Geri Dön

Alzheimer hastaliğinin makine öğrenmesi modelleri kullanilarak teşhis edilmesi

Machine learning models for the diagnosis of alzheimer disease

  1. Tez No: 811540
  2. Yazar: FATMA NUR BUDAK
  3. Danışmanlar: PROF. DR. MURAT SARI, DR. ÖĞR. ÜYESİ HÜSEYİN TUNÇ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Matematik, Mathematics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Yıldız Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Matematik Ana Bilim Dalı
  12. Bilim Dalı: Matematik Bilim Dalı
  13. Sayfa Sayısı: 116

Özet

Alzheimer hastalığı, dünya genelinde demansın en yaygın türü olarak kabul edilir. Bu nörodejeneratif hastalık, ciddi bilişsel gerileme ile karakterizedir ve özellikle yaşlılık dönemlerinde sık görülür. Alzheimer hastalığı, başta Lewy cisimcikli demans ve vasküler demans olmak üzere diğer birçok nörodejeneratif hastalık ile benzerlikler taşır. Bu benzerlikler, hastalığın teşhis sürecinde diğer bilişsel bozukluklarla karışmasına yol açar. Bu çalışmada, makine öğrenmesi modellerinin tanı sürecine olan katkıları incelenmiş ve özellikle Alzheimer hastalığı olan bireyleri, diğer bilişsel bozukluklara sahip olan ve normal bilişsel işlevi olan bireylerden ayırmaya odaklanılmıştır. İlk olarak, Ulusal Alzheimer Koordinasyon Merkezi'nden (NACC) elde edilen 2208 örnek üzerinde analizler gerçekleştirilmiş ve veri ön işleme adımları uygulanmıştır. Bu adımlardan sonra veriler, dört farklı kategoriye ayrılmıştır ve bu kategorilerin hem ayrı ayrı hem de birlikte kullanılmasının tıbbi teşhis sürecindeki etkileri, çeşitli sınıflandırma algoritmaları ile değerlendirilmiştir. Bu değerlendirmeler sonucunda, CatBoost sınıflandırma algoritmasının en iyi sonuçları verdiği belirlenmiş, en yüksek performansın gözlem ve klinik veri gruplarının birleştirilmesi ile elde edildiği görülmüştür. Bu kombinasyon için elde edilen sonuçlar şu şekildedir: doğruluk (accuracy): 0.896, hassasiyet (precision): 0.824, duyarlılık (recall): 0.776, F1 skoru (F1 score): 0.781. Sonrasında, veri grupları arasındaki potansiyel tamamlayıcı alanlar üzerinde analizler gerçekleştirilmiş ve teşhis sürecinde kullanılan bazı biyobelirteçlerin etkileri detaylı bir şekilde tartışılmıştır. Bu analizler, Alzheimer hastalığı ile diğer bilişsel bozukluklar arasındaki ayrımı sağlayacak daha etkili bir teşhis yöntemi için önemli bir adım olarak değerlendirilmiştir. Bu çalışmanın sonucunda elde edilen bulgular, Alzheimer hastalığının teşhis sürecinde makine öğrenmesi modellerinin önemli bir potansiyele sahip olduğunu ve bu modellerin gelecekteki araştırmalarda ve klinik uygulamalarda daha yaygın olarak kullanılması gerekliliğini desteklemektedir.

Özet (Çeviri)

Alzheimer disease is considered the most common type of dementia worldwide. This neurodegenerative disease is characterized by severe cognitive decline and is especially common in old age. Alzheimer disease has similarities with many other neurodegenerative diseases, especially Lewy body dementia and vascular dementia. These similarities cause the disease to be confused with other cognitive disorders in the diagnostic process. In this study, the contribution of machine learning models to the diagnostic process was examined and it was especially focused on distinguishing individuals with Alzheimer disease from individuals with other cognitive disorders and normal cognitive functions. First, analyzes were performed on 2208 samples obtained from the National Alzheimer's Coordination Center (NACC) and data preprocessing steps were applied. After these steps, the data were divided into four different categories and the effects of using these categories both separately and together in the medical diagnosis process were evaluated with various classification algorithms. As a result of these evaluations, it was determined that the CatBoost classification algorithm gave the best results, and it was seen that the highest performance was obtained by combining the observational and clinical data groups. The results for this combination are as follows: accuracy: 0.896, precision: 0.824, precision (recall): 0.776, F1 score: 0.781. Afterwards, analyzes were performed on potential complementary areas between data sets and the effects of some biomarkers used in the diagnostic process were discussed in detail. These analyzes are considered an important step towards a more effective diagnostic method that will enable the distinction between Alzheimer disease and other cognitive disorders. The findings obtained as a result of this study support the important potential of machine learning models in the diagnosis of Alzheimer disease and emphasize the need for wider utilization of these models in future research and clinical applications.

Benzer Tezler

  1. Alzheimer hastalığının makine öğrenmesi teknikleriyle incelenmesi

    Diagnosis of Alzheimer's disease by using machine learning approaches

    HUDAVERDİ EMİN ELP

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiYıldız Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. BÜLENT BOLAT

  2. A hybrid deep learning metaheuristic model for diagnosis of diabetic retinopathy

    Diyabetik retinopatinin tanısı için hibrit bir derin öğrenme meta-sezgisel modeli

    ÖMER FARUK GÜRCAN

    Doktora

    İngilizce

    İngilizce

    2022

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA

  3. Alzheimer hastalığı erken teşhisinde derin öğrenme modelleri ile tanısal sınıflandırma

    Diagnostic classification with deep learning models in early diagnosis of alzheimer's disease

    SELAHATTİN BARIŞ ÇELEBİ

    Doktora

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKırıkkale Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. BÜLENT GÜRSEL EMİROĞLU

  4. Alzheimer tanısı için derin öğrenme tabanlı analiz

    Deep learning based analysis for Alzheimer's diagnosis

    RAVZA BEGÜM ATAK

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-Cerrahpaşa

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MUHAMMED ALİ AYDIN

    DR. ÖĞR. ÜYESİ MUHAMMED ERDEM İSENKUL

  5. Detection of multistage Alzheimer from 4D FMRI data using deep learning

    4D FMRI'dan multistage Alzheimer'in tespiti derin öğrenmeyi kullanan veriler

    NAWAZISH ALI

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik Mühendisliğiİstanbul Medipol Üniversitesi

    Elektrik-Elektronik Mühendisliği ve Siber Sistemler Ana Bilim Dalı

    PROF. DR. REDA ALHAJJ