Geri Dön

Parkinson hastalarının dikkat fonksiyonlarına ait beyin aktivasyonlarının fonksiyonel MRG ile incelenmesi ve evrişimsel sinir ağları ile sınıflandırılması

Analysis of the brain activations of attention functions of Parkinson patients with functional MRI and classification with conventional neural networks

PDF İndir

  1. Tez No: 755081
  2. Yazar: NUR YILMAZ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ GÜZİN ÖZMEN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Biyomühendislik, Biyoteknoloji, Bioengineering, Biotechnology
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Selçuk Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 77

Özet

Parkinson hastalığı Alzheimer'dan sonra en sık görülen 2. nörolojik hastalıktır. Hastalığın tespiti için belirli bir tanı yöntemi henüz yoktur. Çeşitli fizyolojik ve nöropsikolojik muayenelerden elde edilen bulgular neticesinde diğer hastalık ihtimallerinin elenmesi ve hastanın Parkinson ilaçlarına yanıt vermesi halinde tanı konulur. Tüm bu süreçler hem maliyetli hem de uzun vakit almaktadır. Ayrıca hasta ve yakın çevresinin yaşam kalitesini olumsuz etkilemektedir. Son yıllarda teknolojinin gelişmesiyle birlikte, Parkinson hastalığının titreme, depresyon, duruş bozukluğu gibi farklı belirtileriyle ilişkilendirilen farklı çalışmalar yapılmıştır. Mühendislik ile ilişkilendirilen çalışmalarda hastalığın yapay zeka ile tespitini amaçlayan çalışmalar hız kazanmıştır. Nörodejeneratif hastalıkların tespitinde genellikle tıbbı görüntüleme yöntemlerinden yararlanılmaktadır. Bu tez çalışmasında Parkinson hastalığının dikkat işlevlerindeki farklılık üzerinde durulmuştur. Dikkatin uyarma, yürütme ve yönlendirme işlevlerinin beyin aktivasyonları incelenmiş ve aktivasyon farklılıklarından yola çıkılarak derin öğrenme ile hastalığın tespiti amaçlanmıştır. Bu amaçla 25 Parkinson hastası ve 21 sağlıklı bireye ait görev tabanlı fonksiyonel MR görüntüleri içeren veri seti kullanılmıştır. Veriler öncelikle sırasıyla kafa hareketlerinin düzenlenmesi, işlevsel-yapısal bağdaştırma, segmentasyon, normalleştirme ve yumuşatma ön işleme aşamalarından geçirilmiştir. Ardından istatistiksel analiz aşamasına geçilmiş ve bireysel analizler yapılarak kontrast vektörleri oluşturulmuştur. Bireysel analiz sonucu oluşan vektörler kullanılarak belirlenen gruplar arasında ortalama aktivasyon sonuçlarının alındığı grup analizleri yapılmıştır. Grup analizleri Parkinson hastası ile sağlıklı bireyler ve Parkinson hastası erkek ve Parkinson hastası kadın grupları arasında 2 farklı şekilde gerçekleştirilmiştir. Parkinson hastası ve sağlıklı bireyler arasında yapılan grup analiz sonuçlarında görülen beyin aktivasyonu farklılıklarından hareketle sınıflandırma aşamasına geçilmiştir. Sınıflandırma için Evrişimsel Sinir Ağ modeli oluşturulmuştur. Bireysel analiz sonucu oluşan 3 boyutlu tüm beyin spmT görüntüleri sınıflandırıcıda kullanılmıştır. Herhangi bir özellik çıkarım işlemi yapılmamış derin öğrenmenin özellik çıkarma işlevinden faydalanılmıştır. Farklı piksel ekleme değerleri (1, 0, same) ve optimizasyon algoritmaları (SGDM, Adam, RMSProp) kullanılarak sınıflandırma performans ölçütleri sonuçları karşılaştırılmıştır. Sınıflandırma sonucunda en yüksek başarı 1 piksel ekleme değeri ve Adam optimizasyon algoritmasıyla eğitim doğruluğu %92.86, AUC 0.952, doğruluk %90.9, kesinlik 0.920, özgüllük 0.931, duyarlık 0.885, F1-skor 0.902 olarak elde edilmiştir. Bu tez çalışması ile elde edilen sonuçlar hastalığın erken teşhisinde önemli bir alternatif oluşturmakla birlikte kullanılan yöntemin sadece Parkinson değil farklı nörodejeneratif hastalıkların teşhisinde ve evrelemesinde de fayda sağlayacağı düşünülmektedir.

