Derin öğrenme yöntemleri kullanılarak demans türü hastalıkların sınıfandırılması
Classification of dementia-type diseases using deep learning methods
- Tez No: 884803
- Danışmanlar: DR. ÖĞR. ÜYESİ ÖZGÜR KARADUMAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Mühendislik Bilimleri, Computer Engineering and Computer Science and Control, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yazılım Mühendisliği Bilim Dalı
- Sayfa Sayısı: 78
Özet
Demans, hafıza ve günlük yaşam aktivitelerinde bozulmalara yol açan karmaşık bir nörolojik hastalık grubudur. Yaşlanan dünya nüfusuyla birlikte nörolojik hastalıkların artışı, bireylerin yaşam kalitesini etkilerken sağlık sistemlerine de büyük bir yük getirmektedir. Yapay zekâ ve derin öğrenme gibi teknolojiler, demansın erken teşhisi ve tedavisinde umut verici gelişmelere öncülük etmektedir. Bu tez çalışmasında, derin öğrenme teknikleri kullanılarak demans türü hastalıkların manyetik rezonans görüntülerinden sınıflandırılması amaçlanmaktadır. Bu çalışmada Kaggle'dan elde edilen“Alzheimer Parkinson Disease”adlı veri seti kullanılmıştır. Bu veri seti,“3 Class”ve“4 Class”olarak iki farklı veri alt kümesine ayrılmıştır. Bu veri alt kümeleri; Alzheimer hastaları ve olmayanlar, Parkinson hastaları ve olmayanlar ile sağlıklı bireylerin manyetik rezonans görüntülerini içermektedir. Bu görüntüler, Alzheimer ve Parkinson hastalıklarının tanısal sınıflandırılması için çeşitli veri ön işleme tekniklerinden geçirilmiştir. Ardından, EfficientNet-B0 modelinden transfer öğrenme yöntemiyle özellik çıkarımı yapılmıştır. Bu özellikler, tanısal sınıflandırma görevi için başka katmanlarla birleştirilerek, özelleştirilmiş bir sınıflandırma modeli oluşturulmuştur. Önerilen model ile manyetik rezonans görüntülerinin çoklu sınıflandırılması,“4 Class”veri seti için %99,34'lük bir eğitim doğruluğu ve %95,15'lik bir test doğruluğu,“3 Class”veri seti için %99,06'lık bir eğitim doğruluğu ve %94,90'lık bir test doğruluğu ile sonuçlanmıştır. Elde edilen yüksek doğruluk oranlarının yanı sıra, bu çalışmada farklı ön işleme teknikleri, makine öğrenmesi yöntemleri, önceden eğitilmiş ağlar ve çeşitli aktivasyon fonksiyonları kullanılarak deneyler yapılmış ve bu yöntemlerin performansları incelenmiştir. Elde edilen bulguların, Alzheimer ve Parkinson gibi nörolojik hastalıkların derin öğrenme teknikleri ile teşhisi ve tanısal sınıflandırmasında önemli bir referans noktası oluşturarak yapılacak çalışmalara katkı sağlayabileceğini öngörmekteyiz.
Özet (Çeviri)
Dementia is a complex group of neurological diseases leading to impairments in memory and activities of daily living. The increase in neurological diseases with the aging world population affects the quality of life of individuals and places a huge burden on healthcare systems. Technologies such as artificial intelligence and deep learning are leading promising developments in the early diagnosis and treatment of dementia. This thesis aims to classify dementia-type diseases from magnetic resonance images using deep learning techniques. In this study, the dataset named“Alzheimer Parkinson Disease”obtained from Kaggle was used. This dataset is divided into two different data subsets as“3 Class”and“4 Class”. These datasets contain magnetic resonance images of Alzheimer's patients and non-Alzheimer's patients, Parkinson's patients and non- Parkinson's patients, and healthy individuals. These images were subjected to various data preprocessing techniques for diagnostic classification of Alzheimer's and Parkinson's diseases. Then, features were extracted from the EfficientNet-B0 model using transfer learning. These features are combined with other layers to create a customized classification model for the diagnostic classification task. With the proposed model, multiple classification of magnetic resonance images was achieved with 99.34% training accuracy and 95.15% test accuracy for the“4 Class”dataset and 99.06% training accuracy and 94.90% test accuracy for the“3 Class”dataset. In addition to the high accuracy rates obtained, in this study, experiments were conducted using different preprocessing techniques, machine learning methods, pre-trained networks and various activation functions and the performances of these methods were analyzed. We anticipate that the findings obtained can contribute to future studies by establishing an important reference point in the diagnosis and diagnostic classification of neurological diseases such as Alzheimer's and Parkinson's with deep learning techniques.
Benzer Tezler
- A novel artificial intelligence based energy management system for microgrids
Mikro şebekeler için yapay zeka temelli yeni bir enerji yönetim sistemi
NECATİ AKSOY
Doktora
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. VEYSEL MURAT İSTEMİHAN GENÇ
- Türkiye elektrik tüketiminin makine öğrenmesi yöntemleri ile tahmini
Prediction of electricity consumption in turkiye with machine learning methods
DENİZ HERSEK
Yüksek Lisans
Türkçe
2024
İstatistikYıldız Teknik Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. GÜLHAYAT GÖLBAŞI ŞİMŞEK
- CNN-based server state monitoring and fault diagnosis using infrared thermography
Kızılötesi termografi kullanarak CNN tabanlı sunucu durumu izleme ve arıza teşhisi
BELTUS NKWAWİR WİYSOBUNRİ
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Bilim Dalı
DR. ÖĞR. ÜYESİ HAMZA SALİH ERDEN
PROF. DR. BEHÇET UĞUR TÖREYİN
- Hibrit derin öğrenme yöntemleri ile beyin görüntüleri ve klinik özellikleri kullanılarak Alzheimer hastalığı sınıflandırması ve derecelendirilmesi
Classification and rating of Alzheimer's disease by using brain images and clinical features with hybrid deep learning methods
MEHMET EMRE SERTKAYA
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BURHAN ERGEN
- Derin öğrenme yöntemleri ile Alzheimer hastalığının tespiti ve sınıflandırılması
Detection and classification of Alzheimer's disease using deep learning methods
FİRDEVS SÜMEYYE ÇELENLİ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMalatya Turgut Özal ÜniversitesiEnformatik Ana Bilim Dalı
DOÇ. DR. HARUN BİNGÖL