Alzheimer hastalığı erken teşhisi için yapay sinir ağları aracılığıyla EEG sinyal sınıflandırması
EEG signal classification via artificial neural networks for early diagnosis of alzheimer's disease
- Tez No: 716231
- Danışmanlar: DR. ÖĞR. ÜYESİ HÜSAMETTİM OSMANOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Biyoloji, Biology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Üsküdar Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Nörobilim Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 67
Özet
Alzheimer hastalığı (AH) bunama vakalarının yaklaşık %75'ini oluşturan en yaygın nörodejeneratif hastalıktır. Bireylerin günlük yaşamını yüksek derecede etkileyen, bilişsel ve davranışsal bozukluklara sebep olan; hafıza ve kavrayış bozukluklarının ilerleme gösterdiği geri dönüşümsüz bir hastalıktır. Alzheimer hastalığı teşhisinde sıklıkla kullanılan tekniklerden biri olan elektroensefalogram (EEG), beynin elektriksel aktivitesinin girişimsel olmayan bir şekilde ölçülmesine olanak sağlamaktadır. Alzheimer hastalığının EEG sinyallerinin seknronizasyonunda değişikliklere sebep olduğu ve bu değişikliklerin hastalığın teşhisi için ayırt edici özellikler olarak kullanıldığı bilinmektedir. Bu ayırt edici özelliklerden Alzheimer hastalığı teşhisi ve sınıflandırması için yapay sinir ağı sistemlerinde kullanılmak üzere faydalanılmaktadır. Yapay sinir ağları belirli eğitim algoritmaları ve topolojik katmanlar arası bağlantılar ile verilerdeki belirli özelliklerden faydalanarak sınıflandırma işlemini gerçekleştirmektedir. Bu tez çalışmasında Alzheimer hastası olan 17 bireye ve Alzheimer hastası olmayan 19 bireye ait EEG sinyallerinin sınıflandırılması amacına yönelik olarak yapay sinir ağı modellemesi gerçekleştirilmiştir. Elde edilen EEG sinyallerinin Alzheimer hastasına ait olup olmama durumunun tahmini gerçekleştirilmiştir. Bu amaca göre verilerin %70'i eğitim seti olarak, %30'u ise test seti olarak kullanılmıştır. Yapay sinir ağı modelinde giriş katmanı nöron sayısı 420 olarak belirlenmiş; ara katman nöron sayısı 10'dan 300'e kadar 10'ar artırılarak en yüksek ortalama doğruluk oranları elde edilmiştir. Çalışma sonucunda en yüksek ortalama doğruluk oranı 260 ara katman nöron sayısı ile %93,737502 olarak bulunmuştur. Ayrıca, bir modelin bireysel modülasyon sınıfının doğruluğunun genel bir ölçüsünün değeri olan F1 değeri de hesaplanmıştır. Elde edilen en yüksek ortalama doğruluk oranının sahip olduğu F1 değeri 93,423153 olarak bulunmuştur. Sonuç olarak dizayn edilen yapay sinir ağı modelinde toplam 38 EEG veri setinin %93,737502 oran ile doğru tahmini ve sınıflandırması gerçekleştirilmiştir.
Özet (Çeviri)
Alzheimer's disease (AD) is the most common neurodegenerative disease, accounting for approximately 75% of dementia cases. It is an irreversible disease that affects the daily life of individuals to a high degree, causes cognitive and behavioral disorders, and progresses to memory and cognition disorders. Electroencephalogram (EEG), one of the techniques frequently used in the diagnosis of Alzheimer's disease, allows non-invasive measurement of the electrical activity of the brain. It is known that Alzheimer's disease causes changes in the synchronization of EEG signals and these changes are used as distinguishing features for the diagnosis of the disease. These distinctive features are exploited for use in artificial neural network systems for Alzheimer's disease diagnosis and classification. Artificial neural networks perform the classification process by making use of certain features in the data with certain training algorithms and connections between topological layers. In this thesis study, artificial neural network modeling was carried out for the purpose of classifying the EEG signals of 17 individuals with Alzheimer's disease and 19 individuals without Alzheimer's disease. Estimation of whether the obtained EEG signals belong to patient with the Alzheimer's disease was performed. For this purpose, 70% of the data was used as a training set and 30% as a test set. In the artificial neural network model of this study, the number of input layer neurons was determined as 420 and the number of intermediate layer neurons was increased by 10 from 10 to 300, and the highest average accuracy rates were obtained. As a result of the study, the highest average accuracy rate was found to be 93.7737502% with 260 interlayer neurons. The F1 value, which is the value of an overall measure of the accuracy of a model's individual modulation class, is also calculated. The F1 value with the highest average accuracy rate obtained was found to be 93,423153. As a result, in the artificial neural network model designed, a total of 38 EEG data sets were estimated and classified correctly with a rate of 93.737502%.
Benzer Tezler
- Makine öğrenmesi ile alzheimer hastalığının ilerlemesinde hafif bilişsel bozukluğun tahmin edilmesine yönelik mrg tabanlı morfometrik analiz
Mri-based morphometric analysis for predicting mild cognitive impairment to alzheimer's disease progression with machine learning
MUHAMMET FURKAN ATILGAN
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiNecmettin Erbakan ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ALİ OSMAN ÖZKAN
- Telemonitoring of Parkinson's disease by using pattern recognition methods
Parkinson hastalığının örüntü tanıma metotları kullanılarak uzaktan izlenmesi
YASEMİN ŞAHİN
Yüksek Lisans
Türkçe
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFatih ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. NAHİT EMANET
- A hybrid deep learning metaheuristic model for diagnosis of diabetic retinopathy
Diyabetik retinopatinin tanısı için hibrit bir derin öğrenme meta-sezgisel modeli
ÖMER FARUK GÜRCAN
Doktora
İngilizce
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- Alzheimer tanısı için derin öğrenme tabanlı analiz
Deep learning based analysis for Alzheimer's diagnosis
RAVZA BEGÜM ATAK
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-CerrahpaşaBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMED ALİ AYDIN
DR. ÖĞR. ÜYESİ MUHAMMED ERDEM İSENKUL
- Alzheimer hastalığı tespiti ve CNN model sınıflandırması
Başlık çevirisi yok
CEREN GÜNDÜZALP
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÜsküdar ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKALP TULUM