Geri Dön

Belirli nöropsikolojik rahatsızlıkların yapay zeka temelli sınıflandırılması

Artificial intelligence based classification of specific neuropsychological disorders

PDF İndir

  1. Tez No: 880434
  2. Yazar: FİRUZE DAMLA ERYILMAZ BARAN
  3. Danışmanlar: DOÇ. DR. MERİÇ ÇETİN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Pamukkale Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 145

Özet

Yapay Zeka teknolojilerinden medikal alan olmak üzere pek çok alanda yararlanılmaktadır. Bu alanlardan biri de Nöropsikolojik hastalıkların tespiti, teşhisi ve gerekli olması durumunda tedavi edilmesidir. Bu hastalıklar, günlük hayatımızda sıkça karşılaştığımız rahatsızlıklardır. Nöropsikoloji kapsamında pek çok rahatsızlıklar bulunmaktadır. Bu rahatsızlıkların tespit edilememesi durumunda hem bireyin hayati tehlikesi oluşmaktadır hem de çevresi için zorlu bir sürece sebep olmaktadır. Bu çalışma pek çok nöropsikolojik rahatsızlığı yapay zeka temelli sınıflandıran literatürdeki ilk tez çalışması olma özelliğini bulundurmaktadır. Bu çalışma kapsamında anksiyete bozukluğu, şizofreni bozukluğu, otizm spektrum bozukluğu, depresyon ve demans rahatsızlıklarını içeren beş farklı veri seti kullanılmıştır. Veri setleri üzerinde veri ön işleme, hiperparemetre optimizasyonu ile yapay zeka modellerinden faydalanılarak çalışmalar yapılmıştır. Makine öğrenmesi modelleri olarak XGBoost, LightGBM, Rastgele Orman, Destek Vektör Makineleri ve k- En Yakın Komşu kullanılmış ve doğruluk metrikleri üzerinden karşılaştırmalar yapılmıştır. Ayrıca makine öğrenmesi modelleri üzerinde hiperparametre optimizasyonu kullanılarak öncesi ve sonrası karşılaştırmaları da ayrıca yapılmıştır. Veri seti 1 için LightGBM tekniği %96 doğruluk oranı ile en yüksek başarıya sahip iken hiperparametre optimizasyonu sonrasında %97 doğruluk oranı ile SVM öne geçmiş ve en fazla doğruluk oranını vermiştir. Veri seti 3 için %98 doğruluk oranı ile XGBoost ve LightGBM teknikleri başarılı bir sonuç alırken hiperparametre optimizasyonu sonrasında bu oran değişmemiş ve XGBoost en başarılı sonucu vermiştir. Derin öğrenme teknikleri olarak Evrişimsel Sinir Ağları (CNN), Uzun Kısa Süreli Bellek (LSTM) ve Geçitli Yineleme Birimi (GRU) modelleri veri setlerine uygun olarak kurgulanmıştır. Veri seti 2 için LSTM modeli %83 doğruluk oranı sonucunu vermiştir. Veri seti 4 için GRU modeli %93 oranı ile en yüksek doğruluk oranı sonucunu vermiştir. Veri seti 5 için LSTM ve GRU %99 doğruluk oranı ile yüksek bir sonuç vermiştir. Derin öğrenme modelleri sadece doğruluk oranları ile karşılaştırılmayıp öğrenme eğrileri ile de karşılaştırılmıştır. Bu çalışma ile nöropsikolojik rahatsızlıkların yapay zeka ile sınıflandırılabilmenin mümkün olduğunu açıkça gözler önüne sermektedir.

