Geri Dön

Deep learning for the classification of bipolar disorderusing fNIRS measurements

Bipolar bozukluğun fNIRS ölçümleri kullanılarak derin öğrenme ile sınıflandırılması

PDF İndir

  1. Tez No: 664967
  2. Yazar: HALUK BARKIN EVGİN
  3. Danışmanlar: PROF. DR. İLKAY ULUSOY
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

İşlevsel Yakın İnfrared Spektroskopi (fNIRS) psikiyatrik bozuklukların sınıflandırılmasında öne çıkan bir sinirsel görüntüleme tekniğidir ve fNIRS kullanılarak psikiyatrik bozuklukların sınıflandırılmasında güvenilir doğruluk sonuçları elde edilmektedir. Yüksek zamansal çözünürlük, uygulanabilirlik ve kafa hareketlerine karşı kısmi direnç, fNIRS metodunu diğer görüntüleme metodları arasında öne çıkarmaktadır. fNIRS verisi tek boyutlu çok kanallı bir zaman serisidir. Bu tezde bipolar bozukluk, zaman serisi sınıflandırılmasında özelleşmiş en gelişkin metodlardan bazıları kullanılarak sınıflandırılmıştır. Çok Katmanlı Algılayıcılar (MLP), Tek Boyutlu Konvolüsyonel Sinir Ağları (CNN), Tek Boyutlu Rezidüel Sinir Ağları (ResNet) ve Kodlayıcı Ağlar, içerisinde 33 kontrol ve 28 bipolar örnek olan fNIRS verileri üzerinde eğitilmiş, değerlendirilmiş ve kıyaslanmıştır. Eldeki örnek sayısı yeterince fazla olmamasına rağmen farklı test metodları kullanılarak ümit verici doğruluk oranları elde edilmiştir. 75.32%'lik en iyi sınıflandırma doğruluğu, ResNet sınıflandırıcısı kullanılarak elde edilmiştir.

Özet (Çeviri)

Functional Near-Infrared Spectroscopy (fNIRS) is a neural imaging method that is proved to be prominent in the classification of psychiatric disorders, and assertive accuracy results are being obtained using fNIRS. High temporal resolution, feasibility, and partial endurance to head movements are the traits that are highlighting fNIRS among other imaging methods. fNIRS data is a one dimensional multi-channeled time series. In this thesis, bipolar disorder is classified using some state of the art deep learning methods that are specialized for time series classification. Multilayer Perceptrons, one dimensional Convolutional Neural Networks (CNN), one dimensional Residual Neural Networks (ResNet) and one dimensional Encoder networks are trained, evaluated and compared on the fNIRS data where there are 33 control and 28 bipolar subjects. Although the number of subjects is not high enough, promising accuracies are obtained using different test methods. The best classification accuracy of 75.32% is obtained by using the ResNet classifier.

Benzer Tezler

  1. Tez No

    664514

    Visualization of deep networks trained for bipolar disorder classification by using fNIRS measurements

    Bipolar hastalığı sınıflandırması için fNIRS ölçümleri kullanılarak eğitilmiş derin ağların görselleştirilmesi

    OĞUZHAN BABACAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. İLKAY ULUSOY

  2. Tez No

    991801

    Diagnostic Differentiation of Psychiatric Disorders (Schizophrenia and Bipolar Disorder) Using EEG-Based Deep Learning Models

    EEG Tabanlı Derin Öğrenme Modelleri ile Psikiyatrik Bozuklukların (Şizofreni ve Bipolar Bozukluk) Tanısal Ayrımı

    TASNIM SAKA LAİK

    Yüksek Lisans

    İngilizce

    İngilizce

    2026

    NörolojiÜsküdar Üniversitesi

    Sağlık Bilimleri Ana Bilim Dalı

    PROF. DR. TÜRKER TEKİN ERGÜZEL

  3. Tez No

    836469

    Suicidal ideation detection from social media

    Sosyal medya içeriğinden intihar düşüncesi algılama

    ÖZAY EZERCELİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolIşık Üniversitesi

    Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ RAHİM DEHKHARGHANİ

  4. Tez No

    831251

    Enhancing the stability and quality assessment of visual explanations for thorax disease classification using deep learning

    Derin öğrenme kullanarak göğüs hastalıkları sınıflandırması için görsel açıklamaların kararlılık ve kalite değerlendirmesini geliştirme

    SHAKIBA RAHIMIAGHDAM

    Doktora

    İngilizce

    İngilizce

    2023

    Bilim ve TeknolojiOrta Doğu Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HANDE ALEMDAR

  5. Tez No

    791068

    A classification application on chest X ray images for the detection of tuberculosis disease by employing deep convolutional neural networks

    Derin evrişimli sinir ağlarını kullanarak tüberküloz hastalığının tespiti için göğüs X ışını görüntülerinde bir sınıflandırma uygulaması

    HATİCE KOÇ

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Yönetim Bilişim Sistemleriİzmir Bakırçay Üniversitesi

    Yönetim Bilişim Sistemleri Ana Bilim Dalı

    PROF. DR. ABDULKADİR HIZIROĞLU

    PROF. DR. AHMET EMİN ERBAYCU

Geri Dön