Developing ai models to diagnosis Parkinson's disease (PD) using multinational MRI
Çok uluslu MRI kullanarak Parkinson hastalığını (PD) teşhis etmek için yapay zeka modelleri geliştirme
- Tez No: 835379
- Danışmanlar: PROF. DR. ALİ OKATAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: İstanbul Aydın Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yapay Zeka ve Veri Bilimi Bilim Dalı
- Sayfa Sayısı: 99
Özet
Parkinson Hastalığı (PH), dünya genelinde nüfusun önemli bir bölümünü etkileyen bir nörodejeneratif bozukluktur. PH'nin erken ve doğru teşhisi, etkili tedavi ve hastalık yönetimi için hayati öneme sahiptir. Bu çalışmada, Manyetik Rezonans Görüntüleme (MRI) verilerini kullanarak PH'nin erken aşamada tespit edilmesini amaçlayan bir yapay zeka (YZ) modeli öneriyoruz ve derin öğrenme tekniklerini kullanıyoruz. Bu araştırmada kullanılan veri Parkinson Hastalığının İlerleme İzleme Girişimi'nden (PPMI) elde edilmiştir ve 1.207 görüntüyü içerir; bunların içinde 919 MRG taraması PH tanısı konmuş bireylerden ve 288 MRG taraması sağlıklı bireylerden elde edilmiştir. Veri önceden işlenir ve modellerin sağlamlığını ve genelleme yeteneklerini artırmak için artırılır. İki önde gelen aktarım öğrenme modeli olan DenseNet121 ve ResNet, önceden işlenmiş veri üzerinde uygulanır ve eğitilir. Bu modeller, tıbbi görüntülerden yüksek seviye özellikler çıkarma yetenekleri ile bilinir ve çeşitli görüntü sınıflandırma görevlerinde umut vadeden sonuçlar göstermiştir. Bu modellerin önceden eğitilmiş ağırlıklarını kullanarak, belirli PH veri kümemiz üzerinde ince ayar yaparız. Modellerin performans değerlendirmesi, doğruluk ve F1 skoru gibi standart metrikler kullanılarak yapılır. Sonuçlarımız, hem DenseNet121 hem de ResNet'in PH- etkilenen bireyler ile sağlıklı bireyler arasındaki farkı ayırt etme konusundaki etkililiğini gösteren yüksek doğruluklar elde ettiğini göstermektedir. DenseNet121 %88,50 doğruluk ve 0,8847 F1 skoru elde ederken, ResNet %92,50 doğruluk ve 0,9247 F1 skoru elde eder. Bu çalışmanın bulguları, özellikle DenseNet121 ve ResNet gibi YZ modellerinin MRI taramalarını kullanarak PH'nin erken teşhisinde klinisyenlere yardımcı olma potansiyeline sahip olduğunu göstermektedir. Bu modellerin elde ettiği yüksek doğruluklar, görüntüleme özelliklerine dayanarak PH- etkilenen ve sağlıklı bireyler arasındaki farklılığı ayırt etme yeteneklerini göstermektedir. Aktarım öğrenme ve önceden eğitilmiş modellerin kullanılması, büyük miktarlarda etiketli veriye olan ihtiyacı azaltır ve modellerin genelleme yeteneklerini artırır. Sonuç olarak, bu araştırma MRG verilerini kullanarak PH'nin erken teşhisi için etkili bir yaklaşım sunarak tıbbi görüntüleme ve YZ alanına katkıda bulunur. Önerilen DenseNet121 ve ResNet modelleri umut vadeden sonuçlar sunmakta ve sağlık profesyonellerine doğru PH teşhisinde YZ'nin potansiyelini göstermektedir. Daha büyük ve çeşitli veri kümeleri üzerinde yapılan daha fazla araştırma ve doğrulama, önerilen modellerin gerçek dünya klinik uygulamaları için güvenilirlik ve genelleme yeteneklerini artırabilir.