Özet (Çeviri)

Parkinson's disease is the second most common neurological disease after Alzheimer's. There is no specific diagnostic method to detect the disease yet. As a result of the findings obtained from various physiological and neuropsychological examinations, the diagnosis is made when other disease possibilities are eliminated and the patient responds to Parkinson's drugs. All these processes are costly and take a long time. It also negatively affects the quality of life of the patient and his/her immediate environment. In recent years, with the development of technology, different studies have been carried out related to different symptoms of Parkinson's disease such as tremor, depression, and posture disorder. Studies aimed at detecting the disease with artificial intelligence in studies associated with engineering have accelerated. Medical imaging methods are generally used in the detection of neurodegenerative diseases. In this thesis study, the difference in attention functions of Parkinson's disease was emphasized. Brain activations of alerting, orienting and executive functions of attention were examined and it was aimed to determine the activation by deep learning based on differences. A dataset of 25 Parkinson's patients and 21 healthy individuals, including resident user MR imaging, was used. A dataset containing task-based functional MR images of 25 Parkinson's patients and 21 healthy individuals was used. First of all, the data were preprocessed in order of realignment, coregistration, segmentation, normalization and smoothing. Then, the statistical analysis stage was started, and contrast vectors were created by making individual analyzes. Group analyzes were performed in which the average activation results were obtained among the groups determined by using the vectors formed as a result of the individual analysis. Group analyzes were performed in two different types between Parkinson's disease and healthy individuals, and between Parkinson's disease male and Parkinson's female groups. Based on the differences in brain activation seen in group analysis results between Parkinson's disease and healthy individuals, the classification stage was started. A convolutional neural network model was created for classification. A convolutional neural network model was created for classification. 3D whole brain spmT images, which were formed as a result of individual analysis, were used in the classifier. No feature extraction was performed, and the feature extraction function of deep learning was used. Classification performance metrics results were compared using different padding values (1, 0, same) and optimization algorithms (SGDM, Adam, RMSProp). As a result of the classification, the highest success was obtained with 1 padding value and Adam optimization algorithm with training accuracy of 92.86%, AUC 0.952, accuracy 90.9%, precision 0.920, specificity 0.931, sensitivity 0.885, F1-score 0.902. This thesis study is an important alternative in the early diagnosis of the disease. It is predicted that it can be used in the early diagnosis and staging of not only Parkinson's but also different neurodegenerative diseases.

Benzer Tezler

  1. Tez No

    567599

    Parkinson hastalarında nöropsikometrik ve duyu profili ilişkisi

    Relationship between neuropsychometric and sensory profiles in parkinson disease patients

    ZEYNEP ÇORAKCI

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Nörolojiİstanbul Medipol Üniversitesi

    Sinir Bilimi Ana Bilim Dalı

    PROF. DR. LÜTFÜ HANOĞLU

  2. Tez No

    632632

    Parkinson hastalarına spor eğitmeni eşliğinde uygulanan çok yönlü egzersizlerin denge ve yürüme fonksiyonları üzerine etkisi

    The effect of sports trainer guided multimodal exercise program on parkinson disease patients balance and gait functions

    ÇAĞLA KARACAN

    Doktora

    Türkçe

    Türkçe

    2020

    Fizyoterapi ve RehabilitasyonKocaeli Üniversitesi

    Beden Eğitimi ve Spor Ana Bilim Dalı

    DOÇ. DR. BERGÜN MERİÇ BİNGÜL

  3. Tez No

    799426

    İdiyopatik parkinson hastalarında kognitif bozulmanın erken tanısına kantitatif eeg'nin katkısı

    Contribution of quantitative eeg (qEEG) to early diagnosis of cognitive deficits in idiopathic parkinson's disease.

    DERYA GÜNER

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2014

    NörolojiSağlık Bilimleri Üniversitesi

    Nöroloji Ana Bilim Dalı

    UZMAN YAŞAR ZORLU

  4. Tez No

    897257

    Mental ve nörodejeneratif hastalıklarda amino asit profillerinin değerlendirilmesi

    Evaluation of amino acid profiles in mental and neurodegenerative disorders

    SEVGİNUR AKDAŞ

    Doktora

    Türkçe

    Türkçe

    2024

    Beslenme ve DiyetetikAnkara Üniversitesi

    Disiplinlerarası Gıda Metabolizma ve Klinik Beslenme Ana Bilim Dalı

    PROF. DR. NURAY YAZIHAN

  5. Tez No

    759669

    Subtalamik nükleus'a derin beyin stimülasyonu uygulanan ve uygulanmayan parkinson hastalarının bilişsel fonksiyon, emosyonel durum, yaşam kalitesi, hastalık şiddeti, karakter ve mizaç, nöropsikiyatrik semptomlar ile yürütücü işlevler açısından karşılaştırılması

    Comparison of patients with parkinson's disease and parkinson's disease WHO treated with deep brain stimulation to the subtalamic nucleus in terms of cognitive function, emotional status, quality of life, disease severity, character and temperament, neuropsychiatric symptoms and executive functions

    MÜGE ALPAYDIN KASAPOĞLU

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2022

    NörolojiBolu Abant İzzet Baysal Üniversitesi

    Ruh Sağlığı ve Hastalıkları Ana Bilim Dalı

    PROF. DR. MEHMET HAMİD BOZTAŞ

Geri Dön