Parkinson's disease diagnosis by using autoencoder based on deep neural network (DNN) and metaheuristic method
Derin sinir ağına dayalı otokodlayıcı ve metasezgisel yöntem ile parkinson hastalığının teşhisi
- Tez No: 850977
- Danışmanlar: PROF. DR. FATİH VEHBİ ÇELEBİ
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Gelişmiş karınca kolonisi optimizasyonu, otokodlayıcı, derin öğrenme, öznitelik seçimi, parkinson hastalığı, Improved ant colony optimization, autoencoder, deep learning, feature selection, parkinson's disease
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Ankara Yıldırım Beyazıt Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Parkinson hastalığı nörodejeneratif bir hastalık olup beyinde dopamin üreten sinir hücrelerini etkilemektedir. Bu tezimizde Parkinson hastalığının teşhisinde etkili öznitelikleri belirlemek için öznitelik seçimi algoritmalarından Otokodlayıcı ve Karınca Kolonisi Optimizasyonu algoritmaları gibi farklı senaryolar üzerinde karşılaştırmalı çalışmaları araştırdık. Bu algoritmalar çevrimiçi bir depodan elde edilen sese uygulandı. Daha sonra seçilen öznitellikler, ikili sınıflandırma problemlerinden Karar ağacı, SVM, K-NN, Ensemble, Naive Bayes ve Discriminant sınıflandırıcılarının her biri için kullanıldı. Önerilen yöntemler duyarlılık, özgüllük, kesinlik, hatırlama ve doğruluk kriterleri ile değerlendirildi. Karşılaştırmalı bir çalışma yürütmek ve öznitelik seçme yöntemlerinin sağlıklı kişilerle Parkinson hastalarını ayırt etmedeki başarısını analiz etmek için önerilen sistemler bu sınıflandırıcılarla ayrı ayrı eğitilmiş ve test edilmiştir. Parkinson Hastalığı Veri Setinde sinyal seslerinden elde edilen 24 öznitelik bulunmaktadır. Sınıflandırıcının eğitimindeki bazı özniteliklerde problemler bulunmakta olup bu problemler sistemin doğruluğunu azaltmaktadır. K-NN ve Ensemble sınıflandırma yöntemleri için hem Karınca Kolonisi Optimizasyonu (ACO) hem de Otokodlayıcının aynı ve en iyi eğitim performansına sahip olduğu bulunmuştur. Test sonuçları, geliştirilmiş ACO'nun doğruluk oranının Autoencoder yöntemine göre daha yüksek olduğunu göstermektedir.
Özet (Çeviri)
Parkinson's disease (PD) is a neurodegenerative disorder and affects the nerve cells that produce dopamine in the brain. In this thesis, we investigated comparative studies on the different scenarios such as AutoEncoder and Ant Colony Optimization feature selection algorithms to determine the effective features in the diagnosis of Parkinson's disease. These algorithms are implemented to the voice obtained from an online repository. Then selected features are used with the Decision tree, SVM, K-NN, Ensemble, Naive Bayes and Discriminant classifiers for each of the binary classification problems. The proposed methods are evaluated with the sensitivity, specificity, precision, recall and accuracy criteria. The suggested systems are trained and tested with these classifiers separately to carry out a comparative study and to analyze the success of feature selection methods in discriminating healthy people and PD patients. In Parkinson's Disease Dataset 24 features were obtained from the signal voices. Some of the features in the training of the classifier have problems and these problems reduce the accuracy of the system. It is found that for K-NN and Ensemble classification methods both Ant Colony Optimization (ACO) and Autoencoder have the same and the best training performance. Testing results show that the accuracy rate of the improved ACO is higher than the Autoencoder method.
Benzer Tezler
- Machine-learning approaches for neurological disorder diagnosis from genomic and neuroimaging data
Genomik ve nörogörüntüleme verilerinden nörolojik bozukluk teşhisi için makine öğrenmesi yaklaşımları
İSMAİL BİLGEN
- Derin öğrenme teknikleri kullanılarak Parkinson hastalığının konuşma sinyallerinden tespiti
Detection of Parkinson's disease from speech signals using deep learning techniques
AYŞE NUR TEKİNDOR
Yüksek Lisans
Türkçe
2024
Gazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
Yükleniyor...
- Telemonitoring of Parkinson's disease by using pattern recognition methods
Parkinson hastalığının örüntü tanıma metotları kullanılarak uzaktan izlenmesi
YASEMİN ŞAHİN
- Magnetic resonance imaging based differential diagnosis and prognosis of mild cognitive impairment in parkinson's disease using machine learning
Parkinson hastalığı hafif kognitif bozukluğunun manyetik rezonans görüntüleme temelli makine öğrenme yöntemleriyle tanısı ve prognozu
OZAN GENÇ
- 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
ALAA I.M ABUKARESH
Yüksek Lisans
İngilizce
2023
İstanbul Aydın ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
Yükleniyor...