Geri Dön

MR görüntülerinde veri analizi ve eksik verinin tamamlanması: Demans hastalıkları uygulaması

Data analysis in MR images and imputing missing data: An application for dementia diseases

PDF İndir

  1. Tez No: 794353
  2. Yazar: SAVAŞ OKYAY
  3. Danışmanlar: DOÇ. DR. NİHAT ADAR
  4. Tez Türü: Doktora
  5. Konular: Mühendislik Bilimleri, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Engineering Sciences, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Eksik veri, Güvenilirlik analizi, Öge seçimi, Öznitelik, Öznitelik çıkarma, İşbirlikçi filtreleme, Missing data, Reliability analysis, Feature selection, Feature extraction, Feature, Collaborative filtering
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Eskişehir Teknik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Yazılımı Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu doktora tezi kapsamında; bilgisayar biliminde önemli bir problem olan eksik verinin işlenmesi, öznitelik analizi, kıymetli veya etkisiz özniteliklerin değerlendirilmesi ve eksik verinin tamamlanması gibi stratejik veri bilimi yaklaşımları demans hastalıkları uygulaması üzerinden ele alınmaktadır. Nörogörüntülemede bozuk tıbbi görüntüler veya eksik diğer bilgiler, hastalık teşhis sürecinde hatalı kararlara neden olabilmektedir. Dolayısıyla, özniteliklerin analizi, özellikle klinik test skorları olmak üzere eksik verinin veri bilimine getirdiği zorluklar ve dolaylı olarak bulguların güvenilirliğini sorgulayan ölçek çalışmaları karar destek aşamasında önemli hale gelmektedir. Bu doktora tezinde, öncelikle klinik testler sırasında değerlendirilen dilimli beyin taramaları yardımcı yazılım araçları ile işlenmiş ve sanal modeller oluşturulmuştur. Öznitelikler, önerilen“paralel üç boyutlu beyin modelleme ve öznitelik çıkarma algoritması”ile taramalardan 95,57 kat hızlandırılmış bir şekilde çıkarılmıştır. Çıkarılan özniteliklerin manipüle edilmesi işlemleri önerilen“FreeSurfer: veri ön işleme ve manipülasyon yazılım aracı”aracılığıyla kolaylaştırılmıştır. Detaylı ön işlemden geçen ve 4-sınıf sınıflandırmada %76,5'e kadar başarım sağlayan etkili öznitelikler analiz edilmiştir. Veri üzerindeki önemli eksik değerler, önerilen“demans ile ilgili kullanıcı tabanlı işbirlikçi filtreleme yöntemi”ile farklı hata metrikleri üzerinden düşük hata oranları ile tamamlanmıştır ve klinik testler sırasında tıbbi doktorların karar destek amaçlarıyla kullanabileceği %95 güven düzeyinde“güvenilirlik ölçeği”tanımlanmıştır.

Özet (Çeviri)

Within the scope of this doctoral thesis, strategic data science approaches such as processing incomplete data, feature analysis, evaluation of valuable or ineffective features, and imputation of missing data, which are essential problems in computer science, are discussed through the application of dementia diseases. Distorted medical images or other missing information in the neuroimaging field can lead to erroneous decisions in the disease diagnosis process. Therefore, analyzing and preprocessing the features, the difficulties brought to data science by missing data, especially clinical test scores, and scale studies that indirectly question the reliability of the findings become important in the decision support phase. In this doctoral thesis, sliced brain scans evaluated during clinical tests were first processed with auxiliary software tools and virtual models were generated. The features were extracted from the scans via the proposed“parallel three-dimensional brain modeling and feature extraction algorithm”at a 95.57 speedup factor. Manipulation of extracted features was facilitated through the proposed“FreeSurfer: data preprocessing and manipulation software tool.”Effective features that detailly preprocessed and achieved up to 76.5% performance in 4-class classification were analyzed. The critical missing values on the data were completed with low error rates over different error metrics with the proposed“dementia-related user-based collaborative filtering”method, and a“reliability scale”that medical doctors can use for decision support during clinical tests was defined at a 95% confidence level.

Benzer Tezler

  1. Tez No

    982283

    Orta serebral arter M1 tıkanıklıklarında fluid attenuation inversion recovery magnetic resonance imaging - Alberta Stroke Program Early CT Score (FLAIR-ASPECT) ile 90. gündeki klinik sonlanım öngörülebilir mi?

    Can fluid-attenuated inversion recovery magnetic resonance imaging–Alberta Stroke Program Early CT Score (FLAIR-ASPECTS) predict 90-day clinical outcomes in middle cerebral artery M1 occlusions?

    ALİ İHSAN YARDIM

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2025

    NörolojiSamsun Üniversitesi

    Nöroloji Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HASAN DOĞAN

    PROF. DR. ÇETİN KÜRŞAD AKPINAR

  2. Tez No

    392796

    Epileptik MRI ve EEG verileri için bulanık mantık tabanlı steganografi uygulaması

    A fuzzy logic-based steganography application for MRI AND EEG data of epilepsy

    RUKİYE KARAKIŞ

    Doktora

    Türkçe

    Türkçe

    2015

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Elektronik ve Bilgisayar Eğitimi Ana Bilim Dalı (disiplinlerarası)

    PROF. DR. İNAN GÜLER

  3. Tez No

    925236

    Karaciğer metastazlarının manyetik rezonans görüntülemede radiomiks özelliklerinin analizi ve makine öğrenmesi yöntemleri ile primer tümöre göre sınıflandırılması

    Radiomics analysis of liver metastases on mri and classification for primary site with machine learning

    YUNUS EMRE ÇAKMAKLI

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2025

    Radyoloji ve Nükleer TıpSağlık Bilimleri Üniversitesi

    Radyoloji Ana Bilim Dalı

    DOÇ. DR. MEHMET ÖNCÜ

  4. Tez No

    729824

    Image reconstruction with deep learning and applications in MR images

    Derin öğrenme ile görüntü geriçatımı ve MR görüntülerinde uygulamaları

    AMIR AGHABIGLOU

    Doktora

    İngilizce

    İngilizce

    2022

    Mekatronik Mühendisliğiİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ENDER METE EKŞİOĞLU

  5. Tez No

    673525

    Evaluating BFAST algorithm in landsat time series analysisof monitoring deforestation dynamics in coniferousand deciduous forests

    Landsat zaman serisi ile iğne ve geniş yapraklı ormanlardaormansızlaşma dinamiklerinin izlenmesinde BFASTalgoritmasının değerlendirilmesi

    NOOSHIN MASHHADI

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Coğrafyaİstanbul Teknik Üniversitesi

    Bilişim Uygulamaları Ana Bilim Dalı (disiplinlerarası)

    Assist. Prof. Dr. UĞUR ALGANCI

Geri Dön