Convolutional neural networks for classification of Alzheimer's disease and mild cognitive impairment from 3D brain MRI images
Başlık çevirisi mevcut değil.
- Tez No: 840471
- Danışmanlar: DR. ÖĞR. ÜYESİ ROWANDA D A AHMED
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Derin öğrenme, Yapay zeka, Deep learning, Artificial intelligence
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Üsküdar Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez, Alzheimer Hastalığı Beyin Görüntüleme İnisiyatifi'nden (ADNI) elde edilen 3D beyin görüntülerine yönelik optimize edilmiş bir evrişimli sinir ağı geliştirmeyi amaçlamaktadır. Seçilen veriler, Alzheimer hastalığı ve Hafif bilişsel bozukluk özne görüntülerini içermektedir. Geliştirilen modeller, güncel ağ mimarisi ile yüksek bir doğruluk oranına ulaşmıştır. Veriler, en iyi görüntü işleme teknikleri ve şekil çıkarma yöntemleri ile işlenmiştir. Takip ettiğimiz yöntem tamamen otomatiktir, yani yürütmeden önce sağlanacak ekstra girdiye gerek yoktur. Önerilen yöntemin üç sınıfı vardır. Model, bir kontrol denekleri sınıfına karşı kontrol ederken, girdi görüntüsünü Alzheimer hastalığı veya Hafif bilişsel bozukluk olmak üzere iki sınıfa ayıracaktır. Modeller, girdiyi %90'a varan yüksek güvenirlikle tahminler yapmaktadır. Ayrıca, modellerin eğitim ve tahmin yeteneklerini değerlendirmek için performans değerlendirme yöntemleri uygulanmıştır. Sonuçlar, en iyi modelin %92'lik en yüksek test doğruluğunu elde ettiğini göstermiştir. Bu çalışmada, mimariyi oluşturmak ve görüntüleri ön işlemek için kullanılan kodları ve kütüphaneleri, istikrarlı ve etkili bir sonuca ulaşmak amacıyla en iyi metodoloji üzerine yapılan kapsamlı bir araştırmanın ardından seçildi. Önerilen tezin bulguları, nörologlara ve ilgili tıbbi uygulayıcılara Alzheimer hastalığı ve Hafif bilişsel bozukluk teşhisine ikinci bir katman eklemelerinde yardımcı olabilir. Uygulayıcılar, hastayı MRI'ı güvenli bir şekilde elde etmek üzere hazırlayabilir ve ardından önerilen ön işleme adımlarından geçirerek görüntüyü modele iletebilirler. Modelden elde edilen tahmin sonucunu analiz ederek, nörolog, bir hastanın Alzheimer hastalığı ile ilgili nörolojik bir sorunu olup olmadığına karar verirken güven seviyesini artırabilir.
Özet (Çeviri)
This thesis aimed to develop an optimized convolutional neural network for 3D brain images acquired from Alzheimer's Disease Neuroimaging Initiative: ADNI, the data selected has images of Alzheimer's disease and Mild cognitive impairment subjects. The developed models achieved a high accuracy with state-of-the-art network architecture, the data were processed with the best techniques of image processing and sculp extracting methods. The approach that we followed is fully automated, meaning that no need of extra input to be provided before execution. The proposed method has three classes; while controlling against a class of control subjects, the model will classify the input image into either one of the two classes: Alzheimer's disease or Mild cognitive impairment. The models predict the input with high confidence of up to 90%. Additionally, performance evaluation methods were applied to evaluate the models' training and prediction capabilities. The results demonstrated that the best model achieved a highest testing accuracy of 92%. In this study, the codes and libraries used to build up the architecture and pre-process the images were selected by extensive research on best methodology that leads to stable and efficient output. The findings of the proposed thesis can assist neurologists and field-related medical practitioners in adding a second layer of diagnosing Alzheimer's disease and Mild cognitive impairment. The practitioners can prepare the patient to acquire the MRI safely and then pass it to the proposed pre-processing steps, finally image will be passed to the model to obtain the prediction. By analyzing the predicted diagnosis provided by the models, the neurologist can increase their confidence level in deciding whether a patient is having a neurological issue related to Alzheimer's disease or not.
Benzer Tezler
- 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
- 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
Bilim ve TeknolojiEskişehir 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
- Alzheimer modelinde: ilaç-hedef etkileşim tahmini
Drug-target interaction prediction in the alzheimer model
MÜNEVVER DEMİR
Yüksek Lisans
Türkçe
2023
BiyomühendislikSüleyman Demirel ÜniversitesiBiyomühendislik Ana Bilim Dalı
PROF. DR. SELÇUK ÇÖMLEKÇİ
PROF. DR. ECİR UĞUR KÜÇÜKSİLLE
- Using 3d-capsnet and rnn for alzheimer's disease detection based on 4d fmri
4d fmri'ye dayalı alzheimer hastalığı tespiti içın 3d-capsnet ve rnn kullanımı
ALI MOHAMED KOTB MOHAMED ISMAIL ALI MOHAMED KOTB MOHAMED ISMAIL
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtılım ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
Assist. Prof. Dr. GONCA GÖKÇE MENEKŞE DALVEREN