Geri Dön

Alzheimer hastalığı tespiti ve CNN model sınıflandırması

Başlık çevirisi mevcut değil.

  1. Tez No: 902313
  2. Yazar: CEREN GÜNDÜZALP
  3. Danışmanlar: DR. ÖĞR. ÜYESİ GÖKALP TULUM
  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: Üsküdar Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 55

Özet

Sağlık alanında giderek yaygınlaşan bilgisayar destekli cihazlar ve sistemlerin kullanımı hastalıkların daha erken ve hızlı şekilde tespit edilmesine imkân tanımaktadır. Özellikle nörolojik hastalıkların tanısında ve görüntülüme sürecinde bilgisayar destekli sistemler ve cihazlar önemli bir yere sahiptir. Merkezi sinir sistemi ve bilişsel hafıza süreçlerini etkileyen ve zihinsel düşünceleri bozan nörodejeneratif bir hastalık olan Alzheimer hastalığının tanısı ve tedavisi için de bilgisayar destekli sistemler önemli bir araç olmaktadır. Bu tez, Alzheimer Hastalığının erken teşhisi ve tedavisine yapay zeka görüntüleme tekniklerinin katkısı ve bu alandaki güncel gelişmeler üzerine odaklanmaktadır. Çalışma kapsamında ele alınan Alzheimer hastalığının analizinde ve teşhisinde yapay zekâ ve özellikle de derin öğrenme teknikleri kritik bir rol oynamaktadır. Bu bağlamda çalışmada CNN sınıflama, mimarisi kullanılarak derin öğrenme tabanlı model önerilmiştir. Çalışmanın ilk aşamasında Kaggle Augmented Alzheimer Dataset veri setinin ikinci kısmı kullanılmıştır. İlk olarak CNN model kullanılmıştır. Test, doğrulama ve eğitim olarak ayrılmıştır. Modelleme süreci sonucunda Alzheimer tahminleri segmente edilerek sınıflandırılmıştır. Bu sınıflandırmalar daha sonra görselleştirilerek hastalığın tanımlanma sürecinde kullanılmak üzere karşılaştırılmıştır. Çalışmanın sonucuna göre, CNN model accuracy değeri 0.917 sonucunu vermektedir. Bu mimari eğitim ve test aşamalarında etkin bir sonuç vermektedir. Bu model gelecekte yapılması planlanan nörolojik hastalıkların tanı, kontrol ve tedavi sürecinde gerçek zamanlı analiz ve sınıflandırma yapılabilmesi için fırsat sunmaktadır.

Özet (Çeviri)

Earlier and faster detection is possible with the use of computer-aided devices and systems, which are becoming increasingly widespread in the field of health. Computer- aided systems and devices have an important place, especially in the recognition and imaging process of errors. Computer-aided systems are an important tool for the diagnosis and treatment of Alzheimer's disease, a neurodegenerative disease that impairs the central nervous system and therapeutic memory processes and mental development. This thesis focuses on the contribution of artificial intelligence imaging techniques to the early diagnosis and treatment of Alzheimer's disease and current developments in this field. Artificial intelligence and especially deep learning techniques play a critical role in the analysis and diagnosis of Alzheimer's disease, which is discussed within the scope of the study. In this systematic study, CNN classification was modeled based on deep learning through architecture. In the first phase of the study, the second part of the Kaggle Augmented Alzheimer Dataset dataset was used. First, the CNN model was used. Access to testing, continuity and training. As a result of the modeling process, Alzheimer's predictions were segmented and classified. These features were then visualized and compared to be used in the individual identification process. According to the results of the study, the CNN model accuracy value gives the result of 0.917. This architecture provides effective results in the training and testing phases. This model offers the opportunity to perform real-time analysis and classification in the diagnosis, control and treatment process of neurological diseases planned in the future

Benzer Tezler

  1. A hybrid deep learning metaheuristic model for diagnosis of diabetic retinopathy

    Diyabetik retinopatinin tanısı için hibrit bir derin öğrenme meta-sezgisel modeli

    ÖMER FARUK GÜRCAN

    Doktora

    İngilizce

    İngilizce

    2022

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA

  2. EEG sinyallerinin zaman-frekans gösterimlerinin derin öğrenme ile analizi sonucu alzheimer hastalığının tespiti

    Detection of alzheimer disease through deep learning analysis of EEG signals' time-frequency representations

    MERAL ASLAN DİL

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Biyomühendislikİstanbul Üniversitesi-Cerrahpaşa

    Biyomedikal Mühendisliği Ana Bilim Dalı

    PROF. DR. FIRAT KAÇAR

    PROF. DR. AYDIN AKAN

  3. Alzheimer ve göğüs kanseri görüntülerinin derin öğrenme yöntemleri ile sınıflandırılması

    Classification of alzheimer's and breast cancer images with deep learning methods

    YEŞİM TİRAKİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKütahya Dumlupınar Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HASAN TEMURTAŞ

    DR. ÖĞR. ÜYESİ ÇİĞDEM BAKIR

  4. Using 3d-capsnet and rnn for alzheimer's disease detection based on 4d fmri

    4d fmri'ye dayalı alzheimer hastalığı tespiti içın 3d-capsnet ve rnn kullanımı

    ALI MOHAMED KOTB MOHAMED ISMAIL ALI MOHAMED KOTB MOHAMED ISMAIL

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtılım Üniversitesi

    Yazılım Mühendisliği Ana Bilim Dalı

    Assist. Prof. Dr. GONCA GÖKÇE MENEKŞE DALVEREN

  5. Detection of multistage Alzheimer from 4D FMRI data using deep learning

    4D FMRI'dan multistage Alzheimer'in tespiti derin öğrenmeyi kullanan veriler

    NAWAZISH ALI

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik Mühendisliğiİstanbul Medipol Üniversitesi

    Elektrik-Elektronik Mühendisliği ve Siber Sistemler Ana Bilim Dalı

    PROF. DR. REDA ALHAJJ