Design of an fNIRS-based BCI system for identification of impulsivity in adolescents
Ergenlerde dürtüselliğin belirlenmesi için iykas tabanlı bir BBA sistemi tasarımı
- Tez No: 741810
- Danışmanlar: DR. ÖĞR. ÜYESİ SİNEM BURCU ERDOĞAN
- Tez Türü: Yüksek Lisans
- Konular: Biyomühendislik, Biyoteknoloji, Mühendislik Bilimleri, Bioengineering, Biotechnology, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Acıbadem Mehmet Ali Aydınlar Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 56
Özet
Günümüzde, dürtüsellik için teşhis prosedürü, yapılandırılmış görüşmelere, kişisel raporlara ve oldukça öznel olan anketlere dayanmaktadır. Bu çalışma, ergenlerde dürtüselliğin tanımlanması için işlevsel yakın kızılaltı spektroskopi (İYKAS) tabanlı karar destek sistemi geliştirmeyi amaçlamaktadır. Dürtüselliğin çok yönlü doğası göz önüne alındığında, sınıflandırma algoritmalarını çok alanlı özelliklerle beslenmenin dürtüsellik semptomlarının altında yatan nörobiyolojiyi daha iyi aydınlatabileceği önerilmektedir. Çalışma, dürtüsellik tanısı konulmuş 38 hasta (29 kadın, yaşları 15,6 ± 2,4) ve dürtüsel olmayan 33 katılımcıdan (23 kadın, yaşları 15,1 ± 1,9) oluşan kontrol grubu ile gerçekleştirilmiştir. Bir Stroop görevi sırasında eşzamanlı İYKAS kayıtları ile davranışsal ve hemodinamik ölçümler toplanmıştır. Fonksiyonel bağlantı (FB) tabanlı özellikler hemodinamik sinyallerden hesaplanırken sinirsel verimlilik metriği, davranışsal ve FB tabanlı özelliklerin birleştirilmesiyle hesaplanmıştır. Yaygın olarak kullanılan iki makine öğrenmesi (MÖ) algoritmasının, destek vektör makineleri (DVM) ve yapay sinir ağları (YSA), dürtüsel ve kontrol grubu katılımcılarını sınıflandırmasındaki etkinliği test edilmiştir. Gereksiz özellikler sarmal tabanlı özellik seçimi kullanılarak ortadan kaldırılmıştır. Her alan için ayrı ayrı özellik seçimi yapılmış ve her alandan 3 özellik seçilmiştir. Her sınıflandırma algoritması, özellik seçiminin kullanılmasından önce ve sonra olmak üzere 3 alanlı özellik kümesi kombinasyonları kullanılarak 10 katmanlıı çapraz doğrulama ile 10 kez çalıştırılmıştır. Hem DVM hem de YSA, seçilen klinik, davranışsal ve hemodinamik özelliklerin kombinasyonu ile eğitildiğinde % 90'ın üzerinde doğruluğa ulaşmıştır. DVM, YSA'dan istatistiksel olarak anlamlı ölçüde daha yüksek doğruluk sağlamıştır (sırasıyla %92,2 ve %90,16, p=0,005). Ön bulgular, çok alanlı özelliklerle eğitildiğinde dürtüselliğin doğru tanımlanması için her iki MÖ tabanlı yöntemin de uygulanabilirliğini göstermektedir. Önerilen sınıflandırma yaklaşımı, dürtüsellik ve diğer psikiyatrik bozuklukların klinik tanısını geliştirme potansiyeline sahiptir. Bulgularımız ayrıca dürtüsellik şiddeti derecelendirmesi konusunda bilgisayar destekli bir teşhis perspektifinin önünü açmaktadır.
Özet (Çeviri)
Currently, the diagnostic procedure for impulsivity is based on structured interviews, self-reports, and questionnaires which are highly subjective. This study aimed to develop a functional near-infrared spectroscopy (fNIRS) based decision-support system for identification of impulsivity in adolescents. Considering the multifaceted nature of impulsivity, it is proposed that feeding classification algorithms with multidomain features could better clarify the neurobiology underlying the symptoms of impulsivity. 38 patients (29 females, ages 15.6 ± 2.4) diagnosed with impulsivity and 33 non-impulsive control subjects (23 females, ages 15.1±1.9) participated in the study. Behavioral and hemodynamic metrics were collected during a Stroop task with concurrent fNIRS recordings. Functional connectivity (FC)-based features were calculated from the hemodynamic signals, and a neural efficiency metric was calculated by fusing the behavioral and FC-based features. The efficacy of two commonly used machine-learning (ML) algorithms, namely the support vector machines (SVM), and artificial neural networks (ANN) in classification of impulsive and control subjects was tested. A wrapper-based feature selection method was utilized to remove redundant features. Feature selection was employed for each domain individually, and 3 features from each domain were selected. Each classification algorithm was run 10 times with 10-fold cross-validation using combinations of the 3-domain feature set before and after employing feature selection. Both SVM and ANN achieved accuracies above 90% when trained with the combination of selected clinical, behavioral, and hemodynamic features. The SVM resulted in significantly higher accuracy than ANN (92.2% and 90.16%, respectively, p = 0.005). Preliminary findings show the feasibility of both ML-based methods for accurate identification of impulsivity when trained with multidomain features. The proposed classification approach has the potential to improve the clinical diagnosis of impulsivity and other psychiatric disorders. Our findings also pave the way for a computer-assisted diagnosis perspective on impulsivity severity rating.
Benzer Tezler
- Design of a wearable fNIRS neuroimaging device with an internet-of-things architecture
Nesnelerin interneti mimarisi tabanlı giyilebilir fNIRS sinir görüntüleme cihazı tasarımı
GÖZDE ÇAY
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolUniversity of Rhode IslandElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. KUNAL MANKODIYA
- The role of visual features in text-based captchas: an fnirs study for usable security
Metin tabanlı captcha araçlarında görsel özelliklerin rolü: kullanılabilirlilik için fnirs çalışması
EMRE MÜLAZİMOĞLU
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiSiber Güvenlik Ana Bilim Dalı
DOÇ. DR. CENGİZ ACARTÜRK
DR. ÖĞR. ÜYESİ MURAT PERİT ÇAKIR
- Predicting the preference of liking using fNIRS and machine learning algorithms
fNIRS ve makine öğrenmesi algoritmaları ile beğeni tahmini
MEHMET YİĞİT KÖKSAL
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMEF ÜNİVERSİTESİBilişim Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUNA ÇAKAR
- Innovation management in design-intensive family firms from office furniture manufacturing industry: A dynamic capability perspective from an emerging market
Ofis mobilyası imalat sanayisindeki tasarım yoğun aile firmalarında inovasyon yönetimi: Gelişmekte olan bir pazardan dinamik yetenek perspektifi
SELİN GÜLDEN
Doktora
İngilizce
2022
Endüstri Ürünleri Tasarımıİstanbul Teknik ÜniversitesiEndüstriyel Tasarım Ana Bilim Dalı
PROF. DR. ÖZLEM ER
- Bir robot manipülatör için adaptif model izleme kontrol sistemi
An Adaptive model following control system for robotic manipulators
İHSAN ÖMÜR BUCAK
