Derin sinir ağı yöntemleri kullanılarak alzheimer hastalığının mr görüntüleri üzerinde sınıflandırılması
Classification of alzheimer's disease on mr using deep neural network methods
- Tez No: 821360
- Danışmanlar: DOÇ. DR. MUHAMMED TALO
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yazılım Mühendisliği Bilim Dalı
- Sayfa Sayısı: 65
Özet
Alzheimer hastalığı dejeneratif yani zamanla ilerleyen ve zihinsel işlev kaybına yol açan bir hastalık türüdür. Alzheimer hastalığı teşhis edilmesinin çok öncesinde oluşur ve ilerleme kaydeder. Hastalığın erken teşhis durumu oldukça zordur. Erken teşhis edilemediği için yıllarca ilerlemeyi sürdürür ve beyinde gerçekleşen temel hayati işlevlerin gerçekleştirilmesine engel olacak kadar ilerlemeye devam eder. Alzheimer hastalığının dört ana aşamadan oluştuğu bilinmektedir. Bu aşamalar; ÇHBB, HBB, OSBB ve İSBB aşaması olarak tanımlanır. Erken aşamada ortaya çıkan belirtiler genellikle klinik olarak fark edilemeyecek kadar hafif belirtilerdir. Alzheimer hastalığı klinik olarak hasta ve hasta yakınlarından, hastanın tıbbi ve travma geçmişi dinlenerek teşhis edilmeye çalışır. Bunun yanında hastanın beyin görüntüsü MR ve Bilgisayarlı Tomografi (BT) gibi bilgisayar destekli cihazlar aracılığı ile alınır. Alınan bu görüntüler üzerinden beyindeki değişiklikler gözlenerek hastalık teşhisine destek olması beklenir. Bu çalışmada Alzheimer hastalığının erken aşamaları; üç ana çalışma grubu olarak ayrılmış ve bu çalışma grupları üzerinde ResNet-18, ResNet-50, ResNet101, DenseNet161, EfficientNet-B7, ConvNext mimarileri ile model eğitimleri gerçekleştirilmiştir. Normal- HBB aşamaları ele alınan çalışma grubunda en başarılı model olan ResNet-50 mimarisi; %95.40 doğruluk oranına ulaşmıştır. Normal-ÇHBB aşamalarından oluşan çalışma grubuna ait en başarılı model ise ConvNext mimarisi ile eğitilmiştir. Bu çalışma grubunda ConvNext modeli %97.53 başarı oranına ulaşmıştır. HBB-ÇHBB olmak üzere iki ana aşamadan oluşan üçüncü çalışma grubunda da en başarılı model ConvNext mimarisi ile eğitilerek %92.17 başarı oranına ulaşmıştır. Çalışma gruplarından elde edilen en başarılı modeller web ara yüzü ile entegre olarak test ortamına alınmıştır. Gerçekleştirilen çalışmanın Alzheimer hastalığının erken teşhisinde klinik testlere ve gerçek zamanlı olarak uygulanabilirliğe ışık tutacağı düşünülmektedir.
Özet (Çeviri)
Alzheimer's disease is a degenerative disease that progresses over time and leads to loss of mental function. Alzheimer's disease develops and progresses long before it is diagnosed. Early diagnosis of the disease is very difficult. Since it cannot be diagnosed early, it continues to progress for years and continues to progress to the point that it prevents the basic vital functions of the brain from being performed. Alzheimer's disease is known to consist of four main stages. These stages are defined as the ADHD, ADHD, OSHD and ISHD stages. Symptoms that occur in the early stages are usually too mild to be recognized clinically. Alzheimer's disease is clinically diagnosed by listening to the patient's medical and trauma history from the patient and the patient's relatives. In addition, the patient's brain image is taken through computer-aided devices such as MRI and Computed Tomography (CT). Changes in the brain are observed through these images and are expected to support the diagnosis of the disease. In this study, the early stages of Alzheimer's disease were divided into three main workgroups and model training was performed on these workgroups with ResNet-18, ResNet-50, ResNet101, DenseNet161, EfficientNet-B7, ConvNext architectures. The ResNet-50 architecture, which is the most successful model in the study group dealing with Normal-Mild Cognitive Impairment stages; reached an accuracy rate of 95.40%. The most successful model for the study group consisting of Normal-Mild Cognitive Impairment stages was trained with ConvNext architecture. In this study group, the ConvNext model achieved a success rate of 97.53%. In the third study group, which consists of two main stages, Mild Cognitive Impairment and Very Mild Cognitive Impairment, the most successful model was trained with ConvNext architecture and achieved a success rate of 92.17%. The most successful models obtained from the study groups were integrated with the web interface and put into the test environment. It is thought that the study will shed light on clinical tests and real-time applicability in the early diagnosis of Alzheimer's disease.
Benzer Tezler
- Beynin beyaz cevher bölgesindeki yüksek yoğunluklu alanların oluşum ve yayılımına yönelik uzman sistem tasarımı ve gerçeklenmesi
Expert system design and implementation for the occurrence and spread of hyperintense areas in the white matter region of the brain
İZZET ÖZEN
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Okan ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BEKİR TEVFİK AKGÜN
- Derin öğrenme yöntemleriyle medikal görüntü sınıflandırma
Medical image classification with deep learning methods
ZEYNEP CANTEMİR
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HACER KARACAN
- 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
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKırıkkale ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. BÜLENT GÜRSEL EMİROĞLU
- Alzheimer tanısı için derin öğrenme tabanlı analiz
Deep learning based analysis for Alzheimer's diagnosis
RAVZA BEGÜM ATAK
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-CerrahpaşaBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMED ALİ AYDIN
DR. ÖĞR. ÜYESİ MUHAMMED ERDEM İSENKUL
- Parkinson hastalığının teşhisinde derin öğrenme yöntemi ile spect görüntü analizi
Spect image analysis with deep learning method for diagnosis of parkinson's disease
OKAN ALKAN
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAğrı İbrahim Çeçen ÜniversitesiMatematik Ana Bilim Dalı
DOÇ. DR. AYTÜRK KELEŞ