Makine öğrenmesi teknikleri kullanılarak nörodejeneratif hastalık tespiti ve derecelendirmesi
Neurodegenerative disease detection and rating using machine learning techniques
- Tez No: 712338
- Danışmanlar: DR. ÖĞR. ÜYESİ EMRE SÜMER, ÖĞR. GÖR. SEDA KİBAROĞLU
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Başkent Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 176
Özet
Hızla yaşlanan nüfuslar ile, nörodejeneratif hastalıkların görülme sıklığı da yaşlanmaya paralel bir şekilde artmaktadır. Nörodejeneratif hastalıklar, beyinde meydana getirdikleri dejenerasyonun yanı sıra, kendilerini motor semptomlar olarak adlandırılan hareket bozuklukları olarak da göstermektedirler. Nörodejeneratif hastalıkların tespiti ve hastalık şiddetinin derecelendirilmesi, hastaların doğru teşhis ve bu bağlamda tedaviye ulaşması için kritik rol oynamaktadır. Hastaların muzdarip olduğu hastalığın teşhisinin yanı sıra hastalık şiddetinin de doğru tahmin edilmesi uygulanan tedavinin etkinliğini arttırmaktadır. Bu amaçla, bu tez çalışmasında nörodejeneratif hastalıkların sebep oldukları hareket bozukluklardan yola çıkarak hastalık tespiti ve hastalık şiddetinin tahmini üzerine makine öğrenmesi tabanlı sınıflandırma ve regresyon çalışmaları gerçekleştirilmiştir. Hareket bozukluklarını yürüyüş verileri üzerinden tespit etmeyi amaçlayan çalışmalar ham veri kullanan çeşitli makine öğrenme yöntemlerini ve ham verilerin QR kodlara dönüştürülmesi ile elde edilen 2B temsilleri ile beslenen derin öğrenme yöntemlerini içermektedir. Nörodejeneratif hastalıkların, hareket bozuklukları ile tespit ve hastalık şiddetinin tahmin edilmesinin yanı sıra, görülme oranı en sık hastalıklardan biri olan Parkinson hastalığının beyinde meydana getirdiği dejenerasyon ile bahsi geçen problemlere çözüm aranmıştır. Bu amaçla MR görüntüleri, nörogörüntüleme ön işlemlerine tabi tutularak, tek form haline getirilmiş ve farklı düzlemlerden elde edilen görüntüler ile Parkinson hastalığının tespiti ve hastalık şiddetinin tahmini üzerine çalışılmıştır.
Özet (Çeviri)
With rapidly aging populations, the incidence of neurodegenerative diseases is increasing in parallel with aging. Neurodegenerative diseases, in addition to the degeneration they cause in the brain, also show themselves as movement disorders called motor symptoms. Detection of neurodegenerative diseases and grading of disease severity play a critical role in patients' correct diagnosis and this context, reaching treatment. In addition to the diagnosis of the disease that the patients suffer from, accurate estimation of the severity of the disease increases the effectiveness of the applied treatment. For this purpose, machine learning-based classification and regression studies were carried out on disease detection and estimation of disease severity based on movement disorders caused by neurodegenerative diseases. Studies aiming to detect movement disorders through gait data include various machine learning methods using raw data and deep learning methods fed with two-dimensional representations obtained by converting raw data into QR codes. In addition to detecting neurodegenerative diseases with movement disorders and estimating the severity of the disease, solutions were sought for the aforementioned problems with the degeneration of the brain caused by Parkinson's disease, which is one of the most common diseases. For this purpose, MR images were subjected to neuroimaging preprocessing, they were made into a single form, and images obtained from different planes were used to detect Parkinson's disease and to estimate the severity of the disease.
Benzer Tezler
- Makine öğrenimi teknikleri kullanılarak parmak vuruş hareketi verileri ile parkinson hastalığı tespiti
Detection of parkinson's disease with finger tapping data using machine learning techniques
BAHAR DEMİR
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTrakya ÜniversitesiHesaplamalı Bilimler Ana Bilim Dalı
DOÇ. DR. OĞUZHAN ERDEM
DR. ÖĞR. ÜYESİ Sezer ULUKAYA
- Yapay zeka teknikleri ile manyetik rezonans görüntülerinden multipl skleroz hastalığının teşhisi ve gelecekteki aktivitesinin tahmini
Identification of multipl sclerosis and prediction of future activity from magnetic resonance images by artificial intelligence techniques
ZÜLEYHA YILMAZ ACAR
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. FATİH BAŞÇİFTÇİ
- Machine-learning approaches for neurological disorder diagnosis from genomic and neuroimaging data
Genomik ve nörogörüntüleme verilerinden nörolojik bozukluk teşhisi için makine öğrenmesi yaklaşımları
İSMAİL BİLGEN
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BEHÇET UĞUR TÖREYİN
- Classification of Parkinson's disease using deep learning techniques on finger, hand and tremor data
Derin öğrenme teknikleri kullanarak parmak, el ve titreme verileriyle Parkinson hastalığının sınıflandırılması
BEYZA GÜL
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Medipol ÜniversitesiElektrik-Elektronik Mühendisliği ve Siber Sistemler Ana Bilim Dalı
PROF. DR. BAHADIR KÜRŞAT GÜNTÜRK
- Glokom hastalığının derin öğrenme yöntemiyle ön tanısı
Pre-diagnosis of glaucoma disease with deep learning
MAHMOUD NAES
Yüksek Lisans
Türkçe
2023
Bilim ve TeknolojiKarabük ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HAKAN YILMAZ