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: Mühendislik Bilimleri, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Engineering Sciences, Computer Engineering and Computer Science and Control
- 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: Belirtilmemiş.
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
- Detection of dementia diseases with deep learning methods
Derin öğrenme yöntemleri ile demans hastalıklarının tespiti
SÜMEYYE KIZILIŞIK
Yüksek Lisans
İngilizce
2025
Mühendislik Bilimleriİzmir Katip Çelebi ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ONAN GÜREN
- Türkiye'de aile planlaması çalışmalarında erkeklerin önemi, hastane personeli ile fabrika işçilerinin doğum kontrol yöntemlerine karşı tutum ve davranranışlarında farklılığın araştırılması
Başlık çevirisi yok
KAMİL MALKOÇLU
Yüksek Lisans
Türkçe
1987
Demografiİstanbul ÜniversitesiAile Sağlığı Ana Bilim Dalı
DOÇ. DR. DERİN KÖSEBAY
- Değişik derim zamanı ve önsoğutmanın Bursa siyahı incir çeşidinin meyve kalitesi ve pazarlama süresi üzerine etkileri
Effects of haruest time and precooling on fruit quality and shelf-life of the fig variety“Bursa siyahı”
FÜSUN GÜRSEL ÇELİKEL
- Tekstil boyamacılığında atık flottede boyama imkanları üzerine araştırma
Başlık çevirisi yok
MEHMET YAKARTEPE
Yüksek Lisans
Türkçe
1985
Tekstil ve Tekstil MühendisliğiEge ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. KERİM DURAN
- Ön işlemenin ve askorbik asitin dondurularak depolanan yılan balıklarının (Anguilla anguilla) kalitesine etkileri
Başlık çevirisi yok
H.VOLKAN GÖKSEL
Yüksek Lisans
Türkçe
1985
Gıda MühendisliğiEge ÜniversitesiSu Ürünleri Ana Bilim Dalı
DOÇ. DR. AYDIN URAL