Makine öğrenmesi algoritmaları ile ses sinyallerinden parkinson hastalığının tespit edilmesi
Detecting parkinson's disease from audio signals with machine learning algorithms master's thesis
- Tez No: 837373
- Danışmanlar: DOÇ. DR. ALİ ÖZTÜRK
- 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: KTO Karatay Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 91
Özet
Parkinson hastalığı nörolojik bir rahatsızlıktır. Bireylerde hastalığın tanımlanması ilk dönemlerde oldukça zordur. Bundan dolaylı tıbbi yönden kararı etkilemek amacıyla son zamanlarda bilgisayar destekli çözüm arayışları içine girilmiştir. Bu konularda derin öğrenme, bulanık mantık, görüntü işleme, makine öğrenmesi, yapay sinir ağları vb. metotlar oldukça sık ve yaygın olarak kullanılmıştır. Yapılan çalışma neticesinde bu alanda emek veren uzmanların Parkinson hastalığı teşhisi sürecini kolaylaştırmak ve teşhis doğruluğunu artırmak amacıyla gerçekleştirilen bu tez, alanında uzman olarak çalışan kişilerin yönlendirilmesine katkıda bulunmayı hedeflemektedir. Bu çalışmada UCI'den (Machine Learning Repository) temin edilen veriler 6 farklı makine öğrenmesi tekniği (rastgele orman, lojistik regresyon, Gaussion Navie Bayes, karar ağacı, destek vetktör makinesi ve aşırı gradyan artırma) ve yapay sinir ağları kullanılarak parkinson hastalığı teşhisi tahmini yapılmıştır. Yapay sinir ağları uygulamalarında ise, en etkili sonuçları veren eğitim fonksiyonunun seçilmesi (trainoss) ile katman sayılarıyla her bir katmandaki nöron sayılarının belirlenmesidir. Bu sayede, farklı makine öğrenmesi teknikleri ile eğitim fonksiyonları ve parametrelerinin kullanıldığı sonuçların doğruluk oranlarının karşılaştırılmasıyla en iyi başarı elde edilmeyi amaçlamıştır. Tahminler için 22 tane giriş ve 1 tane çıkış parametresi (Parkinson teşhisi tahmini) kullanılmıştır. Elde edilen tahminler gözlem değerleriyle karşılaştırılmıştır. Karşılaştırmalarda doğruluk (Accuracy mean), kesinlik (Precision mean), hatırlama (Recall mean) ve F1_Skoru (F1 score mean) yöntemleri kullanılmıştır. Çalışma sonucunda yapay sinir ağlarında doğruluk, f1 skor, kesinlik ve hatırlama ölçütlerine göre sırasıyla 0.87, 0.91, 0.91, 0.91 olmak üzere en iyi sonucu vermiştir. Bu çalışma sonucunda Parkinson hastalığına sahip bireylerden alınan veriler ile bilgisayar ortamında geliştirilen sistem ile elde edilen veriler kıyaslanarak, Parkinson hastalığına tanı koyabilecek derecede iyi sonuçlar elde edilmiştir. Tedavisi bulunmayan Parkinson hastalığı için yapılan sistem ile bilgisayar tabanlı erken tanı konulması gerçekleştirilmiştir. Böylece, makine öğrenme algoritmalarının ve yapay sinir ağı yöntemlerinin literatürde yer alan kabul görmüş geleneksel yöntemlere göre daha kolay ve alternatif bir yöntem olabileceği gösterilmiştir.
Özet (Çeviri)
Parkinson's disease is a neurological disorder. It is very difficult to identify the disease in individuals in the early stages. In order to indirectly influence the medical decision, computer-aided solutions have recently been sought. These topics include deep learning, fuzzy logic, image processing, machine learning, artificial neural networks, etc. The methods have been used quite frequently and widely. As a result of the study carried out in order to facilitate the diagnosis of Parkinson's disease and increase the diagnostic accuracy of experts working in this field, this thesis aims to contribute to the guidance of experts in the field. In this study, the diagnosis of Parkinson's disease was predicted using data obtained from UCI (Machine Learning Repository) and 6 different machine learning techniques (random forest, logistic regression, Gaussion Navie Bayes, decision tree, support vector machine and extreme gradient boosting) and artificial neural networks. . In artificial neural networks applications, the training function that gives the most effective results is selected (trainoss) and the number of layers and the number of neurons in each layer are determined. In this way, it is aimed to achieve the best success by comparing the accuracy rates of the results using different machine learning techniques and training functions and parameters. 22 input and 1 output parameter (Parkinson diagnosis prediction) were used for predictions. The obtained predictions were compared with observation values. Accuracy mean, precision mean, recall mean and F1 score mean methods were used in comparisons. As a result of the study, artificial neural networks gave the best results according to accuracy, f1 score, precision and recall criteria, as 0.87, 0.91, 0.91, 0.91, respectively. As a result of this study, by comparing the data obtained from individuals with Parkinson's disease with the data obtained from the system developed in the computer environment, good results were obtained to diagnose Parkinson's disease. Computer-based early diagnosis was made with the system developed for Parkinson's disease, which has no cure. Thus, it has been shown that machine learning algorithms and artificial neural network methods can be an easier and alternative method compared to the accepted traditional methods in the literature.
Benzer Tezler
- Makine öğrenmesi algoritmaları kullanılarak disfonik seslerin incelenmesi
Investigation of dysphonic sounds using machine learning algorithms
PERVİN KILINÇ
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiErciyes ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. MUSTAFA ALÇI
- Covıd-19 servislerinde görev yapan sağlık çalışanlarının ses sinyallerinden olası anksiyetelerinin makine öğrenmesi yöntemi ile belirlenmesi
The determination of possible anxiety by machine learning method from sound signals healthcare staff members who work at covid-19 clinics
MEHMET YİĞİT
Yüksek Lisans
Türkçe
2023
BiyoistatistikKaradeniz Teknik ÜniversitesiBiyoistatistik ve Tıp Bilişimi Ana Bilim Dalı
PROF. DR. KEMAL TURHAN
- Emotion aware artificial intelligence for cognitive systems
Bilişsel sistemler için duygu farkındalıklı yapay zeka
DEĞER AYATA
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. YUSUF YASLAN
PROF. DR. MUSTAFA ERSEL KAMAŞAK
- Yeni Türkçe duygusal veri seti üzerinde konuşmadan duygu tanıma
Speech emotion recognition in a new Turkish emotional speech dataset
EMEL ÇOLAKOĞLU
Yüksek Lisans
Türkçe
2023
Mühendislik BilimleriKayseri ÜniversitesiHesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SERHAT HIZLISOY
- Lifelong learning for auditory scene analysis
İşitsel sahne analizi için hayat boyu öğrenme
BARIŞ BAYRAM
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKHAN İNCE