Geri Dön

Examining the potential of deep learning in the early diagnosis of Alzheimer's disease using brain MRI images

Başlık çevirisi mevcut değil.

  1. Tez No: 826407
  2. Yazar: ANMAR SHUKUR MAHMOOD MAHMOOD
  3. Danışmanlar: DR. ÖĞR. ÜYESİ MESUT ÇEVİK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Altınbaş Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 74

Özet

Dünya çapında önemli bir halk sağlığı sorunu olan Alzheimer Hastalıkları, dünya genelinde milyonlarca insanı etkilemektedir. Etkili tedavi ve yönetim tekniklerinin anahtarı, hastalığın erken teşhisidir. MRI verilerini kullanarak Alzheimer Hastalıklarını saptamak amacıyla, bu çalışmada üç farklı DL modelini inceledik ve değerlendirdik. Kullanılan ilk model, ilk model olarak hizmet veren iki evrişimli ve iki tamamen bağlı katmanı olan CNN'dir. İkinci model, sızdıran bir ReLU aktivasyon işlevi, daha tam bağlı katmanlar ve daha büyük bir çekirdek boyutu ile birincisinin geliştirilmiş bir versiyonuydu. Üçüncü model, VGG16 mimarisi üzerine inşa edilmiş iki yoğun katmana sahip bir transfer öğrenme modeliydi. Modelleri eğitmek için Alzheimer hastalarından ve sağlıklı kontrollerden alınan kapsamlı bir MRI taraması seti kullanıldı. Doğruluk, kesinlik, geri çağırma ve F1 skoru ölçümlerine göre birinci ve ikinci CNN modelleri %96, transfer öğrenme modeli ise %81 doğruluk elde etti. Sonuç olarak, MRG verisine dayalı Alzheimer tanısı DL modellerinden yararlanabilir. Bununla birlikte, bu modellerin performansını ve klinik kullanım için erişilebilirliğini geliştirmek için daha fazla ilerleme gerekmektedir.

Özet (Çeviri)

Millions of people around the world are affected by Alzheimer Diseases, which is a major public health issue worldwide. The key to effective treatment and management techniques is early diagnosis of the illness. For the purpose of detecting Alzheimer Diseases using MRI data, we looked into and evaluated three distinct DL models in this study. The first model used is CNN with two convolutional and two fully connected layers served as the initial model. The second model was an improved version of the first, with a leaky ReLU activation function, more fully connected layers, and a larger kernel size. The third model was a transfer learning model with two dense layers that was built on top of the VGG16 architecture. An extensive set of MRI scans from Alzheimer's patients and healthy controls was used to train the models. The first and second CNN models achieved an accuracy of 96%, while the transfer learning model achieved an accuracy of 81%, according to the accuracy, precision, recall, and F1-score measurements. In conclusion, MRI data-based Alzheimer's diagnosis may benefit from DL models. However, further progress is required to improve these models' performance and accessibility for clinical use.

Benzer Tezler

  1. Detection of cancerous brain cells with machine learning

    Makine öğrenimi ile kanserli beyin hücrelerinin tespiti

    UYGAR CANKAT

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAkdeniz Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TANER DANIŞMAN

  2. Derin öğrenme ile diyabet hastalığı riskinin tahmin edilmesi üzerine yapılmış çalışmalar

    Predicting the risk of diabetes with deep learning studies conducted on networks

    BESTE ÇİFÇİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Mühendislik BilimleriİSTANBUL NİŞANTAŞI ÜNİVERSİTESİ

    Yazılım Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ NESİBE MANAV MUTLU

  3. Beyin sinyalleri kullanılarak psikiyatrik hastalıkların derin öğrenme ve makine öğrenme yöntemleriyle incelenmesi

    Examining psychiatric diseases with deep learning and machine learning methods using brain signals

    YAMAN RAMADAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilim ve TeknolojiKütahya Dumlupınar Üniversitesi

    İleri Teknolojiler Ana Bilim Dalı

    DOÇ. DR. MUSTAFA TOSUN

  4. Development of a non-invasive evaluation methodology using a smartphone attachment on the diagnosis and follow-up of anemia

    Anemi teşhisi ve takibinde akıllı telefon eklentisi kullanılarak invaziv olmayan bir değerlendirme metodolojisinin geliştirilmesi

    BERFİN IRMAK TORUN

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    BiyomühendislikKoç Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    PROF. DR. ÖZLEM YALÇIN

  5. 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

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. BEHÇET UĞUR TÖREYİN