Diagnosis of dementia using deep neural networks with multimodal imaging and clinical data
Çok modlu görüntüleme ve klinik verilerle derin sinir ağları kullanarak demans tanısı
- Tez No: 827870
- Danışmanlar: DOÇ. DR. ZERRİN IŞIK, DOÇ. DR. YALIN BAŞTANLAR
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 166
Özet
Nörodejeneratif hastalıklar beyinde geri dönüşü olmayan sinirsel hasara yol açmaktadır. Teşhis konduğunda, hastalık ilerlemiş ve önemli beyin bölgelerini etkilemiş olabilir. Nörodejeneratif hastalıkların pek çok türü için kesin bir tedavi olmamakla birlikte, hastalığın erken evrelerinde tespit edilmesiyle bazı semptomların giderilmesi veya hastalığın ilerlemesini önlemeye yönelik tedaviler uygulanabilmektedir. Bu tez, demans hastalığının erken evrelerinde invaziv olmayan bir şekilde teşhis etmeyi ve bazı nörolojik testler ve nörogörüntüleme teknikleri de dahil olmak üzere heterojen verileri kullanarak evreleri doğru bir şekilde tespit etmeyi amaçlamaktadır. Bilgisayar destekli tanı uygulamaları genellikle hacimsel özellikleri (yapısal veya işlevsel) veya tek bir görüntü modalitesinden elde edilen bazı iki boyutlu beyin perspektiflerini analiz etmektedir. Bu tez, yalnızca çok modlu görüntüleme özelliklerini değil aynı zamanda nörolojik testleri de değerlendiren çok modlu bir uygulamayı sunmaktadır. MRI taramaları yapısal bilgi sağlarken, PET taramaları beyinde meydana gelen fonksiyonel aktiviteleri ortaya çıkarmaktadır. Ayrıca nörolojik testler, puan hesaplanmasıyla kısa sürede hastanın ruhsal durumu hakkında bilgi vermektedir. Böylece, MRI, FDG-PET taramaları, nörolojik testler ve yaş kullanılarak deneyler yapmak için bir tez çalışması tasarlanmıştır. Ayrıca, bu tez, hacimsel verileri ızgara tabanlı iki boyutlu beyin dilimleri olarak temsil eden yeni bir yöntem önermektedir. Deney sonuçlarına göre, çok modlu çözümler tek modlu çözümlere göre daha üstündür. Değerlendirmeler, hafif bilişsel bozulmayı tespit etmenin Alzheimer hastalığından çok daha karmaşık olduğunu bildirmektedir.
Özet (Çeviri)
Neurodegenerative diseases give rise to irreversible neural damage in the brain. By the time it is diagnosed, the condition may have progressed and affected crucial brain regions. Although there is no complete treatment for many types of neurodegenerative diseases, by detecting the disease in its early stages, treatments can be applied to relieve some symptoms or prevent disease progression. This thesis aims to diagnose dementia in its early phases non-invasively and detect stages accurately using heterogeneous data, including some neurological tests and neuroimaging techniques. Computer-assisted diagnostic applications commonly analyze volumetric features (structural or functional) or some two-dimensional brain perspectives obtained from a single image modality. This thesis introduces a multi-modal application that evaluates not only multi-modality imaging features but also neurological tests. While MRI scans provide structural information, PET scans reveal functional activities that occur in the brain. In addition, neurological tests yield information about the patient's mental state in a short time by calculating scores. Thus, the thesis setup was designed to conduct experiments using MRI, FDG-PET scans, neurological tests, and age. Furthermore, this thesis proposes a new method representing volumetric data as grid-based two-dimensional brain slices. According to experiment results, multi-modal solutions were superior to single-modal solutions. The evaluations reported that detecting mild cognitive impairment is much more complicated than Alzheimer's disease.
Benzer Tezler
- 3b MRI ve hasta bilgileri kullanarak derin öğrenme ile alzheimer hastalığının erken teşhisi
Early detection of alzheimer's disease with deep learning using 3d MRI and patient informations
ARMAN ATALAR
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. NİHAT ADAR
- Deep learning methods for classification Alzheimer's disease
Alzheimer hastalığının sınıflandırılmasına yönelik derin öğrenme yöntemleri
HUSAM MOHAMMED ABDULFATTAH SAIF AL-HAMMADI
Yüksek Lisans
İngilizce
2023
Bilim ve TeknolojiFatih Sultan Mehmet Vakıf ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EBUBEKİR KOÇ
- Integration of deep learning methods in the classification of rna-seq data
Rna-seq verilerinin sınıflandırılmasında derin öğrenme yöntemlerinin entegrasyonu
MELİH YAYLA
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHasan Kalyoncu ÜniversitesiElektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BÜLENT HAZNEDAR
- Derin öğrenme ile alzheimer hastalığının teşhisi
Diagnosis of alzheimer's disease with deep learning
YAĞIZ NALÇAKAN
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-CerrahpaşaBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. TOLGA ENSARİ
- Belirli nöropsikolojik rahatsızlıkların yapay zeka temelli sınıflandırılması
Artificial intelligence based classification of specific neuropsychological disorders
FİRUZE DAMLA ERYILMAZ BARAN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolPamukkale ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MERİÇ ÇETİN