Yapay zeka yöntemleri kullanılarak yürüyüş verilerine dayalı dejeneratif nöromüsküler hastalıkların tespiti
Detection of degenerative neuromuscular diseases based on gait data using artificial intelligence methods
- Tez No: 890213
- Danışmanlar: DR. ÖĞR. ÜYESİ EDA AKMAN AYDIN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 87
Özet
Nörodejeneratif hastalıklar (NDH' ler), sinir hücrelerinin işlevini kademeli olarak kaybetmesi ve ölmesi ile karakterize edilmekte ve dünya genelinde milyonlarca insanı etkilemektedir. Yürüyüş bozuklukları NDH' lerin teşhis edilmesinde gözlemlenen önemli ortak semptomlardan biridir. Bu nedenle, yürüyüş verilerini kullanarak hastaların bir grup NDH arasında hangi NDH' ye sahip olduğunu teşhis etmek hala ele alınması gereken önemli bir zorluktur. Bu çalışmada, Parkinson hastası (PH), Amiyotrofik Lateral Skleroz (ALS) hastası ve Huntington hastası (HH) ile sağlıklı kontrol (SK) gruplarının makine öğrenmesi ve derin öğrenme yöntemleriyle teşhis edilmesini sağlayacak bir karar destek sistemi önerilmiştir. Önerilen yöntemler, toplamda 64 deneğin ayaklarının altında bulunan kuvvet sensörleri kullanılarak kaydedilen dikey yer tepki kuvveti (DYTK) sinyallerini içeren bir yürüyüş veri kümesi üzerinde test edilmiştir. Çalışmada makine öğrenmesi ve derin öğrenme olmak üzere iki yaklaşım ele alınmıştır. Makine öğrenmesi yaklaşımında DYTK sinyallerinin özellik çıkarımı için eğilimden arındırılmış dalgalanma analizi (DFA), dinamik zaman bükme (DTW) ve otokorelasyon (OK) algoritmaları kullanılmıştır. Özelliklerin performansını karşılaştırmak için sınıflandırıcı olarak destek vektör makineleri (DVM), k-en yakın komşular (k-NN) ve yapay sinir ağları (YSA) kullanılmıştır. ALS, PH ve HH sınıflandırmasını ele alan üç sınıflı problemde %93,3 doğruluk oranı elde edilirken, NDH ve SK gruplarının birlikte ele alındığı dört sınıflı problemde %93,5 doğruluk oranı elde edilmiştir. Derin öğrenme yaklaşımında DYTK sinyallerini görüntüye dönüştürmek için yineleme grafiği ve spektrogram yöntemleri kullanılmıştır. DYTK sinyallerinden oluşturulan görüntüleri sınıflandırmak için hibrit bir konvolüsyonel sinir ağı (CNN) oluşturulmuş ve performans karşılaştırma amacıyla transfer öğrenme yöntemleri kullanılmıştır. ALS, PH ve HH ile SK arasındaki dörtlü sınıflandırma probleminde önerilen CNN modeli kullanılarak %96,15 doğruluk oranına ulaşılırken; önceden eğitilmiş VGG16 mimarisi kullanılarak %97,87 doğruluk oranına ulaşılmıştır. Bu sonuçlar, önerilen yöntemlerin NDH' lerin teşhisi amacıyla tasarlanacak gerçek zamanlı yürüyüş analiz sistemleri için kullanılabileceğini göstermektedir.
Özet (Çeviri)
Neurodegenerative diseases (NDDs) are characterized by the gradual loss of function and death of nerve cells and affect millions of people worldwide. Gait disturbances are one of the common symptoms observed in the diagnosis of NDDs. Therefore, diagnosing which NDDs patients have among a group of NDDs using gait data is still an important challenge to be addressed. In this study, a decision support system is proposed to diagnose Parkinson's disease (PD), Amyotrophic Lateral Sclerosis (ALS) patients, Huntington's disease (HD) patients and healthy control (HC) groups using machine learning and deep learning methods. The proposed methods were tested on a gait dataset containing vertical ground reaction force (VGRF) signals recorded using force sensors located under the feet of a total of 64 subjects. Two approaches, namely machine learning and deep learning, were considered in the study. In the machine learning approach, detrended fluctuation analysis (DFA), dynamic time warping (DTW) and autocorrelation (AC) algorithms are used for feature extraction of VGRF signals. Support vector machines (SVM), k-nearest neighbors (k-NN) and artificial neural networks (ANN) are used as classifiers to compare the performance of the features. While 93,3% accuracy rate is obtained in the three-class problem addressing ALS, PD and HD classification, 93,5% accuracy rate is obtained in the four-class problem where NDD and HC groups are considered together. In the deep learning approach, recurrence plot and spectrogram methods are used to convert VGRF signals to images. A hybrid convolutional neural network (CNN) is created to classify the images created from VGRF signals and transfer learning methods are used for performance comparison. While 96,15% accuracy rate is achieved by using the proposed CNN model in the quadruple classification problem between ALS, PD, HD and HC; Using the pre-trained VGG16 architecture, 97,87% accuracy rate was achieved. These results show that the proposed methods can be used for real-time gait analysis systems designed for the diagnosis of NDHs.
Benzer Tezler
- Dizel araçlarda ses analiz yöntemleri ve sürücü bilgi sistemi tasarımı ile motor arızası tespiti
Engine fault detection of diesel vehicles by sound analysis methods and driver information system design
ALI MARDAN HAMEED QUTUB
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. İSMAİL SARITAŞ
- The bid/no-bid framework utilizing Node2Vec for international contractors
Uluslararası yükleniciler için Node2Vec ile teklif/red çerçevesi oluşturulması
HALİT FERDİ AVCI
Yüksek Lisans
İngilizce
2024
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. ONUR BEHZAT TOKDEMİR
- Machine learning applications for time series analysis
Zaman serileri analizi için makine öğrenmesi uygulamaları
MERT CAN
Yüksek Lisans
İngilizce
2024
Matematikİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
PROF. DR. ATABEY KAYGUN
- Derin öğrenme yöntemleri ile zaman serisi tahmini
Time series classification with deep learning methods
HAKAN GÜNDÜZ
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZEHRA ÇATALTEPE
- İşitsel peyzajda ses çevresi memnuniyet düzeyinin bulanık mantık ile tahmin edilmesi: Diyarbakır Suriçi uygulaması
Prediction of sound environment pleasantness level by fuzzy logic in the soundscape: Diyarbakir Surici application
DERYA ÇAKIR AYDIN