Bipolar ve unipolar bozuklukların uygun biyobelirteç kullanarak makine öğrenme yöntemleri ile sınıflandırılması
Classification of bipolar and unipolar disorder using biomarkers by machine learning methods
- Tez No: 551426
- Danışmanlar: DR. ÖĞR. ÜYESİ TUĞÇE BALLI
- Tez Türü: Yüksek Lisans
- Konular: Nöroloji, Neurology
- Anahtar Kelimeler: Yapay zeka, Yapay sinir ağı, Genetik algoritma, Çapraz doğrulama, Unipolar ve bipolar bozukluk, Bipolar bozukluk, Biyobelirteçler, Genetik algoritmalar, Makine öğrenmesi, Makine öğrenmesi yöntemleri, Yapay sinir ağları, Artificial intelligence, Artificial neural network, Genetic algorism, Cross validation, Bipolar and unipolar disorders, Bipolar disorder, Biomarkers, Genetic algorithms, Machine learning, Machine learning methods, Artificial neural networks
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Üsküdar Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Nörobilim Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Yapay zeka teknolojisinin kullanımı medikal alanda tanı ve karar verme sürecininin daha doğru işleyebilmesi için potansiyel bir alan olarak görülmektedir. Makine öğrenme yaklaşımları yüksek sınıflandırma özelliği ve az özellik ihtiyacı nedeniyle üzerinde durulmaya değerdir. Yapay sinir ağları hedeflenen sonucu elde etmeyi sağlarken, özellik seçimi hastalıkların esas ayırt edici özelliklerini ön plana çıkararak, daha az ayırt edici özellikleri dışarıda bırakmaktadır. Psikiyatri alanında tanı koyma zorlukları olan hastalıklar için bu teknolojilerin kullanılması tıbbi bilişim alanında hatrı sayılır gelişmelere zemin hazırlayacaktır. Günümüzde, Bipolar ve Unipolar bozukluk tanısı en zor konulan ve genellikle yanlış veya geç tanı konulan hastalıklar arasındadır. Çoğunlukla, bipolar hastalarının unipolar bozukluk tanısı alması, doğru tanı sürecinin gecikmesinin yanı sıra yanlış tedavi yöntemlerinin uygulanmasına neden olmaktadır. Hastalığın teşhis ve tedavisinde erken tanının önemini vurgulayan çalışmalar göz önünde bulundurulduğunda, etkili ve net bir tedavi planının oluşturulması için tanı yöntemlerinin geliştirilmesi önemli bir ihtiyaçtır. Kantitatif elektroensefalografi (EEG)'nin psikiyatri ve nöroloji alanında biyobelirteç olarak kullanılması, EEG'nin önemini oldukça arttırmıştır. Bu çalışma, iki aşamalı hibrid bir metodolojinin tanı sürecinde kullanılmasına ilişkin potansiyel bir model sunar. Genetik algoritma, yapay sinir ağları (YSA) ve çapraz doğrulama yaklaşımının dikkat çekici performansı beyin frekans dalgarından seçilen özellikleri kullanarak, 31 bipolar ve 58 unipolar hastasını % 94.44 doğruluk oranıyla ayırt etmenin mümkün olduğunu göstermiştir.
Özet (Çeviri)
The use of artificial intelligence technology is seen as a potential area in the medical field for the more accurate functioning of the diagnosis and decision making process. Machine learning approaches are worth considering because of their high classification feature and little need for feature. While artificial neural networks provide a targeted result, the choice of features excludes less distinctive features by highlighting the main distinguishing features of the diseases. The use of these technologies for diseases with diagnostic difficulties in the field of psychiatry will provide a basis for significant developments in the field of medical informatics. Today, the diagnosis of bipolar and unipolar disorders is one of the most difficult and often diagnosed as wrong or late. Often, the diagnosis of unipolar disorder causes the delay of the correct diagnosis process and improper treatment. Considering the studies that emphasize the importance of early intervention in the diagnosis and treatment of the disease, the development of diagnostic methods for establishing an effective and clear treatment plan is an important need. The use of quantitative electroencephalography (EEG) in the field of psychiatry and neurology as a biomarker has increased the importance of EEG. This study presents a potential model for the use of a two-stage hybrid methodology in the diagnostic process. Significant performance of the genetic algorism, artificial neural network (ANN) and cross-validation approach showed that it was possible to distinguish 31 bipolar and 58 unipolar patients with a accuracy of 94.44 % by using the features selected from the brain frequency wave.
Benzer Tezler
- Bipolar affektif bozukluk manik ve depresif atak ile unipolar depresif bozukluk hastalarında atak döneminde, sistemik immün inflamasyon indeksinin, monosit/lenfosit oranının, nötrofil/lenfosit oranının, platelet lenfosit oranının ve sistemik immün yanıtindeksinin karşılaştırılması
Comparison of the systemic immune inflammation index, monocyte/lymphocyte ratio, neutrophil/lymphocyte ratio, platelet lymphocyte ratio and systemic immune response index in bipolar affective disorder manic and depressive episode and unipolar depressive disorder pati̇ents.
OĞUZHAN TÜZÜN
Tıpta Uzmanlık
Türkçe
2023
PsikiyatriBursa Uludağ ÜniversitesiRuh Sağlığı ve Hastalıkları Ana Bilim Dalı
DOÇ. DR. ENVER YUSUF SİVRİOĞLU
- Unipolar ve bipolar depresyon tanılı ergenlerin üstbilişsel süreçler, duygusal şemalar, başa çıkma biçimleri ilişkisinin incelenmesi
An investigation of metacognitive processes, emotional schemas, andcoping styles in adolescents diagnosed with unipolar and bipolar depression
ÖZÜM SUEDA TASAK
Tıpta Uzmanlık
Türkçe
2025
PsikiyatriDokuz Eylül ÜniversitesiÇocuk ve Ergen Ruh Sağlığı ve Hastalıkları Ana Bilim Dalı
PROF. DR. SEVAY ALŞEN GÜNEY
- Bipolar bozukluk tanılı olgularda geç diskinezinin hastalık özellikleri ile ilişkisi ve SPECT
Başlık çevirisi yok
AYŞIN NOYAN
- Unipolar ve bipolar bozuklukların sınıflandırılmasında cordance vecoherence biyobelirteçlerinin makine öğrenme yöntemleri ilekarşılaştırmalı performansları
Comparative performances of cordance and coherence as biomarkers for unipolar and bipolar disorder classification using machine learning approaches
SÜREYYA KUMRU
Yüksek Lisans
Türkçe
2019
NörolojiÜsküdar ÜniversitesiNörobilim Ana Bilim Dalı
DOÇ. DR. TÜRKER TEKİN ERGÜZEL
- Bipolar bozukluk ve unipolar depresyon tanılı hastalarda BDNF düzeyi'nin kognisyon ve intihar davranışı ile ilişkisi
The relationship of BDNF levels with cognition and suicidal behavior in patients with bipolar disorder and unipolar depression
BESTENUR GÜVENDİ MELENKİŞ
Tıpta Uzmanlık
Türkçe
2025
PsikiyatriSağlık Bilimleri ÜniversitesiRuh Sağlığı ve Hastalıkları Ana Bilim Dalı
PROF. DR. FİLİZ İZCİ