Classification of Parkinson's disease using deep learning techniques on finger, hand and tremor data
Derin öğrenme teknikleri kullanarak parmak, el ve titreme verileriyle Parkinson hastalığının sınıflandırılması
- Tez No: 784942
- Danışmanlar: PROF. DR. BAHADIR KÜRŞAT GÜNTÜRK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: İstanbul Medipol Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği ve Siber Sistemler Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 77
Özet
Sinir hücreleri tahribatı sonucunda nörolojik olarak gelişen Parkinson hastalığı, konuşma, düşünme, davranış, motor refleksleri gibi günlük hayatta kullanılan fonksiyonların çoğunu etkilemektedir. Hastalığın ilerleyen evrelerinde hasta kabiliyetlerinin belirli kısmını veya tamamını kaybedebilmektedir. Yaşa bağlı olarak gelişen hastalık ilerleyen yaşlarda daha yaygın olarak görülmektedir, fakat günümüzde hastalığın görülme yaşı giderek öne gelmektedir. Parkinson hastalığının teşhisi kolay yapılamamaktadır. Hastalık geçmişi göz önünde bulundurularak hastanın şikayetleri uzman görüşüyle değerlendirilmekte ve nörolojik tetkik gibi yöntemler kullanılmaktadır. Günümüzde ilerleyen teknolojinin gelişmelerle araştırmacılar makine öğrenmesi ve derin öğrenme yöntemleri kullanarak hastalığın daha doğru bir şekilde saptanması üzerine çalışmalar yapmaktadır. Konuşma zorluğu, düşünme-davranış fonksiyonların kısmen veya tamamen kaybolmasına neden olan, gündelik yaşantıyı olumsuz yönde etkileyen ve kesin bir tedavisi olmayan nöro-dejeneratif Parkinson hastalığının erken teşhisi, sınıflandırması ve doktorlara destek sistem geliştirilmesi hedeflenmektedir. Modelimizde, derin öğrenme teknikleriyle ile el-parmak hareketleri görüntüleri ve tremor sinyalleri kullanılarak hastalığın erken ve doğru teşhis edilebilmesine katkı sağlanmaya çalışılmıştır. Tek boyutlu CNN ve LSTM yapıları kullanılarak görüntü ve sinyal verilerini analiz etmek için derin sinir ağı modeli oluşturulmuştur. Python programlama dili ve Keras kütüphanesi ile optimize edilerek performansı ölçülmüştür. Az, orta ve yüksek olmak üzere üç sınıfta değerlendirilen model %62,8 test seti doğruluk değerine ulaşmıştır. Çalışmanın amacı hem araştırmacılara hem de bu alanla ilgili herkese Parkinson hastalığı konusunda derin öğrenme teknikleri kullanılarak geliştirilebilecek modeli anlatmak ve bu alanda çalışılması muhtemel konuları vermektir. Çalışma beş bölümde ele alınmıştır. İlk kısımda yapılan çalışmaya dair genel bilgilere yer verilmiştir. İkinci kısımda Parkinson hastalığı, UPDRS skalası, yapay zekâ gibi teorik bilgilerle Parkinson hastalığı ile ilgili literatürdeki yapay zeka çalışmaları sunulmuştur. Bu kısımda sağlık alanında yapay zekâ çalışmaları ve Parkinson özelinde çalışmaların detaylarına yer verilmiştir. Üçüncü kısımda uygulamada kullanılan yöntemler detaylandırılarak tanıtılmıştır. Bunlar veri toplama, sinyal çıkarma, ön işleme ve sınıflandırma olarak beş başlıkta incelenmiştir. Dördüncü kısımda sonuçlar görselleştirilmiştir. Son kısımda ise elde edilen performans değerleri yorumlanarak değerlendirme yapılmıştır. Çalışmanın sonuçlarını geliştirmek ve gelecek çalışmalara yönelik önerilerde bulunulmuştur.
Özet (Çeviri)
Parkinson's disease, which develops neurologically as a result of nerve cell loss, impairs most everyday processes such as speech, thinking, behaviour, and motor reflexes. The patient may lose part or all of his or her talents in the latter stages of the disease. The associated is complete with age and is more frequent in elderly people, however, the age of the beginning of the disease is increasing exponentially. Parkinson's disease is difficult to diagnose. The initial assessment is performed by a physician in order to examine the patient's symptoms in consideration of the disease's history, and procedures such as neurological examination are performed. With technological advancements, researchers are working on more effective illness-detection approaches such as machine learning and deep learning. The objective is to establish a system for early diagnosis, categorization, and assistance for clinicians treating patients with neuro-degenerative Parkinson's disease, which impairs speech, may cause partial or total loss of mental and thinking-behavioral functions, significantly impacts everyday living, and currently lacks a definite cure. With the use of deep learning techniques, hand-finger movement pictures and tremor signals are used in our suggested model to help with the early and accurate identification of the illness. One-dimensional CNN and LSTM structures were used to build a deep neural network model to analyze the image and signal data. Its performance was evaluated using the Python programming language and the Keras package. The model scored 62.8% test set accuracy after being examined in three classes: low, medium, and high. The study's goal is to describe the model that can be constructed using deep learning techniques in Parkinson's disease to both researchers and others interested in the subject, as well as to suggest future research issues. The thesis is divided into five sections. The first section includes background information about the study. The second section presents theoretical information on Parkinson's disease, the UPDRS scale and artificial intelligence research in the Parkinson's disease literature. The methods utilised in the application are introduced in detail in the third section. The section is organized in five parts: data collection, signal extraction, data augmentation, preprocessing, and classification. The conclusions are visualised in the fourth section. The collected performance data are analysed and assessed in the last section. Suggestions are provided to improve the study's outcomes and future research.
Benzer Tezler
- Derin öğrenme teknikleri kullanılarak Parkinson hastalığının konuşma sinyallerinden tespiti
Detection of Parkinson's disease from speech signals using deep learning techniques
AYŞE NUR TEKİNDOR
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. EDA AKMAN AYDIN
- Parkinson hastalığının teşhisinde ses verileri üzerinden makine öğrenmesi ve derin öğrenme yöntemlerinin incelenmesi
Investigation of machine learning and deep learning methods on voice data in diagnosis of Parkinson's disease
İBRAHİM HALİL GÖKÇİN
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHarran ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NAGEHAN İLHAN
- Developing ai models to diagnosis Parkinson's disease (PD) using multinational MRI
Çok uluslu MRI kullanarak Parkinson hastalığını (PD) teşhis etmek için yapay zeka modelleri geliştirme
ALAA I.M ABUKARESH
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ OKATAN
- Derin öğrenme yöntemleri kullanılarak demans türü hastalıkların sınıfandırılması
Classification of dementia-type diseases using deep learning methods
RUMEYSA NEGİŞ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖZGÜR KARADUMAN
- Derin öğrenme yöntemleriyle Parkinson hastalığı teşhisi
Parkinson's disease diagnosis with deep learning methods
CEM GÖKTUĞ
Yüksek Lisans
Türkçe
2024
Yönetim Bilişim SistemleriSivas Cumhuriyet ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
PROF. DR. OĞUZ KAYNAR