Açıklanabilir yapay zekâ teknikleri ile parkinson hastalık teşhisi
Diagnosis of parkinson's disease with explainable artificial intelligence techniques
- Tez No: 818646
- Danışmanlar: DOÇ. DR. MEHMET ONUR OLGUN
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Süleyman Demirel Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 81
Özet
Her geçen gün gelişen teknoloji ile beraber yapay zekâ hayatımızın vazgeçilmez bir parçası olmuştur. Son yıllarda sıklıkla tartışma konusu olan yapay zekânın güvenilirliği konusu açıklanabilir yapay zekâ kavramını ortaya çıkarmıştır. Özellikle bir köpek ve çikolata parçacıklı bir kek arasındaki benzerlik sebebi ile sonucu yanlış tahmin etmesi nedeni ile gündeme gelen“Yapay zekânın sonuçları ne kadar güvenilir?”konusu açıklanabilir yapay zekânın doğuşunda büyük önem taşımaktadır. Bu çalışmada sağlık alanının birçok yerinde kullanılmaya başlanan yapay zekâ sistemlerinden yola çıkılarak Parkinson hastalığı ile ilgili bir tahminleme çalışması yapılmak hedeflenmiştir. Yapay zekâyı; insan zekâsına benzer bir zekâya sahip olarak tasarlanan bilgisayar parçaları olarak tanımlayabiliriz. İnsan sağlığı söz konusu olduğunda kurulan bu sistemlerin güvenilirliği büyük önem taşımaktadır. Bu nedenle kurulan sistemler şeffaf ve yorumlanabilir olmalıdır. Çalışma yapılırken bu kavramlar da ele alınarak açıklanabilir yapay zekâ sistemlerinin kullanılması ve sonuçların kullanıcılara nedenleri ile beraber sunulması amaçlanmıştır. Böylelikle hem sisteme olan güven duygusu pekişmiş olacak hem de sistemin hata yapma olasılığı ortadan kalkacaktır. Açıklanabilir yapay zekâ, yapay zekâya duyulan güveni arttırmaktadır. Bunun yanında sistemlerin; hukuk, etik ve sosyal alanlara olan sorumluluklarını da belirlemeyi kolaylaştır. Ana amacı güvenilirlik, şeffaflık, açıklanabilirlik, yorumlanabilirlik, adalet ve önyargıdır. Açıklanabilir yapay zekâ, yapay zekâ sistemlerinin potansiyel önyargılarını tespit etme ve düzeltme çabalarına katkıda bulunur. Yapay zekâ sistemlerinden farklı olarak kullanıcılara grafiksel ve metinsel sonuçlar sunularak daha güvenilir bir sonuç oluşturmaktır. Parkinson hastalığı beyin sapındaki dopamin üreten hücrelerin kaybı sonucu oluşmaktadır. Hastalık teşhisi, nöroloji uzmanı tarafından öncelikle hastanın şikâyetleri ve hastalık geçmişinin dinlenmesi daha sonrasında ise nörolojik muayene ile yapılır. Bazı hastalarda MR, lomber ponksiyon, kan tetkikleri gibi işlemler de uygulanabilir. Hastalığın etkilerinin azaltılabilmesi için erken tanı çok önemlidir. Bu çalışmada Parkinson hastası olan bireylerin verileri kullanılarak bir model oluşturulacaktır ve derin öğrenme kullanılarak hastalık teşhisinin yapılması sağlanacaktır. Daha sonra mevcut modelin açıklanabilirliği için açıklanabilir yapay zekâ yöntemlerinden Lime ve Shap yöntemleri kullanılacaktır. Çalışmada kullanılan veriler, Parkinson's Progression Markers Initiative web sitesinden alınmıştır. Araştırmada 203 sağlıklı, 498 parkinson hastası ve 759 ön belirti gösteren olmak üzere toplam 1460 gönüllüye ait veri bulunmaktadır.
