Geri Dön

Derin öğrenme yöntemleri kullanılarak demans türü hastalıkların sınıfandırılması

Classification of dementia-type diseases using deep learning methods

PDF İndir

  1. Tez No: 884803
  2. Yazar: RUMEYSA NEGİŞ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ÖZGÜR KARADUMAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Mühendislik Bilimleri, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Engineering Sciences, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Fırat Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Yazılım Mühendisliği Bilim Dalı
  13. 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

  1. Tez No

    963493

    Detection of dementia diseases with deep learning methods

    Derin öğrenme yöntemleri ile demans hastalıklarının tespiti

    SÜMEYYE KIZILIŞIK

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Mühendislik Bilimleriİzmir Katip Çelebi Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ONAN GÜREN

  2. Tez No

    828927

    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

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. DR. VEYSEL MURAT İSTEMİHAN GENÇ

  3. Tez No

    956882

    A new forecasting system for electrical loads in the middle euphrates region using neural networks

    Orta fırat bölgesindeki elektrik yükleri için yapay sinir ağları kullanarak yeni bir tahmin sistemi tasarımı

    MUDHER ABDULHADI

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. AHMET ZENGİN

  4. Tez No

    1001737

    Yapay zeka yöntemleri ile yazılım tanımlı ağlar için saldırı tespiti

    Intrusion detection for software defined networks with artificial intelligence methods

    YASEMİN PEKTATLI YAVAŞ

    Doktora

    Türkçe

    Türkçe

    2026

    Elektrik ve Elektronik MühendisliğiKonya Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. SEYFETTİN SİNAN GÜLTEKİN

  5. Tez No

    971007

    CDO hiperparametre optimizasyonu ile faster R-CNN-gan hibrit modeline dayalı ürün kontrolünde gerçek zamanlı hata tespit sistemi

    Real-time detection of error on images using faster R-CNN-gan hybrid model trough CDO hyperparameter optimization

    ABDULLAH YÜKSEL

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Bilim ve TeknolojiKocaeli Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. OĞUZHAN KARAHAN

Geri Dön