Conversion-aware forecasting of Alzheimer's disease via featurewise attention
Öznitelik düzeyinde dikkatten yararlanarak Alzheimer hastalığının dönüşüme duyarlı tahmini
- Tez No: 930437
- Danışmanlar: DR. ÖĞR. ÜYESİ İNCİ MELİHA BAYTAŞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 70
Özet
Alzheimer hastalığı (AH), hafıza ve bilişsel işlevleri etkileyen ve beyin atrofisine neden olan bir nörodejeneratif bozukluktur. Semptomların hastaların günlük aktivitelerini henüz etkilemediği erken bir aşama, hafif bilişsel bozukluk (HBB) olarak bilinir. Altta yatan neden AH olduğunda, HBB hastaları hastalığın ilerleyen aşamalarında AH'ye dönüşür. Bu dönüşümün erken tespiti, önleyici tedavi planlamasında hayati bir adımdır. Ancak, bu geçişi tespit etmek, kamuya açık veri setlerinde bu tür olayların nadirliği nedeniyle zor bir görevdir. Bu tez, dönüşüm tespitinin performansını geliştirmek için derin öğrenme tabanlı bir çerçeve sunmaktadır. Önerilen mimari, giriş biyobelirteçlerinin dönüşüm tespiti üzerindeki etkisine dair içgörüler sağlamayı hedeflemektedir. Bu yapı, öznitelikleri ve zamanı paylaşılan bir alana kodlamak için sinirsel bloklar içerir; burada, gömüleri birleştirmek için zaman ve özellikler arasında çapraz dikkat hesaplanır. Modelin öğrendiği öznitelik önemleri yakalanırken, zamansal bilgiler de zaman gömme vektörleri aracılığıyla ağa entegre edilmiştir. Tüm mimari, AH gelişme riskini tahmin etmek üzere uçtan uca eğitilmiştir. İki kamuya açık veri setiyle yapılan deneyler, önerilen modelin geleneksel makine öğrenimi ve benzer derin öğrenme modelleriyle karşılaştırıldığında, HBB'den AH'ye dönüşümün erken tespitinde umut verici bir performans sergilediğini göstermektedir. Önerilen çerçeve, zamansal dinamikleri ve öznitelik önemini etkili bir şekilde entegre ederek HBB'den AH'ye dönüşümün erken tespitini geliştirir. Bu yaklaşım, tahminlerde duyarlılığı artırma ve risk altındaki bireyler için daha hedefli önleyici tedavi stratejilerini desteklemek için umut vaat etmektedir.
Özet (Çeviri)
Alzheimer's disease (AD) is a neurodegenerative disorder that causes cerebral atrophy, affecting memory and cognitive functions. An earlier stage, where the symptoms do not overwhelm the patients' daily activities, is known as mild cognitive impairment (MCI). When the underlying cause is AD, MCI patients convert to AD in future stages of the disease. Early detection of the conversion is a vital step in preventative treatment planning. However, identifying this transition is challenging due to the rarity of such events in public datasets. This thesis introduces a deep learning framework to improve conversion detection performance. For this purpose, the proposed architecture is intended to provide insights into the impact of the input biomarkers on conversion detection. It comprises neural blocks to encode attributes and time into a shared space where cross-attention between time and attributes is computed to aggregate the embeddings. While capturing feature importances learned by the model, the temporal information is incorporated into the network with time embeddings. The entire architecture is trained end-to-end to forecast the risk of developing AD. Experiments with two publicly available datasets show promising performance in the early detection of MCI to AD conversion compared to traditional machine learning models and similar deep models. The proposed framework enhances early detection of MCI to AD conversion by effectively integrating temporal dynamics and feature importance. This approach holds promise for improving sensitivity in prediction and supporting more targeted preventative treatment strategies for at-risk individuals.
Benzer Tezler
- Sigortada dağıtım ve tutundurma metodları
Başlık çevirisi yok
BANU GÖNENÇ
Yüksek Lisans
Türkçe
1994
SigortacılıkMarmara ÜniversitesiSigortacılık Ana Bilim Dalı
DOÇ. DR. OSMAN GÜRBÜZ
- Aile heterotopyasında erkekliğin toplumsal distopyaya dönüşümü
Conversion of the masculinity to social dystopia in family heterotopia
EMEL YILMAZ
Yüksek Lisans
Türkçe
2021
SosyolojiÇankırı Karatekin ÜniversitesiSosyoloji Ana Bilim Dalı
DOÇ. DR. KEMAL DİL
- Feature-aware partitioning of quadrilateral meshes for reverse engineering
Başlık çevirisi yok
ERKAN GÜNPINAR
- A context-aware model for stochastic planning in environments with hidden states
Saklı durumları olan ortamlarda stokastik planlamaiçin bağlam-farkındalığı olan model
ÖMER EKMEKCİ
Doktora
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. FARUK POLAT