Investigating the effect of aging on brain network organization using brain connectivity analyses and machine learning-based age classification
Beyin bağlantısallık analizleri kullanılarak yaşlanmanın beyin ağ organizasyonu üzerindeki etkisinin araştırılması ve makine öğrenmesi tabanlı yaş sınıflandırması
- Tez No: 963489
- Danışmanlar: DR. ÖĞR. ÜYESİ ONAN GÜREN
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Mühendislik Bilimleri, Science and Technology, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: İzmir Katip Çelebi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 168
Özet
Hücresel ve moleküler düzeylerde biriken dejeneratif süreçlerle karakterize edilen yaşlanma, beyinde yapısal ve bilişsel işlevlerde meydana gelen değişimlerle ortaya çıkan doğal bir süreçtir. Fizyolojik yaşlanmanın mekanizmalarının anlaşılması, patolojik yaşlanmanın erken tanı ve ayırt edilmesinde kritik bir önem taşımaktadır. Bu çalışma, yaşlanmanın beyin ağ organizasyonu üzerindeki etkilerini incelemek amacıyla LEMON verisetine ait elektroensefalografi (EEG) kayıtları üzerinde fonksiyonel bağlantısallığın incelenmesine imkân veren Tutarlılığın İmajiner Parçası (iCOH) ve efektif bağlantısallığın incelenmesine imkân veren Kısmi Yönlendirilmiş Tutarlılık (PDC) ile Yönlendirilmiş Transfer Fonksiyonu (DTF) yöntemlerini kullanarak kapsamlı bir analiz gerçekleştirmiştir. Gözler açık (EO) ve gözler kapalı (EC) koşullarda, alfa, beta, delta ve teta frekans bantlarında elde edilen bağlantısallık matrisleri, vekil veri tekniği ile eşiklenmiş, ardından küresel ve düğüm graf teorisi metrikleri hesaplanmıştır. Üç yaş grubunda (Genç Yetişkin, Yetişkin, Yaşlı) hem küresel hem de düğüm düzeyinde metrikler istatistiksel olarak karşılaştırılmıştır. Bulgular, yaşlanmanın bant ve bölge spesifik bağlantısal değişimlere yol açtığını, özellikle yönlü bağlantısallık tabanlı metriklerin yaş gruplarını ayırt etmede belirgin rol oynadığını ortaya koymuştur. Ayrıca, ML tabanlı sınıflandırma analizlerinde, EC koşulda DTF tabanlı nodal metrikler kullanılarak kübik destek vektör makinesi (SVM) modeli ile iki yaş grubu (Genç Yetişkin ve Yaşlı) sınıflandırmasında %91,2 validasyon doğruluğu ve %93,2 test doğruluğu elde edilmiştir. Elde edilen sonuçlar, yaşlanmaya bağlı beyin ağ yeniden yapılanmalarının anlaşılmasına katkı sağlamanın yanı sıra, yaş grubu sınıflandırması üzerine ML tabanlı uygulamalara güçlü bir temel sunmaktadır.
Özet (Çeviri)
Aging, characterized by degenerative processes accumulating at the cellular and molecular levels, is a natural process characterized by changes in brain structure and cognitive functions. Understanding the mechanisms of physiological aging is crucial for the early diagnosis and differentiation of pathological aging. This study conducted a comprehensive analysis of electroencephalography (EEG) recordings from the LEMON dataset to examine the effects of aging on brain network organization using the Imaginary Part of Coherence (iCOH) method for functional connectivity, Partial Directed Coherence (PDC) and Directed Transfer Function (DTF) methods for effective connectivity. Connectivity matrices obtained in the alpha, beta, delta, and theta frequency bands, under eyes-open (EO) and eyes-closed (EC) conditions, were thresholded using surrogate data technique, then global and nodal graph theory metrics were calculated. Statistical comparisons were made between global and nodal metrics across three age groups (Young Adults, Adults, and Elders). The findings revealed that aging leads to band and region specific connectivity changes, and that directional connectivity-based metrics, in particular, play a significant role in distinguishing age groups. Furthermore, in machine learning (ML) based classification analyses, 91.2% validation accuracy and 93.2% test accuracy were achieved in the classification of two age groups (Young Adults and Elder) using DTF-based nodal metrics under EC condition using a cubic support vector machine (SVM) model. These results not only contribute to the understanding of aging-related brain network reorganizations but also provide a strong foundation for ML based applications on age group classification.
Benzer Tezler
- Biyolojik nöron ağlarında kaotik rezonans
Chaotic resonance in biological neural networks
VELİ BAYSAL
Doktora
Türkçe
2019
Elektrik ve Elektronik MühendisliğiZonguldak Bülent Ecevit ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERGİN YILMAZ
- Nörodejeneratif hastalıklarda hücresel senesans mekanizmasının rolü
The role of cellular senescence in neurodegenerative diseases
YAĞIZ MERİÇ ALTUN
- Oreksin-saporin ile indüklenen semptohipokampal nörodejenerasyonun sensorimotor geçitleme ve uzun dönem bellek üzerine etkileri
Investigation of the effects of orexin-saporin-inducedseptohippocampal neurodegeneration on sensorimotor gatingand long-term memory
CEREN GÖR
- Bilişsel rezerv düzeyinin sözel ve görsel-uzamsal çalışma belleğinin lateralizasyonu üzerindeki etkilerinin EEG-beyin osilasyonları yöntemleri ile incelenmesi
Investigation of the effects of cognitive reserve level onthe lateralization of verbal and visuospatial working memory using EEG-brain oscillation methods
RÜMEYSA DUYGUN
Yüksek Lisans
Türkçe
2024
Biyofizikİstanbul Medipol ÜniversitesiSinir Bilimi Ana Bilim Dalı
PROF. DR. BAHAR GÜNTEKİN
- Otizm spektrum bozukluğu olan çocuklarda sosyal biliş yeteneklerinin EEG analizi: Bilgisayar tabanlı müdahale yoluyla bir araştırma
EEG analysis of social cognition skills in children with autism spectrum disorder: An Investigation through computer-based intervention
HASAN KARAEVLİ
Yüksek Lisans
Türkçe
2025
NörolojiÜsküdar ÜniversitesiNörobilim Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERSİN YAVAŞ