMİLLİ ÖZTÜRK