Yapay zekâ algoritmaları ile göz hareket verilerinden Parkinson hastalığının erken evre tespiti ve derecelendirilmesi
Early detection and severity evaluation of Parkinson's disease from eye movement data with the artificial intelligence algorithms
- Tez No: 934094
- Danışmanlar: PROF. DR. OĞUZHAN ERDEM, DOÇ. DR. SEZER ULUKAYA
- Tez Türü: Doktora
- Konular: Nöroloji, Elektrik ve Elektronik Mühendisliği, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Neurology, Electrical and Electronics Engineering, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Trakya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Hesaplamalı Bilimler Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
İnsanoğlu görme duyusuna diğer duyulardan daha çok bağımlıdır. Bu tez çalışması, Parkinson hastalığının (PH) erken teşhisi ve evre derecelendirilmesinde yardımcı olacak bir sistem geliştirmeyi amaçlamaktadır. Göz ve görme ile ilgili problemler hastalığın temel belirtilerinin belirleşmesinden çok daha önce görülmeye başlamaktadır. Ancak bu alanda açık erişimli veri kümesinin olmaması yeni yöntem ve yaklaşım geliştirilebilmesini kısıtlamaktadır. Bu çalışmada, Videonistagmografi (VNG) sistemi kullanılarak PH ve sağlıklı bireylerin sakkadik ve pursuit göz hareketleri üzerindeki sinyalleri incelenmiş, bu veriler makine öğrenimi ve derin öğrenme teknikleriyle analiz edilmiştir. Bu kapsamda hem geleneksel yöntemlerle sinyallere ait spektral, fraktal, istatistiksel ve zamansal öznitelikler çıkarılmış hem de derin öğrenme mimarilerinden elde edilen derin öznitelikler kullanılmıştır. Destek Vektör Makineleri (DVM), Naive Bayes (NB), k-en Yakın Komşu (k-EYK), Kuadratik Diskriminant Analiz (KDA) gibi makine öğrenimi sınıflandırıcılarının göz hareketlerinden hastalığı tespit etme ve evre tayini gibi karmaşık sınıflandırma görevlerindeki başarıları incelenmiştir. Çalışmada yapılan filtreleme ve sarıcı öznitelik seçimi uygulamalarının birlikte kullanıldığı iki aşamalı bir öznitelik seçim yöntemi uygulanmış ve gereksiz özniteliklerin elenmesinin modelin sınıflandırma başarısını yükselttiği belirlenmiştir. Ayrıca, uzun-kısa vadeli bellek, konvolüsyonel sinir ağı ve çeşitli transfer öğrenme mimarileriyle yapılan değerlendirmeler, hastalığın tanısında derin öğrenme tabanlı yaklaşımların da etkinliğini ortaya koymuştur. Sakkadik göz hareketlerinin hastalığın erken evre tespitinde, pursuit hareketlerin ise hastalığın ilerleyişinin izlenmesinde daha yüksek başarı gösterdiği gözlemlenmiştir. Makine öğrenimi uygulamasında her iki göz hareketinde %91-%95 arası doğruluk elde eden DVM algoritması ön plana çıkarken, derin öğrenme uygulamalarında ise %72,73 ile uzun-kısa vadeli bellek daha başarılı bir performans sergilemiştir. Ayrıca sinyallerin görüntü temsilleri ile yapılan uygulamalarda en yüksek başarı %79,55 doğrulukla GoogLeNet ile elde edilmiştir. Göz hareketlerinin analizine dayalı bu sistem, aynı zamanda nörolojik hastalıkların takibi ve tedavi süreçlerinin izlenmesinde objektif, kolay uygulanabilir ve verimli bir yöntem olarak önemli bir potansiyele sahiptir.
Özet (Çeviri)
Human beings are more dependent on the sense of sight than other senses. This thesis aims to develop a system that will help in the early diagnosis and stage grading of Parkinson's disease (PD). Oculo-visual dysfunctions begin to be seen much earlier than the basic symptoms of the disease. However, the lack of an open access dataset in this field restricts the development of new methods and approaches. In this study, the signals on saccadic and pursuit eye movements of PD and healthy individuals were examined using the Videonystagmography (VNG) system, and these data were analyzed with machine and deep learning techniques. In this context, both spectral, fractal, statistical and temporal features of the signals were extracted with traditional methods and deep features from deep learning architectures were utilized. The performance of machine learning classifiers, such as Support Vector Machines (SVM), Naive Bayes (NB), k-Nearest Neighbors (k-NN), and Quadratic Discriminant Analysis (QDA) in complex classification tasks such as disease detection from eye movements and stage determination has been investigated. A two-stage feature selection method was applied, combining filtering and wrapper-based feature selection techniques, and it was determined that eliminating unnecessary features increased the classification performance of the model. Furthermore, evaluations with Long Short-Term Memory (LSTM), Convolutional Neural Networks (CNN), and various transfer learning architectures demonstrated the effectiveness of deep learning-based approaches in disease diagnosis. It was observed that saccadic eye movements showed higher success in the early-stage detection of the disease while pursuit movements were more effective in tracking disease progression. While the SVM algorithm come to the forefront in both eye movements in machine learning applications with the 91%-95% accuracy, long-short term memory showed a more successful performance with 72.73% in deep learning applications. Additionally, the hieghest success, with an accuracy rate of 79.55%, was achieved with GoogLeNet in applications with image representations of signals. This system based on eye movement analysis also has significant potential as an objective, easy-to-apply and efficient method in monitoring neurological diseases and treatment processes.
Benzer Tezler
- Manisa yöresinde domateste anlaşmalı tarım ve karşılaşılan sorunlar
Başlık çevirisi yok
OSMAN MURAT KOÇTÜRK
Yüksek Lisans
Türkçe
1985
Gıda MühendisliğiEge ÜniversitesiTarım Ekonomisi Ana Bilim Dalı
PROF. DR. METİN TALİM
- Bir pamuk iplikhanesinde fiili çalışma metodlarının incelenmesi ve mevcut işlemlerin standart sürelerinin saptanması
Başlık çevirisi yok
MÜRŞİDE KESEROĞLU
Yüksek Lisans
Türkçe
1985
İşletmeEge ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA NAZMİ ERCAN
- Barajların hacim-verim ilişkisi üzerine bir araştırma
Başlık çevirisi yok
MEHMET KILIÇARSLAN
Yüksek Lisans
Türkçe
1987
İnşaat MühendisliğiÇukurova Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. TEFARUK HAKTANIR
- Çiğit ve ayçiçek yağlarının doğal antioksidan içerikleri ile bu yağların stabilitelerinin arttırılmaları üzerinde araştırmalar
Başlık çevirisi yok
ALİ KEMAL YALNIZ
Doktora
Türkçe
1985
Gıda MühendisliğiEge ÜniversitesiGıda Mühendisliği Ana Bilim Dalı
PROF. DR. MAHİR ÇOLAKO¦LU
- Computer aided design of lumped and distributed broadband matching and filtering networks
Başlık çevirisi yok
ADNAN KÖKSAL
Yüksek Lisans
İngilizce
1987
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. NEVZAT YILDIRIM