Obsesif kompulsif bozukluk ve trikotilomani bozukluklarının uygun biyobelirteç kullanılarak makine öğrenme yöntemleri ile sınıflandırılması
Classification of obsessive-compulsive and trichotillomania disorders by using machine learning methods
- Tez No: 561984
- Danışmanlar: DOÇ. DR. TÜRKER TEKİN ERGÜZEL
- Tez Türü: Yüksek Lisans
- Konular: Nöroloji, Neurology
- Anahtar Kelimeler: Obsesif kompulsif bozukluk, Trikotilomani, Makine öğrenme, Yapay zeka, Yapay sinir ağları, Genetik algoritma, Obsessive compulsive disorder, Trichotillomania, Machine learning, Artificial intelligence, Artificial neural networks, Genetic algorithm
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Üsküdar Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Nörobilim Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 67
Özet
Son yıllarda sıklıkla farklı alanlarda kullanılmaya başlanılan yapay zeka teknolojisi, medikal alanda da tercih edilmektedir. Makine öğrenme çalışmaları yüksek sınıflandırma özelliği ve az özellik ihtiyacı nedeniyle popülerliğini korumaktadır. Bu yöntem sınıflandırma, karşılaştırma, hızlı sonuç verme ve düşük hata oranları ile zaman geçtikçe kendini güncelleyen bir teknoloji alanı haline gelmiştir. Yapay sinir ağları hedeflenen sonuçlara daha az iş yükü ve kolaylıkla ulaşmayı sağlarken, özellik seçimi de hastalıkların esas ayırt edici özelliklerini ön plana çıkararak, daha az ayırt edici özellikleri saf dışı bırakmaktadır. Erken tanı koyma, doğru tanı sonrası doğru tedavinin uygulanması her daim tüm insanlığın beklentisi olmuştur. Teknolojiler geliştikçe tanı yöntemlerinin de gelişmesi ile makine öğrenme medikal alanda ilgi görmeye başlamıştır. Kantitaif Elektroensefalografi (QEEG)' nin psikiyatri ve nöroloji alanında biyobelirteç olarak kullanılması, EEG (Elektroensefelagrafi)'nin son zamanlarda ki kullanımını arttırmıştır. Bu çalışma da Obsesif Kompulsif Bozukluk (OKB) ve Trikotilomani (TTM) hastalıklarının tanı koyma sürecinde yapay zeka teknolojilerinden makine öğrenme yöntemleri kullanılarak sınıflandırma çalışmaları yapılmıştır. Özellik seçimi için genetik algoritma, yapay sinir ağları ve çarpraz doğrulama yaklaşımının dikkat çekici performansı beyin frekans dalgalarından seçilen özellikleri kullanılarak, yaşları 18 ile 61 arasında değişen 39 Obsesif Kompulsif Bozukluk ve 40 Trikotilomani hastasını %80 doğruluk oranıyla ayırt etmenin mümkün olduğunu göstermiştir.
Özet (Çeviri)
In recent years, artificial intelligence technology, which has been used frequently in different areas, is preferred in medical field. Machine learning studies are popular due to their high classification and low specification. This method has become a field of technology to update itself with time, grading, comparison, rapid results and low error rates. Artificial neural networks provide less workload and ease of access to targeted results, while feature selection eliminates less distinctive features, highlighting the main distinguishing features of diseases. Early diagnosis, correct treatment after correct diagnosis has always been the expectation of all humanity. With the development of technologies as the technologies evolved, machine learning started to attract attention in the medical field. The use of quantitative electroencephalography (EEG) as a biomarker in the field of psychiatry and neurology has increased the recent use of EEG. In this study, classification studies were made by using machine learning methods from artificial intelligence technologies in the diagnosis process of Obsessive Compulsive Disorder and Trichotillomania diseases. The genetic algorithm for the selection of features, the remarkable performance of artificial neural networks and cross-validation approach, has shown that it is possible to distinguish 39 patients with obsessive compulsive disorder and 40 trichotillomania, ranging from 18 to 61 years of age, with the accuracy rate of %80, using the characteristics of brain frequency waves.
Benzer Tezler
- Obsesif-kompulsif bozukluk ve ilişkili bozukluklarda aday endofenotip tanımlama, fenomenoloji ve nörobiliş çalışması
Candidate endophenotype definition, phenomenology and neurocognition in obsessive compulsive disorder and related disorders
GÖZDE CESUR ÇELEBİ
Tıpta Uzmanlık
Türkçe
2023
PsikiyatriBursa Uludağ ÜniversitesiÇocuk ve Ergen Ruh Sağlığı ve Hastalıkları Ana Bilim Dalı
DOÇ. DR. SERKAN TURAN
- Obsesif kompulsif bozukluk ve trikotilomani hastalıklarının makine öğrenim yöntemi ile sınıflandırılması
Classification of obsessive compulsive disorder and tricotillomic diseases by machine learning method
HATİCE SULTAN DURSUN
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÜsküdar ÜniversitesiNörobilim Ana Bilim Dalı
DOÇ. DR. TÜRKER TEKİN ERGÜZEL
- Obsesif kompulsif ve ilişkili bozukluklar tanısı almış bireylerin internet bağımlılığı açısından sağlıklı gönüllülerle karşılaştırılması
Comparison of internet addiction between patients diagnosed with OCD and releated disorders and healthy controls
SÜMEYYE SEREYİM
Tıpta Uzmanlık
Türkçe
2018
PsikiyatriAnkara Yıldırım Beyazıt ÜniversitesiPsikiyatri Ana Bilim Dalı
PROF. DR. ALİ ÇAYKÖYLÜ
- Obsesif Kompulsif Bozukluk tanısı almış hastaların Obsesif Kompulsif Bozukluk (OKB) alt tipleri ve çocukluk çağı travmaları arasındaki ilişki
The relationship between OCD subscales and childhood traumas among individuals diagnosed as OCD
EBRU GÖNCÜ ADIGÜZEL
Yüksek Lisans
Türkçe
2021
PsikolojiÜsküdar ÜniversitesiKlinik Psikoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SİNEM ZEYNEP METİN
- Çocukluk çağı Trikotilomani'sinde davranış, semptom ve komorbiditenin incelenmesi
Başlık çevirisi yok
IŞIK GÖRKER
Tıpta Uzmanlık
Türkçe
1997
Psikiyatriİstanbul ÜniversitesiÇocuk Psikiyatrisi Ana Bilim Dalı
PROF.DR. KAYIHAN AYDOĞMUŞ