Otizm spektrum bozukluğunun fonksiyonel manyetik rezonans görüntülerine dayalı makine öğrenmesi teknikleri ile teşhisi
Diagnosis of autism spectrum disorder with machine learning techniques based on functional magnetic resonance images
- Tez No: 815224
- Danışmanlar: PROF. DR. FEYZULLAH TEMURTAŞ, DOÇ. DR. İLYAS ÖZER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Biyomühendislik, Mühendislik Bilimleri, Computer Engineering and Computer Science and Control, Bioengineering, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Bandırma Onyedi Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 67
Özet
Beyin hasarları insan hayatını etkileyen çok ciddi sağlık problemleridir. Bu hasarların bir kısmı ilaç tedavisi gibi yöntemlerle tamamen ortadan kaldırılabilmektedir. Öte yandan OSB gibi hastalıkların neden olduğu hasarların bilinen kalıcı bir tedavisi yoktur. Bu tür rahatsızlıklarda genellikle hastalığın ilerlemesini yavaşlatmaya yönelik tedaviler uygulanmaktadır. Bu nedenle, davranış bozuklukları ortaya çıkmadan önce hastalığın erken evrede teşhis edilmesi önemlidir. Bu çalışmada, OSB'nin rs-fMRI yoluyla tespit edilmesine yönelik bir çalışma sunulmuştur. rs-fMRI beynin işlevi hakkında hem uzamsal hem de zamansal bilgi sağlamaktadır. Ancak fMRI verileri; örneklerin heterojenliği, farklı tarayıcı cihaz veya parametreler kullanılmasından dolayı ölçümler arasındaki varyansların yüksek olması gibi sebeplerden dolayı oldukça karmaşık verilerdir. Bu çalışma kapsamında ABIDE I veri setinden elde edilen 871 örnek üzerinde OSB ve sağlıklı bireyler ayırt edilmiştir. Bu doğrultuda iki farklı özellik çıkarım yöntemi geliştirilmiş ve farklı sınıflandırma algoritmaları ile sınıflandırılmıştır. İlk yöntemde sınıflandırma işlemi için uzun kısa süreli bellek ağı (long short-term memory-LSTM), evrişimsel sinir ağı (convolutional neural network-CNN) ve hibrit modeller birlikte kullanılmıştır. Bunların yanı sıra farklı özellik çıkarım yöntemiyle çok katmanlı algılayıcı (multi layer perceptron-MLP), k-en yakın komşuluk algoritması (k-nearest neighbour-k-NN), doğrusal ayrım analizi (linear discriminant analysis-LDA), destek vektör makineleri (support vector machines-SVM) kullanılarak ta sınıflandırma işlemi gerçekleştirilmiştir. Son olarak öznitelik seçiminde beynin hangi bölgelerinin daha etkili olduğuna dair bir değerlendirme sunulmuştur. Elde edilen sonuçlar, fMRI ile OSB tespiti için umut vericidir.
Özet (Çeviri)
Brain injuries are very serious health problems that affect people's lives. Some of these injuries can be completely reversed with methods such as medication. On the other hand, there is no known permanent treatment for damage caused by diseases such as Autism Spectrum Disorder (ASD). In such disorders, treatments are usually aimed at slowing down the progression of the disease. Therefore, it is important to diagnose the disease at an early stage before behavioural disorders occur. In this study, we present a study on the detection of ASD through rs-fMRI. rs-fMRI provides both spatial and temporal information about brain function. However, fMRI data are highly complex due to the heterogeneity of the samples, high variances between measurements due to the use of different scanner devices or parameters. In this study, ASD and healthy individuals were distinguished on 871 samples obtained from The Autism Brain Imaging Data Exchange I (ABIDE I) dataset. Accordingly, two different feature extraction methods were developed and classified with different classification algorithms. In the first method, long short-term memory network (LSTM), convolutional neural network (CNN) and hybrid models were used together for classification. In addition, different feature extraction methods such as multilayer perceptron (MLP), k-nearest neighbor algorithm (kNN), linear discriminant analysis (LDA), and support vector machines (SVM) were used for classification. Finally, an evaluation of which regions of the brain are more effective in feature selection is presented. The results obtained are promising for ASD detection on fMRI.
Benzer Tezler
- Machine-learning approaches for neurological disorder diagnosis from genomic and neuroimaging data
Genomik ve nörogörüntüleme verilerinden nörolojik bozukluk teşhisi için makine öğrenmesi yaklaşımları
İSMAİL BİLGEN
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BEHÇET UĞUR TÖREYİN
- Otizm spektrum bozukluğundan etkilenmiş bireylerin (13-18 yaş) motor performans, fiziksel uygunluk ve yaşam kalitelerinin incelenmesi
Examination of motor performance, physical fitness and life qualities of individuals (13-18 years old) with autism spectrum disorder
CANER ÖZBÖKE
Yüksek Lisans
Türkçe
2017
SporAnadolu ÜniversitesiBeden Eğitimi ve Spor Ana Bilim Dalı
PROF. DR. İLKER YILMAZ
- Physical activity participation in children with autism spectrum disorders in different communities: A comparative study
Farklı topluluklarda otizm bozukluğu olan çocukların fiziksel aktiviteye katılımı: Karşılaştırmalı bir çalışma
WALAA KHADER
Doktora
İngilizce
2017
SporMarmara ÜniversitesiBeden Eğitimi ve Spor Bilimleri Ana Bilim Dalı
PROF. DR. AYSEL PEHLİVAN
- Otizmli çocuklarda besin seçiciliğinin gastrointestinal semptomlar ve konstipasyon üzerine etkisi
The effect of food selectivity on gastrointestinal symptoms and constipation in children with autism
ECE VATANSEVER GÜRGÖR
Yüksek Lisans
Türkçe
2023
Beslenme ve DiyetetikBaşkent ÜniversitesiBeslenme ve Diyetetik Ana Bilim Dalı
DOÇ. DR. ESRA KÖSELER BEYAZ
- POGZ gen varyantlarının otizm spektrum bozukluğu ile ilişkisinin araştırılması
The investigation of POGZ gene variants in Autism Spectrum Disorder
GÖKBERK YILDIRIM
Yüksek Lisans
Türkçe
2019
BiyoteknolojiTrakya ÜniversitesiBiyoteknoloji ve Genetik Ana Bilim Dalı
DOÇ. DR. JÜLİDE TOZKIR