Geri Dön

Kronik inflamatuvar demiyelinizan polinöropati (CIDP) hastalığının teşhisinde makine öğrenme algoritmaları kullanılarak karar destek sistemi oluşturma

Developing a decision support system for the diagnosis of chronic inflammatory demyelinating polyneuropathy (CIDP) using machine learning algorithms

PDF İndir

  1. Tez No: 908941
  2. Yazar: HÜSEYİN AKBUDAK
  3. Danışmanlar: DOÇ. DR. MUHAMMET SERDAR BAŞÇIL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Mühendislik Bilimleri, Nöroloji, Computer Engineering and Computer Science and Control, Engineering Sciences, Neurology
  6. Anahtar Kelimeler: Convolutional Neural Network (CNN), Elektromiyografi (EMG), Derin öğrenme, Kronik İnflamatuvar Demiyelinizan Poliradikülonöropati (CIDP), Teşhis, Yapay zeka, Artificial Intelligence (AI), Chronic Inflammatory Demyelinating Polyneuropathy (CIDP), Convolutional Neural Network (CNN), Deep Learning, Diagnosis, Electromyography (EMG)
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Selçuk Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Biyomedikal Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 68

Özet

Bu çalışma, Kronik İnflamatuvar Demiyelinizan Poliradikülonöropati (CIDP) teşhisinde elektromiyografi (EMG) sinyal görüntülerinin yapay zeka tabanlı derin öğrenme yöntemleri ile sınıflandırılmasını hedeflemektedir. CIDP, periferik sinirlerin demiyelinizasyonu ile karakterize edilen ve hastaların motor ve duyusal sinir fonksiyonlarında ciddi bozulmalara yol açan kronik bir nörolojik hastalıktır. CIDP teşhisi, benzer nöropatilerle semptomlarının örtüşmesi nedeniyle karmaşık bir süreçtir ve erken teşhis, tedavi sürecinin etkinliği açısından büyük önem taşır. Bu nedenle, EMG sinyallerinin sınıflandırılması, doğru teşhisin sağlanması ve benzer hastalıklarla karışma olasılığının azaltılması açısından kritik bir rol oynar. Çalışmada, Selçuk Üniversitesi Tıp Fakültesi Hastanesi'nden elde edilen EMG sinyal verilerinden oluşan bir veri seti kullanılmıştır. Bu veri seti, 13 CIDP hastası ve 13 sağlıklı bireyden alınan toplam 130 EMG sinyal görüntüsünü içermektedir. Veriler, Nihon Kohden MEB-200 model cihazla standardize edilmiş koşullarda toplanmış olup, yüksek çözünürlük ve renk derinliğine sahip PNG formatında saklanmıştır. Veri seti, CIDP ve sağlıklı bireyler arasında ayrım yapmak amacıyla iki sınıfa ayrılmış ve çeşitli CNN mimarileri ile analiz edilmiştir. Çalışmada kullanılan CNN modelleri arasında GoogLeNet, ResNet-50, EfficientNet-B0 ve DarkNet-53 gibi derin öğrenme algoritmaları yer almaktadır. Bu modeller, EMG sinyallerindeki ince farklılıkları yakalayarak hastalığın teşhisi için kullanılmıştır. Modellerin performansları doğruluk, duyarlılık, özgüllük ve F1 skoru gibi metriklerle değerlendirilmiş ve her bir modelin CIDP teşhisindeki başarısı analiz edilmiştir. Özellikle ResNet-50, EfficientNet-B0 ve DarkNet-53 modelleri, %100'e yakın doğruluk oranlarına ulaşarak CIDP teşhisinde yüksek bir performans sergilemiştir. GoogLeNet modeli ise diğer modellere kıyasla biraz daha düşük bir performans göstermiştir, ancak yine de teşhis sürecinde önemli katkılar sağlamıştır. Sonuç olarak, bu çalışma, derin öğrenme tekniklerinin CIDP gibi karmaşık nörolojik hastalıkların teşhisinde güçlü bir araç olarak kullanılabileceğini göstermektedir. EMG sinyallerinin derin öğrenme algoritmaları ile başarılı bir şekilde sınıflandırılması, klinik uygulamalarda yapay zeka tabanlı karar destek sistemlerinin kullanılabilirliğini desteklemektedir. Bu sistemler, özellikle erken teşhis ve tedavi süreçlerinde doktorlara önemli bir rehberlik sağlayabilir. Ancak, çalışmada kullanılan veri setinin nispeten küçük olması, elde edilen sonuçların genellenebilirliği konusunda bazı sınırlamalar getirmektedir. Gelecekte daha geniş veri setleri ve farklı derin öğrenme tekniklerinin kullanılması, bu modellerin performansını daha kapsamlı bir şekilde değerlendirebilir ve CIDP teşhisinde yapay zeka uygulamalarının potansiyelini daha da artırabilir. Bu bağlamda, derin öğrenme modelleri nörolojik hastalıkların teşhis süreçlerini dönüştürebilecek güçlü bir araç olarak karşımıza çıkmaktadır.

