Geri Dön

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

  1. Tez No: 827870
  2. Yazar: ALTUĞ YİĞİT
  3. Danışmanlar: DOÇ. DR. ZERRİN IŞIK, DOÇ. DR. YALIN BAŞTANLAR
  4. Tez Türü: Doktora
  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: Dokuz Eylül Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. 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

  1. 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

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. NİHAT ADAR

  2. Deep learning methods for classification Alzheimer's disease

    Alzheimer hastalığının sınıflandırılmasına yönelik derin öğrenme yöntemleri

    HUSAM MOHAMMED ABDULFATTAH SAIF AL-HAMMADI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilim ve TeknolojiFatih Sultan Mehmet Vakıf Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ EBUBEKİR KOÇ

  3. 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

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHasan Kalyoncu Üniversitesi

    Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BÜLENT HAZNEDAR

  4. Derin öğrenme ile alzheimer hastalığının teşhisi

    Diagnosis of alzheimer's disease with deep learning

    YAĞIZ NALÇAKAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-Cerrahpaşa

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. TOLGA ENSARİ

  5. Belirli nöropsikolojik rahatsızlıkların yapay zeka temelli sınıflandırılması

    Artificial intelligence based classification of specific neuropsychological disorders

    FİRUZE DAMLA ERYILMAZ BARAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolPamukkale Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MERİÇ ÇETİN