Deep learning for the classification of bipolar disorderusing fNIRS measurements
Bipolar bozukluğun fNIRS ölçümleri kullanılarak derin öğrenme ile sınıflandırılması
- Tez No: 664967
- Danışmanlar: PROF. DR. İLKAY ULUSOY
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 82
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
- 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
2021
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. İLKAY ULUSOY
- Suicidal ideation detection from social media
Sosyal medya içeriğinden intihar düşüncesi algılama
ÖZAY EZERCELİ
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolIşık ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ RAHİM DEHKHARGHANİ
- Hybrid detection techniques for skin cancer images
Başlık çevirisi yok
HASAN ABED HASAN
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ABDULLAHI ABDU IBRAHIM
- Dejeneratif omurga hastalıklarının sınıflandırılması için docker konteynerleri tabanlı multimodal derin öğrenme yaklaşımları
Docker-based multimodal deep learning approaches for the classification of degenerative spinal diseases
HASAN YİĞİT
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMuğla Sıtkı Koçman ÜniversitesiYapay Zeka Ana Bilim Dalı
DOÇ. DR. İBRAHİM ÖNDER YENİÇERİ
- Renal hücreli karsinomun otomatik derece sınıflandırması için U-net tabanlı derin öğrenme ağı
U-net based deep learning network for automatic grade classification of renal cell carcinoma
SÜEDA KAYA
Yüksek Lisans
Türkçe
2025
Biyomühendislikİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MÜRVET KIRCI