Kognitif bozukluğu olmayan parkinson hastalarında erken tanı amaçlı klinik karar destek sistemi geliştirilmesi
Development of a clinical decision support system for early diagnosis in Parkinson's patients without cognitive impairment
- Tez No: 872508
- Danışmanlar: DOÇ. DR. NURHAN GÜRSEL ÖZMEN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyoistatistik ve Tıp Bilişimi Ana Bilim Dalı
- Bilim Dalı: Biyoistatistik ve Tıp Bilişimi Bilim Dalı
- Sayfa Sayısı: 179
Özet
Günümüzde parkinson hastalığı (PH), sıklığı ve yarattığı sorunlar nedeniyle tüm dünyada önemi gittikçe artan bir sağlık sorunu haline gelmiştir. Hastalığın teşhis edilmesi zordur ve etkili tedavi ve ilaç kullanımı bugüne kadar tam olarak sağlanamamıştır. Bu tez çalışmasında yapay zeka yaklaşımı aracılığıyla dinlenme durumu elektroensefalografi (EEG) verisinden, kognitif bozukluğu olmayan hastalarda PH'yi erken dönemde tespit edebilecek, ucuz, etkili bir tahmin modeli geliştirilmesi amaçlanmıştır. Bu amaçla bu tez çalışmasında, üç farklı üniversiteye ait hazır EEG veri setleri yeni öznitelik yaklaşımları kullanılarak ve ilk kez kullanılan öznitelikler önerilerek, farklı makine öğrenmesi yöntemleri ile sınıflandırılmış ve sonuçlar literatürdeki yöntemlerle karşılaştırmalı olarak sunulmuştur. Öncelikle verilerin frekans domeni güç spektral yoğunluğu üzerinden çıkarılan öznitelikleri kullanılarak, PH ve kontrol grubu verileri başarılı şekilde sınıflandırılmıştır. Bu süreçte ayrıca başarılı sonuç veren yeni spektral öznitelikler önerilmiştir. İkinci olarak PH'de yine ilk kez denenen bir yöntem olan EEG verisinin ses verisine dönüştürülmesi ve onun üzerinden müzik öznitelikleri çıkarılması yoluyla sınıflandırma yapılmıştır. Çalışma sonuçları kullanılan kanal sayısı, öznitelik türü ve kullanılan makine öğrenmesi yöntemleri açılarından ayrı ayrı değerlendirilmiş ve literatürle karşılaştırmalı olarak sunulmuştur. Elde edilen en başarılı sonuçlara göre Iova veri setinde tek kanal ve yedi spektral öznitelik ile yapılan sınıflandırmada CatBoost algoritması kullanılarak 10 katlı çapraz doğrulama ile %96.67 sonucuna ulaşılmıştır. EEG altbantları ile yapılan sınıflandırmada ise, 18 merkezi kanal, dört spektral öznitelik ile 4-8 Hz ve 10 merkezi kanal 11 spektral öznitelik ile 8-12 Hz'de ayrı ayrı olarak yine CatBoost algoritması ile tüm metriklerde %100'lük sonuca ulaşılmıştır. Ses verisinden elde edilen kroma tabanlı müzik özniteliklerine göre yine 31 kanalda CatBoost algoritması ile %96.67 doğruluk elde edilmiştir. Bu çalışmadan elde edilen sonuçların, literatürde aynı veri setleri ile şimdiye kadar elde edilen sonuçlardan daha iyi olduğu görülmektedir. Dolayısıyla, tez çalışmasının sonuçlarının, PH analizi ve klinik olarak erken teşhisi için umut vadedici ve tercih edilebilir bir seçenek olduğu düşünülmektedir.
Özet (Çeviri)
Today, Parkinson's disease (PD) has become an increasingly important health problem all over the world due to its frequency and the problems it creates. The disease is difficult to diagnose, and effective treatment and medication for PD have not been fully achieved to date. In this thesis study, it is aimed to develop an inexpensive, effective prediction model that can detect PD at an early stage in patients without cognitive impairment, using resting-state electroencephalography (EEG) data through an artificial intelligence approach. For this purpose, in this thesis study, ready-made EEG data sets belonging to three different universities were classified with different machine learning methods by using new feature approaches and features used for the first time were proposed, and the results were presented comparatively with the methods in the literature. First of all, using the features extracted from the frequency domain power spectral density of the data, the PH and control group data were successfully classified. In this process, new spectral features have also been proposed with successful results. Secondly, classification was made by converting EEG data into audio data and extracting musical features from it, a method that was tried for the first time in PD. The study results were evaluated separately in terms of the number of channels used, feature type and machine learning methods used and presented in comparison with the literature. According to the most successful results obtained, 96.67% was achieved with 10-fold cross-validation using the CatBoost algorithm in the classification made with a single channel and seven spectral features in the Iova data set. However, in the classification made with EEG subbands, 18 central channels and four spectral features at 4-8 Hz, and 10 central channels and 11 spectral features at 8-12 Hz separately, again with the CatBoost algorithm, a 100% result was achieved in all metrics. According to the chroma based musical features obtained from the audio data, 96.67% accuracy was again achieved with the CatBoost algorithm in 31 channels. It appears that the results obtained from this study are better than the results obtained so far with the same data sets in the literature. Therefore, the results of the this thesis are thought to be a promising and preferable option for PD analysis and early clinical diagnosis.
Benzer Tezler
- Parkinson hastalığında hafif kognitif bozukluk tanısına serum biyobelirteçlerinin katkısının değerlendirilmesi
Evaluation of the contribution of serum biomarkers to the diagnosis of mild cognitive disorder in parkinson's disease
ESRA CİLLİ
Tıpta Uzmanlık
Türkçe
2023
NörolojiSağlık Bilimleri ÜniversitesiNöroloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FİKRİYE TÜTER YILMAZ
- Parkinson hastalarında ağrı ve ilişkili faktörlerin değerlendirilmesi
Evaluation of pain and relative factors in parkinson's patients
BURÇİN DURMUŞ
Tıpta Uzmanlık
Türkçe
2018
NörolojiSağlık Bilimleri ÜniversitesiNöroloji Ana Bilim Dalı
DOÇ. DR. ÖZGE YILMAZ KÜSBECİ
- Parkinson hastalığında yürüme bozukluğu ve donmanın bilişsel fonksiyon ile ilişkisi
Correlation of walking disorder and freezing with cognitive function in parkinson's disease
DİDEM YÜKSEL
Tıpta Uzmanlık
Türkçe
2016
NörolojiAkdeniz ÜniversitesiNöroloji Ana Bilim Dalı
PROF. DR. SEHUR SİBEL ÖZKAYNAK
- İdiyopatik parkinson hastalarında kognitif bozulmanın erken tanısına kantitatif eeg'nin katkısı
Contribution of quantitative eeg (qEEG) to early diagnosis of cognitive deficits in idiopathic parkinson's disease.
DERYA GÜNER
Tıpta Uzmanlık
Türkçe
2014
NörolojiSağlık Bilimleri ÜniversitesiNöroloji Ana Bilim Dalı
UZMAN YAŞAR ZORLU
- Kognitif bozukluğu olan ve olmayan parkinson hastalarında alfa ve beta EEG osilasyonlarının incelenmesi
Examination of alpha and beta oscillations in parkinson's disease with and without cognitive impairment
NAGİHAN MANTAR
Yüksek Lisans
Türkçe
2016
Nörolojiİstanbul Medipol ÜniversitesiSinir Bilimi Ana Bilim Dalı
PROF. DR. LÜTFÜ HANOĞLU
PROF. DR. BAHAR GÜNTEKİN