Geri Dön

Obsesif kompulsif bozukluk ve trikotilomani hastalıklarının makine öğrenim yöntemi ile sınıflandırılması

Classification of obsessive compulsive disorder and tricotillomic diseases by machine learning method

  1. Tez No: 757077
  2. Yazar: HATİCE SULTAN DURSUN
  3. Danışmanlar: DOÇ. DR. TÜRKER TEKİN ERGÜZEL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Nöroloji, Psikoloji, Computer Engineering and Computer Science and Control, Neurology, Psychology
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Üsküdar Üniversitesi
  10. Enstitü: Sağlık Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Nörobilim Ana Bilim Dalı
  12. Bilim Dalı: Nörobilim Bilim Dalı
  13. Sayfa Sayısı: 74

Özet

Yapay zeka yöntemleri güncel olarak birçok farklı alanda kullanılmaktadır ve medikal alanda da büyük rağbet görmektedir. Hem nörolojik rahatsızlıkları hem de psikolojik rahatsızlıkları kapsayan nörobilim alanında makine öğrenme teknolojisi sayesinde az veri ile yüksek sınıflandırma yapabilmek mümkündür. Bu teknoloji sınıflandırma, hızlı neticelenme ve hata payının düşük olmasından ötürü sık kullanılmaktadır. Teknolojinin gelişimi sayesinde yapay zekanın medikal alanlarda uygulanabilmesi tüm insanlık için nimettir. Yapay sinir ağlarının özellik seçimi esnasında daha iyi olanaklar sağladığından ve biyobelirteç olarak kantitatif elektroensefalografi (QEEG)den faydalanıldığından ötürü daha hızlı teşhis koymak ve buna bağlı olarak daha etkili tedaviyi sunmak hedeflemektedir. Bu çalışmada yapay zeka teknolojilerinin OKB ve TTM hastalıkları için tanı koyma sürecinde makine öğrenme yöntemlerini kullanarak sınıflandırma çalışmaları yapılmıştır. 79 katılımcıyı kapsayan çalışmada 39 OKB taşıyan hasta ve 40 TTM tanısı konulan hastalara yer verilmiştir. QEEG kordans değerlerini elde etmek için, 4 frekans bandında (Delta, Theta, Alpha ve Beta). 10 beyin bölgesine (prefrontal, frontosantral, santral, sol temporal, sağ temporal, sol parietal, oksipital, orta hat, sol frontal ve sağ frontal) 19 elektrot kullanılmıştır. Hastaları sınıflandırmak için makine öğrenme yöntemleri, Yapay Kuzey Ağları (ANN), Destek Vektör Makinesi (SVM), k-Nearest Neighbor (k-NN) ve Naive Bayes (NB) kullanıldı. Nispeten daha iyi performansı ile SVM, geliştirilmiş bir karınca kolonisi optimizasyonu (IACO) ile birleştirildi, böylelikle daha az yineleme ile daha bilgilendirici özellikler seçmek mümkün olmuştur. OKB ve TTM arasında bilinen benzerliklere rağmen, iki hastalık arasında ayırt edici özelliklerde bulunmaktadır. %81.04 genel doğrulukla OKB ve TTM ayrıştırmak mümkündür.

Özet (Çeviri)

Artificial intelligence methods are currently used in many different domains and are in great demand in the medical field. Neuroscience, which covers both neurological diseases and psychological disorders, is an area where it is possible to make high classification with little databases thanks to machine learning technology. Due to its classification ability, fast results and low error rate this technology has become a frequently used tool. Thanks to the development of technology, the application of artificial intelligence in medical area is a blessing for all humanity. Since artificial neural networks offer better opportunities during feature selection and quantitative electroencephalography (QEEG) is used as a biomarker, it is attempted to achieve a faster diagnosis and a more effective treatment. In this study, classification studies were carried out by using machine learning methods in the diagnosis process of artificial intelligence technologies for obsessive compulsive disorder (OCD) and Trichotillomania (TTM) diseases. The study, which included 79 participants, included 39 patients with OCD and 40 patients diagnosed with TTM. To obtain QEEG cordance values, in 4 frequency bands (Delta, Theta, Alpha and Beta) 19 electrodes were used on 10 brain regions (prefrontal, frontocentral, central, left temporal, right temporal, left parietal, occipital, midline, left frontal and right frontal). Machine learning methods, Artificial Northern Networks (ANN), Support Vector Machine (SVM), k-Nearest Neighbor (k-NN), and Naive Bayes (NB) were used for the classification. With its relatively better performance, SVM was combined with an improved ant colony optimization (IACO) so that it was possible to select more informative features with less iteration. Despite the known similarities between OCD and TTM, there are distinctive features between the two diseases. It is feasible to distinguish OCD and TTM with an overall accuracy of 81.04%.

Benzer Tezler

  1. Obsesif kompulsif bozukluk ve trikotilomani bozukluklarının uygun biyobelirteç kullanılarak makine öğrenme yöntemleri ile sınıflandırılması

    Classification of obsessive-compulsive and trichotillomania disorders by using machine learning methods

    AYŞE KARAKUŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    NörolojiÜsküdar Üniversitesi

    Nörobilim Ana Bilim Dalı

    DOÇ. DR. TÜRKER TEKİN ERGÜZEL

  2. Obsesif-kompulsif bozukluk ve ilişkili bozukluklarda aday endofenotip tanımlama, fenomenoloji ve nörobiliş çalışması

    Candidate endophenotype definition, phenomenology and neurocognition in obsessive compulsive disorder and related disorders

    GÖZDE CESUR ÇELEBİ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2023

    PsikiyatriBursa Uludağ Üniversitesi

    Çocuk ve Ergen Ruh Sağlığı ve Hastalıkları Ana Bilim Dalı

    DOÇ. DR. SERKAN TURAN

  3. Obsesif kompulsif ve ilişkili bozukluklar tanısı almış bireylerin internet bağımlılığı açısından sağlıklı gönüllülerle karşılaştırılması

    Comparison of internet addiction between patients diagnosed with OCD and releated disorders and healthy controls

    SÜMEYYE SEREYİM

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2018

    PsikiyatriAnkara Yıldırım Beyazıt Üniversitesi

    Psikiyatri Ana Bilim Dalı

    PROF. DR. ALİ ÇAYKÖYLÜ

  4. Obsesif Kompulsif Bozukluk tanısı almış hastaların Obsesif Kompulsif Bozukluk (OKB) alt tipleri ve çocukluk çağı travmaları arasındaki ilişki

    The relationship between OCD subscales and childhood traumas among individuals diagnosed as OCD

    EBRU GÖNCÜ ADIGÜZEL

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    PsikolojiÜsküdar Üniversitesi

    Klinik Psikoloji Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SİNEM ZEYNEP METİN

  5. Çocukluk çağı Trikotilomani'sinde davranış, semptom ve komorbiditenin incelenmesi

    Başlık çevirisi yok

    IŞIK GÖRKER

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    1997

    Psikiyatriİstanbul Üniversitesi

    Çocuk Psikiyatrisi Ana Bilim Dalı

    PROF.DR. KAYIHAN AYDOĞMUŞ