Özet (Çeviri)
With the developing technology day by day, artificial intelligence has become an indispensable part of our lives. The reliability of artificial intelligence, which has been frequently discussed in recent years, has revealed the concept of explainable artificial intelligence. Especially because of the similarity between a dog and a chocolate chip cake, the question“How reliable are the results of artificial intelligence?”The subject of explainable artificial intelligence is of great importance in the birth of artificial intelligence. In this study, it is aimed to make a prediction study about Parkinson's disease based on artificial intelligence systems that have been used in many parts of the health field. artificial intelligence; We can define it as computer parts designed to have an intelligence similar to human intelligence. The reliability of these systems is of great importance when it comes to human health. Therefore, established systems should be transparent and interpretable. During the study, it is aimed to use explainable artificial intelligence systems by considering these concepts and to present the results to the users with their reasons. In this way, both the sense of trust in the system will be strengthened and the possibility of making mistakes in the system will be eliminated. Explainable artificial intelligence increases trust in artificial intelligence. In addition, the systems; It also makes it easier to determine their responsibilities in legal, ethical and social areas. Its main purpose is credibility, transparency, explainability, interpretability, fairness and bias. Explainable AI contributes to efforts to detect and correct potential biases of AI systems. Unlike artificial intelligence systems, it is to create a more reliable result by presenting graphical and textual results to users. Parkinson's disease results from the loss of dopamine-producing cells in the brain stem. The diagnosis of the disease is made by the neurologist, first of all, by listening to the patient's complaints and disease history, and then by neurological examination. In some patients, procedures such as MRI, lumbar puncture, blood tests can also be performed. Early diagnosis is very important to reduce the effects of the disease. In this study, a model will be created using the data of individuals with Parkinson's disease and the diagnosis will be made using deep learning. Then, Lime and Shap methods, which are explicable artificial intelligence methods, will be used to explain the current model. The data used in the study were taken from the Parkinson's Progression Markers Initiative website. In the study, there are data of 1460 volunteers, 203 of whom were healthy, 498 of whom had Parkinson's disease and 759 of whom had pre-symptoms.
Benzer Tezler
- Derin öğrenme ve açıklanabilir yapay zekâ teknikleri ile beyin tümörlerinin tespiti ve analizi
Detection and analysis of brain tumors using deep learning and explainable artifical intelligence techniques
MUSTAFA ÖZLÜ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. METE ÇELİK
DR. ÖĞR. ÜYESİ NUH AZGINOĞLU
- Elektrikli otobüslerde çizge tabanlı öznitelik seçimi ve makine öğrenmesi ile kestirimci bakım
Predictive maintanance with graph based feature selection & machine learning in electrical busses
AYŞE IRMAK ERÇEVİK
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTOBB Ekonomi ve Teknoloji ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET MURAT ÖZBAYOĞLU
- A novel ensemble framework for XAİ-based feature selection in machine learning models
Makine öğrenimi modellerinde XAİ tabanlı özellik seçimi için yeni bir ensemble çerçevesi
HALİL İBRAHİM DEMİREL
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
PROF. DR. SÜREYYA AKYÜZ
- Friedreich ataksisi modelinde hesaplamalı ilaç keşfi: Açıklanabilir yapay zekâ teknolojisi
Computational drug discovery in the Friedreich ataxy model: Explainable ai technology
KEVSER KÜBRA KIRBOĞA
Yüksek Lisans
Türkçe
2022
BiyomühendislikSüleyman Demirel ÜniversitesiBiyomühendislik Ana Bilim Dalı
PROF. DR. ECİR UĞUR KÜÇÜKSİLLE
DOÇ. DR. UTKU KÖSE
- Estrus detection in cows with deep learning techniques
Derin öğrenme teknikleri ile ineklerde kızgınlık tespiti
İBRAHİM ARIKAN
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİzmir Yüksek Teknoloji EnstitüsüBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. TOLGA AYAV
DR. ÖĞR. ÜYESİ FATİH SOYGAZİ