Alzheımer hastalığının teşhisi için demxnet model önerisi ve derin transfer öğrenme yöntemleri ile karşılaştırılması
Model proposal of demxnet for the diagnosis of Alzheimer's disease and comparison with deep transfer learning methods
- Tez No: 765093
- Danışmanlar: DR. ÖĞR. ÜYESİ DURMUŞ ÖZDEMİR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Kütahya Dumlupınar Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 85
Özet
Demans, biyolojik yaşlanmanın olağan sonuçlarının ötesinde bilişsel işlevlerde bozulmanın görüldüğü bir sendromdur. Demansın en yaygın görülen türü Alzheimer hastalığıdır. Gözle görülür semptomlar ortaya çıkmadan şiddetlenir ve tedavisi mümkün olmayan beyin rahatsızlığına neden olur. Bu nedenle teşhis ne kadar erken olursa hasta için önleyici faaliyetler ve tedavi başlatılabilir. Mini-Zihinsel Durum Testleri Muayenesi gibi testler genellikle erken teşhis için kullanılsa da teşhis manyetik rezonans görüntüleme (MRI) beyin analizine dayanır. Bu tez çalışmasında, Alzheimer tipi demans hastalığının teşhisi ve sınıflandırılması için derin öğrenme modellerinin performansları karşılaştırılmış ve ayrıca DEMXNET adlı yeni bir derin öğrenme tabanlı model önerilmiştir. Alzheimer hastalığının 4 sınıfını içeren MRI görüntüleri veri seti Kaggle platformundan elde edilmiştir. Veri setindeki sınıflarda görüntü sayısının dengesiz dağılımından dolayı Sentetik Azınlık Aşırı Örnekleme Tekniği (SMOTE) kullanılmıştır. Modellerin tamamı SMOTE'li ve SMOTE'siz olarak iki senaryoda eğitilerek test edilmiştir. Tüm modellerde SMOTE tekniğinin doğruluk oranlarını önemli ölçüde artıdığı görülmüştür. Alzheimer tipi demans hastalığının sınıflandırılmasında kullanılan SMOTE tekniği uygulanan modellerin doğruluk (accuracy) oranı performans sonuçları VGG16 (%92.89), VGG19 (%95.94), InceptionV3 (%89.65), Xception (%91.05), DenseNet201(%95.47) ve önerilen modelimiz DEMXNET için (%96.48) olarak elde edilmiştir. Önerilen DEMXNET modeli karşılaştırılan diğer modellerden daha başarılı olmuştur. Önerilen DEMXNET modeli özellikle dengesiz veri setleri için verimli bir şekilde kullanılabilir ve farklı veri setlerine de uyarlanabilir.
Özet (Çeviri)
Dementia is a syndrome in which cognitive functions are impaired beyond the usual consequences of biological aging. The most common type of dementia is Alzheimer's disease. It exacerbates before visible symptoms occur and cause an incurable brain condition. Therefore, the sooner the diagnosis is made, the more preventive activities and treatment can be started for the patient. Diagnosis is based on magnetic resonance imaging (MRI) brain analysis, although tests such as the Mini-Mental Status Exam are often used for early diagnosis. In this thesis, the performances of deep learning models for the diagnosis and classification of Alzheimer's dementia disease are compared, and a new deep learning-based model called DEMXNET is proposed. The dataset of MRI images containing four classes of Alzheimer's disease was obtained from the Kaggle platform. Due to the uneven distribution of the number of images in the classes in the data set, Synthetic Minority Oversampling Technique (SMOTE) was used. All models were trained and tested in two scenarios, with and without SMOTE. It was observed that the accuracy rates of the SMOTE technique increased significantly in all models. Accuracy rate performance results of the models with the SMOTE technique used in the classification of Alzheimer's type dementia disease, VGG16 (92.89%), VGG19 (95.94%), InceptionV3 (89.65%), Xception (91.05%), DenseNet201 (95.47%) and our proposed model DEMXNET for (96.48%). The proposed DEMXNET model was more successful than the other models compared. The proposed DEMXNET model can be used efficiently, especially for unbalanced datasets, and can be adapted to different datasets.
Benzer Tezler
- Alzheimer hastalığının teşhisi için asetilkolin biyosensörünün hazırlanması
Preparation of acetylcholine biosensor for the diagnosis of alzheimer disease
ONUR CAN BODUR
- Alzheimer disease detection with artifical learning techniques
Yapay öğrenme teknikleri ile alzheimer hastaliğinin teşhisi
YAREN GÜNDÜZ
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖZGÜR GÜMÜŞ
- Derin öğrenme ile alzheimer hastalığının teşhisi
Diagnosis of alzheimer's disease with deep learning
YAĞIZ NALÇAKAN
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-CerrahpaşaBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. TOLGA ENSARİ
- Deep learning approaches for MRI image classifications
Başlık çevirisi yok
MUHAMMAD ZUBAIR
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAntalya Bilim ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SHAHRAM TAHERI
- 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