Geri Dön

Yapısal MR görüntülerinden makine öğrenimi yöntemleri kullanılarak şizofreninin sınıflandırılması

Classification of schizophrenia using machine learning methods from structral MR images

PDF İndir

  1. Tez No: 749787
  2. Yazar: MERVE ANDAÇ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ŞERİFE GENGEÇ BENLİ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Biyomühendislik, Psikiyatri, Bioengineering, Psychiatry
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Erciyes Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 96

Özet

Karmaşık bir psikiyatrik bozukluk olan şizofreni hastalığında doğru tanı ve tedavi sürecinin etkin bir şekilde yönetilebilmesi için oldukça önemlidir. Çeşitli tiplerde manyetik rezonans (MR) görüntüleri, şizofreni için biyobelirteç olarak hizmet etme potansiyeline sahiptir. Bu çalışmanın amacı, şizofrenili bireyler ile sağlıklı kontroller arasında beyin bölgelerinde oluşabilecek dokusal özelliklerdeki farklılıkları yapısal MR görüntüleri aracılığıyla sayısal olarak analiz etmektir. Bu amaç doğrultusunda yapılan ilk sınıflandırma çalışmasında sağ, sol ve iki taraflı beyin olmak üzere beş bölgeden elde edilen Gri Düzey Eş Oluşum Matrisi (GLCM) öznitelikleri makine öğrenmesi yöntemleri kullanılarak sınıflandırılmıştır. Sonuçlar incelendiğinde %94,4 doğruluk oranı ile sol hemisferdeki bu beş bölgenin GLCM özellikleri kullanılarak şizofreni ile sağlıklı bireylerin ayırt edilmesinde yüksek performanslı sınıflandırma metrikleri elde edilmiştir. İkinci sınıflandırma çalışmasında ise tüm beyinden elde edilen 3 doku tipi beyaz madde (WM), gri madde (GM) ve beyin omurilik sıvısı (CSF) görüntüleri veri girişi olarak kullanılarak, AlexNet tabanlı kurgulanan CNN mimarisi ile sınıflandırma işlemi yapılmıştır. Sonuçlar incelendiğinde yapısal MR görüntüleri kullanılarak şizofreninin %98 doğruluk oranı ile sınıflandırılabildiği görülmüştür. Üçüncü sınıflandırma çalışmasında ise bu 3 doku tipine ait görüntülerden GLCM, Yönlendirilmiş Gradyanların Histogramı (HOG) ve Yerel İkili Örüntü (LBP) metodları kullanılarak öznitelik çıkarılmış olup makine öğrenme algoritmaları ile sınıflandırma gerçekleştirilmiştir. %86.11 doğruluk oranı ile XGB algoritması en yüksek doğruluğu veren sınıflandırıcı olduğu görülmüştür. Şizofreni gibi psikiyatrik bozukluklarda durumlarda bile bireylerin yapısal beyin MR görüntülerinin hastalık etiyolojisinin anlaşılmasına katkı sağlama potansiyeline sahip olduğu vurgulanmaktadır

Özet (Çeviri)

In schizophrenia, which is a complex psychiatric disorder, the correct diagnosis and treatment process is very important for effective management. Various types of magnetic resonance (MR) images have the potential to serve as biomarkers for schizophrenia. The aim of this study is to numerically analyze the differences in textural features that may occur in brain regions between individuals with schizophrenia and healthy controls by means of structural MR images. In the first classification study conducted for this purpose, the Gray Level Co-occurrence Matrix (GLCM) features obtained from five regions, namely the right, left and bilateral brain, were classified using machine learning methods. When the results were examined, high-performance classification metrics were obtained in differentiating schizophrenia and healthy individuals by using the GLCM features of these five regions in the left hemisphere with an accuracy rate of 94.4%. In the second classification study, 3 tissue types of white matter (WM), gray matter (GM) and cerebrospinal fluid (CSF) images obtained from the whole brain were used as data input, and classification was performed with the AlexNet-based CNN architecture. When the results were examined, it was seen that schizophrenia could be classified with 98% accuracy using structural MR images. In the third classification study, features were extracted from the images of these 3 tissue types using GLCM, Directed Gradient Histogram (HOG) and Local Binary Pattern (LBP) methods, and classification was performed with machine learning algorithms. With an accuracy rate of 86.11%, the XGB algorithm was found to be the classifier that gave the highest accuracy. It is emphasized that structural brain MR images of individuals have the potential to contribute to the understanding of the etiology of the disease, even in psychiatric disorders such as schizophrenia.

Benzer Tezler

  1. Tez No

    875576

    Detection of cancerous brain cells with machine learning

    Makine öğrenimi ile kanserli beyin hücrelerinin tespiti

    UYGAR CANKAT

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAkdeniz Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TANER DANIŞMAN

  2. Tez No

    904560

    Automatic disc herniation diagnosis with machine learning methods from MRI images

    MRI görüntülerinden makine öğrenme yöntemleriyle otomatik disk fıtığı tanısı

    MERVE APAYDIN YUMUŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Elektrik ve Elektronik MühendisliğiAnkara Yıldırım Beyazıt Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ÖMER KARAL

  3. Tez No

    474887

    Computer-aided diagnosis of Alzheimer's disease and mild cognitive impairment with MARS/CMARS classification using structural MR images

    Alzheimer hastalığı ve hafif bilişsel bozukluğun MARS/CMARS sınıflandırma ile yapısal MR görüntüleri üzerinden bilgisayar destekli tanılanması

    ALPER ÇEVİK

    Doktora

    İngilizce

    İngilizce

    2017

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    PROF. DR. BEHÇET MURAT EYÜBOĞLU

    PROF. DR. GERHARD WİEHELM WEBER

  4. Tez No

    809290

    Implementing language models enriched with text analysis: MIMIC-CXR case study

    Metin analiziyle zenginleştirilmiş dil modellerini uygulama: MIMIC-CXR vaka çalışması

    EGE ERBERK USLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ EMİNE SEZER

    DR. ÖĞR. ÜYESİ ZEKERİYA ANIL GÜVEN

  5. Tez No

    275765

    İnsan diz mekanizmasının bilgisayar destekli üç boyutlu modellenmesi ve kinematik analizi

    Computer aided three dimensional modeling and kinematic analysis of human knee joint

    ARİF ÖZKAN

    Doktora

    Türkçe

    Türkçe

    2010

    BiyomühendislikKocaeli Üniversitesi

    Makine Eğitimi Ana Bilim Dalı

    DOÇ. DR. YASİN KİŞİOĞLU

Geri Dön