Özet (Çeviri)

This study aims to classify electromyography (EMG) signal images using artificial intelligence-based deep learning methods for the diagnosis of Chronic Inflammatory Demyelinating Polyneuropathy (CIDP). CIDP is a chronic neurological disease characterized by the demyelination of peripheral nerves, leading to significant impairments in both motor and sensory nerve functions. The diagnosis of CIDP is a complex process due to the overlap of its symptoms with other neuropathies, and early diagnosis is crucial for the effectiveness of treatment. Therefore, the classification of EMG signals plays a critical role in ensuring an accurate diagnosis and reducing the likelihood of confusion with similar diseases. In this study, a dataset of EMG signal data obtained from the Selçuk University Faculty of Medicine Hospital was used. This dataset includes a total of 130 EMG signal images, obtained from 13 CIDP patients and 13 healthy individuals. The data were collected under standardized conditions using the Nihon Kohden MEB-200 model device and were stored in PNG format with high resolution and color depth. The dataset was divided into two classes, distinguishing between CIDP patients and healthy individuals, and analyzed using various CNN architectures. The CNN models used in the study included deep learning algorithms such as GoogLeNet, ResNet-50, EfficientNet-B0, and DarkNet-53. These models were employed to capture subtle differences in EMG signals for diagnostic purposes. The models' performances were evaluated using metrics such as accuracy, sensitivity, specificity, and F1 score, and the success of each model in diagnosing CIDP was analyzed. Particularly, ResNet-50, EfficientNet-B0, and DarkNet-53 achieved high performance with near 100% accuracy in CIDP diagnosis. While GoogLeNet performed slightly lower than the other models, it still made significant contributions to the diagnostic process. In conclusion, this study demonstrates that deep learning techniques can be effectively used as a powerful tool in diagnosing complex neurological diseases like CIDP. The successful classification of EMG signals through deep learning algorithms supports the potential use of AI-based decision support systems in clinical applications. These systems can provide valuable guidance to physicians, especially in early diagnosis and treatment processes. However, the relatively small size of the dataset used in this study poses some limitations on the generalizability of the results. In the future, using larger datasets and exploring different deep learning techniques can further evaluate the performance of these models and enhance the potential of AI applications in CIDP diagnosis. In this context, deep learning models present themselves as a powerful tool capable of transforming the diagnostic processes of neurological diseases.

Benzer Tezler

  1. Tez No

    440208

    Kronik inflamatuvar demiyelinizan polinöropati'de vestibülooküler sistemin video head ımpulse test ile incelenmesi

    Assesment of vestibulo-ocular system by video head impuls test in chronic inflammatory demielynating polyneuropathy

    TURAL TANRIVERDIZADA

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    NörolojiDokuz Eylül Üniversitesi

    Klinik Sinir Bilimler Ana Bilim Dalı

    PROF. DR. GÜLDEN AKDAL

  2. Tez No

    806645

    Investigation of anti-neurofascin and anti-myelin oligodendrocyte glycoprotein antibodies in patients with chronic inflammatory demyelinating polyneuropathy

    Kronik inflamatuar demiyelinizan polinöropatili hastalarda anti-nörofasin ve anti-miyelin oligodendrosit glikoprotein antikorlarının araştırılması

    ALİ BURAK KIZILIRMAK

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    BiyolojiKoç Üniversitesi

    Sağlık Bilimleri Ana Bilim Dalı

    DOÇ. DR. ATAY VURAL

  3. Tez No

    842629

    Kronik inflamatuar demiyelinizan polinöropati tanılı hastalarda nöropsikiyatrik bulguların değerlendirilmesi ve yaşam kalitesine etkisi

    Evaluation of neuropsychiatric symptoms in chronic inflammatory demyelining polyneuropathy patients and its effect on quality of life

    KADRİYE İREM CARUS MUSAOĞLU

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2023

    NörolojiSağlık Bilimleri Üniversitesi

    Nöroloji Ana Bilim Dalı

    PROF. DR. EREN GÖZKE

  4. Tez No

    601454

    Kronik inflamatuar demiyelinizan polinöropati hastalarında periferik kan ve cilt biyopsisinde b lenfosit sitokin ekspresyon değişikliklerinin terapötik ve prognostik biyobelirteç olarak önemleri

    Circulating b cell subsets and cytokine gene expression levels in peripheral blood and skin biopsy in chronic inflammatory demyelinating polyneuropathy

    AYŞE NUR ÖZDAĞ ACARLI

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2019

    Nörolojiİstanbul Üniversitesi

    Nöroloji Ana Bilim Dalı

    PROF. DR. FATMA YEŞİM PARMAN

  5. Tez No

    754649

    İnflamatuar demiyelinizan polinöropatilerde kronik dönemde otonom sinir sistemi etkileniminin klinik ölçekler ve elektrofizyolojik testlerle değerlendirilmesi

    Evaluation of autonomic nervous system involvement in chronic phase in inflammatory demyelinating polyneuropathy patients with clinical scales and electrophysiological tests

    ZEYNEP KARAOĞLU AKINCI

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2022

    Nörolojiİstanbul Medeniyet Üniversitesi

    Nöroloji Ana Bilim Dalı

    PROF. DR. TEMEL TOMBUL

Geri Dön