Parkinson hastalığının teşhisinde derin öğrenme yöntemi ile spect görüntü analizi
Spect image analysis with deep learning method for diagnosis of parkinson's disease
- Tez No: 573623
- Danışmanlar: DOÇ. DR. AYTÜRK KELEŞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Ağrı İbrahim Çeçen Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Matematik Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Bilimleri Bilim Dalı
- Sayfa Sayısı: 115
Özet
Sinir hücreleri tahribatı sonucunda gelişen Parkinson hastalığı, Alzheimer hastalığının ardından en sık teşhisi konulan hastalıktır. Dünya üzerinde 55-60 yaş üzerindeki bireylerde %1 oranında görülmektedir. Bu oran düşük görünmesine rağmen, yaşam sürelerinin uzaması göz önüne alındığında Parkinson hastalığına yakalanan bireylerde artışa neden olmaktadır. Parkinson hastalığının erken teşhisinde bugün geleneksel yöntemler kullanılmaktadır. Ancak araştırmacılar Yapay Zekâ teknolojilerini kullanarak bu hastalığı daha erken ve doğru teşhis edilebilmesi için çalışmaktadır. Bu çalışmada SPECT görüntüleri kullanılarak derin öğrenme teknolojisi ile Parkinson hastalığının daha erken ve daha doğru teşhis edilebilmesine katkı sağlanmaya çalışılmıştır. SPECT görüntüleri analiz etmek için evrişimsel sinir ağı yapısı kullanılarak bir model oluşturulmuş ve Keras kütüphanesi içerisinde yer alan optimizasyon seçenekleri ile test edilmiştir. Her optimizasyon değeri için farklı aktivasyon fonksiyonları ve eğitim sayıları denenmiş ve en başarılı doğruluk oranına ulaşılmaya çalışılmıştır. Hastalık teşhisi için başarı kriteri olarak doğruluk oranının yanında duyarlılık ve özgüllük değerleri de hesaplanarak tablo olarak sunulmuştur. Üç farklı sınıfta yer alan SPECT görüntü verileri üzerinde uygulanan derin öğrenme işlemi sonucunda en başarılı sınıflandırma Adamax optimizasyon yöntemi ile doğruluk %94.15, duyarlılık %91.03 ve özgüllük %95.71 değerleri ile elde edilmiştir. Bu tez çalışması genel olarak 5 bölümden oluşmaktadır. İlk bölümünde Parkinson hastalığına ve derin öğrenme yöntemlerine yer verilerek konuyla ilgili alanyazındaki mevcut çalışmalar sunulmuştur. İkinci bölümde yapay zekâ ve onun alt alanında yeni gelişen teknoloji derin öğrenme yer almaktadır. Bu bölümde derin öğrenme metotları ve kullanım alanları da örneklendirilerek açıklanmıştır. Üçüncü bölümde kullanılan veri seti hakkında ayrıntılı bilgi verilmiş ve uygulamada kullanılan yapılar tanıtılmıştır. Dördüncü bölümde kullanılan optimizasyon yöntemlerine göre elde edilen doğruluk, duyarlılık ve özgüllük değerleri görsel olarak değerlendirilmiştir. Son bölümde ise yapılan teşhis uygulamasından elde edilen sonuçlar alan yazında benzer veya yakın çalışmalar ile karşılaştırılarak bir değerlendirme yapılmış ve bu çalışmanın ışığında ileriye yönelik bazı önerilerde bulunulmuştur.
Özet (Çeviri)
Parkinson's disease which develops as a result of nerve cells devastation, is the most commonly diagnosed disease after Alzheimer's disease. It is seen in 1 percent of individuals over the age of 55-60 years. Although this ratio seems low, it causes an increase in individuals with Parkinson's disease considering the prolongation of life expectancy. Today, traditional methods are used in the early diagnosis of Parkinson's disease. However, using artificial intelligence technologies, researchers are studying to be detected this disease earlier and more accurately. In this study, it has been tried to contribute to the early and more accurate diagnosis of Parkinson's disease by using SPECT images with deep learning technology. In order to analyze SPECT images, a model was created using convolutional neural network structure and tested with optimization options which is within the Keras library. For each optimization value, different activation functions and epoch have been tested and tried to reach the most successful accuracy rate. Sensitivity and specificity values as well as accuracy rate as the criterion of success for disease diagnosis are calculated and presented as a table. As a result of the deep learning process applied on SPECT image data, which is in the three different classes, the most successful classification method is obtained with Adamax optimization method 94.15% accuracy,91.03% sensitivity and 95.71% specificity. This thesis consists of 5 chapters in general. In the first part, Parkinson's disease and deep learning methods are mentioned and the current studies regarding topic in the related literature are presented. Artificial intelligence and the deep learning, newly developing technology in its subfield, take place in the second part. In this part, deep learning methods and areas of usage are explained with examples. In the third section, detailed information is given about the data set and the structures used in the application are introduced. In the fourth chapter, the accuracy, sensitivity and specificity values obtained according to the optimization methods used were evaluated visually. In the last section, the results obtained from the diagnostic application have been compared with similar or connected studies in the literature and an evaluation has been made and some prospective suggestions have been made in the light of this study.
Benzer Tezler
- Derin öğrenme yöntemleriyle Parkinson hastalığı teşhisi
Parkinson's disease diagnosis with deep learning methods
CEM GÖKTUĞ
Yüksek Lisans
Türkçe
2024
Yönetim Bilişim SistemleriSivas Cumhuriyet ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
PROF. DR. OĞUZ KAYNAR
- Derin öğrenme ile Parkinson hastalığının sınıflandırılması
Classification of Parkinson's disease with deep learning
PEDRAM KHATAMINO
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ LALE ÖZYILMAZ
- Parkinson hastalarının dikkat fonksiyonlarına ait beyin aktivasyonlarının fonksiyonel MRG ile incelenmesi ve evrişimsel sinir ağları ile sınıflandırılması
Analysis of the brain activations of attention functions of Parkinson patients with functional MRI and classification with conventional neural networks
NUR YILMAZ
Yüksek Lisans
Türkçe
2022
BiyomühendislikSelçuk ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜZİN ÖZMEN
- Parkinson's disease diagnosis by using autoencoder based on deep neural network (DNN) and metaheuristic method
Derin sinir ağına dayalı otokodlayıcı ve metasezgisel yöntem ile parkinson hastalığının teşhisi
BEYHAN GERGERLİ
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Yıldırım Beyazıt ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. FATİH VEHBİ ÇELEBİ
- Parkinson hastalığının teşhisinde ses verileri üzerinden makine öğrenmesi ve derin öğrenme yöntemlerinin incelenmesi
Investigation of machine learning and deep learning methods on voice data in diagnosis of Parkinson's disease
İBRAHİM HALİL GÖKÇİN
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHarran ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NAGEHAN İLHAN