Özet (Çeviri)
Parkinson's Disease (PD) is a neurodegenerative disorder that affects a significant portion of the population worldwide. Early and accurate diagnosis of PD is crucial for effective treatment and disease management. In this study, we propose an artificial intelligence (AI) model using deep learning techniques to detect PD at an early stage using Magnetic Resonance Imaging (MRI) data. The dataset used in this research is obtained from the Parkinson's Progression Markers Initiative (PPMI) and consists of 1,207 images, including 919 MRI scans from individuals diagnosed with PD and 288 MRI scans from healthy individuals. The dataset is pre-processed and augmented to enhance the robustness and generalization of the models. Two state-of-the-art transfer learning models, DenseNet121 and ResNet, are implemented and trained on the pre-processed dataset. These models are known for their ability to extract high-level features from medical images and have shown promising results in various image classification tasks. We leverage the pre-trained weights of these models, fine-tuning them on our specific PD dataset. Performance evaluation of the models is conducted using standard metrics such as accuracy and F1 score. Our results demonstrate that both DenseNet121 and ResNet achieve high accuracies, indicating their effectiveness in distinguishing between PD-affected and healthy individuals. DenseNet121 achieves an accuracy of 88.50% and an F1 score of 0.8847, while ResNet achieves an accuracy of 92.50% and an F1 score of 0.9247. The findings of this study indicate that AI models, particularly DenseNet121 and ResNet, have the potential to assist clinicians in the early detection of PD using MRI scans. The high accuracies achieved by these models demonstrate their ability to differentiate between PD-affected and healthy individuals based on imaging features. The utilization of transfer learning and pre-trained models reduces the need for large amounts of labeled data and enhances the generalization capabilities of the models. In conclusion, this research contributes to the field of medical imaging and AI by presenting an effective approach for the early detection of PD using MRI data. The proposed DenseNet121 and ResNet models offer promising results and demonstrate the potential of AI in assisting healthcare professionals in accurate PD diagnosis. Further research and validation on larger and diverse datasets can help enhance the reliability and generalization of the proposed models for real-world clinical applications.
Benzer Tezler
- Açıklanabilir yapay zekâ teknikleri ile parkinson hastalık teşhisi
Diagnosis of parkinson's disease with explainable artificial intelligence techniques
TUĞÇE KAÇAR
Yüksek Lisans
Türkçe
2023
Endüstri ve Endüstri MühendisliğiSüleyman Demirel ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET ONUR OLGUN
- Bitewing radyografilerde dental çürük türlerinin yapay zeka modelleriyle tespiti
Detection of dental caries types in bitewing radiographs with artificial intelligence models
SERKAN BAHRİLLİ
Diş Hekimliği Uzmanlık
Türkçe
2024
Diş HekimliğiNecmettin Erbakan ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ALİ ALTINDAĞ
- Car damage analysis for insurance market using convolutional neural networks
Sigorta sektörü için evrişimsel sinir ağları kullanarak araç hasarı analizi
CİHAT TOLGA ARTAN
Yüksek Lisans
İngilizce
2019
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
DOÇ. DR. TOLGA KAYA
- Kronik inflamatuvar demiyelinizan polinöropati (CIDP) hastalığının teşhisinde makine öğrenme algoritmaları kullanılarak karar destek sistemi oluşturma
Developing a decision support system for the diagnosis of chronic inflammatory demyelinating polyneuropathy (CIDP) using machine learning algorithms
HÜSEYİN AKBUDAK
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBiyomedikal Ana Bilim Dalı
DOÇ. DR. MUHAMMET SERDAR BAŞÇIL
- Comparative analysis of transfer learning models for skin cancer detection and prediction of potential skin diseases
Cilt kanseri tespiti ve potansiyel cilt hastalıklarının tahminine yönelik transfer öğrenme modellerinin karşılaştırmalı analizi
HASAN AL SHATER
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiYapay Zeka ve Veri Bilimi Ana Bilim Dalı
Prof. Dr. ALİ OKATAN