Özet (Çeviri)

Artificial Intelligence technologies are used in many areas, including the medical field. One of these areas is the detection, diagnosis and, if necessary, treatment of neuropsychological diseases. These diseases are disorders that we frequently encounter in our daily lives. There are many disorders within the scope of neuropsychology. If these disorders are not detected, both the individual's life may be in danger and it causes a difficult process for the environment. This study has the feature of being the first thesis study in the literature that classifies many neuropsychological disorders based on artificial intelligence. Within the scope of this study, five different data sets including anxiety disorder, schizophrenia disorder, autism spectrum disorder, depression and dementia disorders were used. Studies were conducted on the data sets by using data pre-processing, hyperparameter optimization and artificial intelligence models. XGBoost, LightGBM, Random Forest, Support Vector Machines and k- Nearest Neighbor were used as machine learning models and comparisons were made on accuracy metrics. In addition, before and after comparisons were made on machine learning models using hyperparameter optimization. For data set 1, LightGBM technique had the highest success rate with 96% accuracy, while after hyperparameter optimization, SVM came to the forefront with 97% accuracy and gave the highest accuracy rate. For data set 3, XGBoost and LightGBM techniques achieved a successful result with 98% accuracy, while this rate did not change after hyperparameter optimization and XGBoost gave the most successful result. As deep learning techniques, Convolutional Neural Networks (CNN), Long Short-Term Memory (LSTM) and Gated Repetition Unit (GRU) models were designed in accordance with the data sets. For data set 2, LSTM model gave 83% accuracy rate. For data set 4, GRU model gave the highest accuracy rate with 93%. For data set 5, LSTM and GRU gave a high result with 99% accuracy rate. Deep learning models were not only compared with their accuracy rates but also with their learning curves. This study clearly shows that it is possible to classify neuropsychological disorders with artificial intelligence.

Benzer Tezler

  1. Tez No

    879686

    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

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. BEHÇET UĞUR TÖREYİN

  2. Tez No

    454309

    Tedavi gören multipl skleroz tanılı hastalarda bilişsel işlevlerin değerlendirilmesi

    Evaluation of cognitive functions in multiple sclerosis patients under treatment

    MERVE UMAY CANDAŞ DEMİR

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    PsikolojiIşık Üniversitesi

    Klinik Psikoloji Ana Bilim Dalı

    PROF. DR. FERYAL ÇAM ÇELİKEL

  3. Tez No

    230043

    Hafif kognitif bozukluk tanısı alan hastalarda bir NMDA reseptör antagonisti olan memantinin kullanmayan gruba göre etkinliği ve güvenirliliğinin değerlendirilmesi

    Evaluating the efficiency and the reliability of memantine, a NMDA receptor antagonist, in the patients diagnosed as mild cognitive impairment with a control group

    SUNA DAĞLI

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2009

    NörolojiEskişehir Osmangazi Üniversitesi

    Nöroloji Ana Bilim Dalı

    PROF. DR. B. DEMET ÖZBABALIK

  4. Tez No

    157087

    Yürütücü işlevlerin nöropsikolojik testlerle eş zamanlı ölçülen olaya ilişkin beyin potansiyelleriyle (OİP) değerlendirilmesi

    Evaluation of executive functions through simultaneous event related potential (ERP) recording during neuropsychological tests

    ELİF KIRMIZI ALSAN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2004

    Fizyolojiİstanbul Üniversitesi

    Fizyoloji Ana Bilim Dalı

    PROF.DR. TAMER DEMİRALP

  5. Tez No

    494697

    Esrar ve sentetik esrar kullanımı olan bireylerin nöropsikolojik işlevlerinin madde kullanımı olmayan bireyler ile karşılaştırılması

    The comprasi̇on of i̇ndi̇vi̇duals used cannabi̇s and syntheti̇c cannabi̇s and non-used accordi̇ng to the neuropsychologi̇cal functi̇ons

    HANDE ÇELİKAY

    Doktora

    Türkçe

    Türkçe

    2017

    Halk SağlığıEge Üniversitesi

    Madde Bağımlılığı Ana Bilim Dalı

    PROF. DR. AYŞE ENDER ALTINTOPRAK

Geri Dön