Geri Dön

Derin öğrenme modelleri kullanılarak ses verileri ile parkinson hastalığı erken evre tespiti

Early detection of parkinson's disease from voice data using deep learning approaches

PDF İndir

  1. Tez No: 976132
  2. Yazar: NUR BANU HANCI
  3. Danışmanlar: PROF. DR. OĞUZHAN ERDEM
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Nöroloji, Electrical and Electronics Engineering, Computer Engineering and Computer Science and Control, Neurology
  6. Anahtar Kelimeler: Derin öğrenme, Deep learning
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Trakya Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Hesaplamalı Bilimler Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Parkinson hastalığı, beyinde dopamin adlı nörotransmiteri üreten sinir hücrelerinin bozulmasıyla ortaya çıkan, hareket sistemini etkileyen nörodejeneratif bir hastalıktır. Dopamin, hareketlerin kontrolü, uyumu ve akıcılığından sorumludur. Dopamin eksikliği sonucu hastalarda titreme, hareketlerde yavaşlama (bradikinezi), kas sertliği (rijidite) ve denge bozuklukları gibi motor semptomlar gelişir. Parkinson hastalığı genellikle ileri yaşlarda görülmekle birlikte, nadiren genç yaşlarda da ortaya çıkabilir. Hastalık yalnızca motor değil, konuşma ve ses üzerinde de etkilere neden olabilir. Beyindeki değişiklikler, konuşmanın tonlamasını bozabilir. Yaygın konuşma semptomları arasında yumuşak veya sessiz konuşma, monoton tonlama, sözcüklerin sesletiminde ve gevelemesinde zorluk yer alır. Bu durum, hastaların çevresiyle etkili iletişim kurmasını zorlaştırabilir. Bu tez çalışmasında, Parkinson hastalığının ses temelli biyobelirteçler aracılığıyla tespitine yönelik çeşitli makine öğrenmesi ve derin öğrenmeye dayalı Evrişimsel sinir ağları içeren yapay zekâ temelli yeni yaklaşımlar geliştirilmiş, literatüre yeni veri sağlanmıştır. Çalışmada, ünlü harfler (/a/, /o/ ve /i/) ve Türkçe“gofret”kelimesinin telaffuzu sırasında elde edilen ses sinyalleri kullanılmıştır. Elde edilen ses verileri, çeşitli görsel temsillere (spektrogram, kromogram, MFCC (Mel-Frekans Cepstral Katsayıları) ve tempogram) dönüştürülmüş ve bu görseller üzerinde veri artırma (zaman maskeleme, esnetme, kaydırma ve frekans maskeleme) teknikleri de uygulanarak ikili (binary) sınıflandırma işlemleri gerçekleştirilmiştir. Ayrıca, Parkinson hastalığının farklı evrelerinin sınıflandırılması için CNN model geliştirilmiştir. Bu çalışmada elde edilen en iyi sonuçlara göre, hastalık ve sağlık sınıflandırmasında MIS-DL (Çoklu Ünlü Girişli Spektrogram Tabanlı Derin Öğrenme Modeli) %97,5 doğruluk sağlamıştır. Evre sınıflandırmasında ise PDVS-DL (Parkinson Hastalığının Ses Tabanlı Evre Sınıflandırması için Derin Öğrenme Modeli) ile %93,1 başarım elde edilmiştir.

Özet (Çeviri)

Parkinson's disease is a neurodegenerative disorder affecting the motor system, caused by the degeneration of nerve cells in the brain that produce the neurotransmitter dopamine. Dopamine is responsible for the control, coordination, and fluidity of movements. Due to dopamine deficiency, patients develop motor symptoms such as tremors, bradykinesia (slowness of movement), muscle rigidity, and balance impairments. Although Parkinson's disease is commonly observed in older adults, it can also rarely occur at a younger age. The disease affects not only motor functions but also speech and voice. Changes in the brain can disrupt speech prosody. Common speech symptoms include soft or quiet speech, monotone intonation, and difficulties in articulation and slurring. These symptoms may hinder patients' effective communication with their surroundings. In this thesis study, novel artificial intelligence-based approaches employing machine learning and deep learning methods, including convolutional neural networks (CNNs), were developed for the detection of Parkinson's disease through voice-based biomarkers, providing new data to the literature. The study utilized voice signals obtained during the pronunciation of vowels (/a/, /o/, and /i/) and the Turkish word“gofret”. The collected audio data were transformed into various visual representations spectrogram, chromogram, MFCC (Mel-Frequency Cepstral Coefficients), and tempogram and data augmentation techniques (time masking, stretching, shifting, and frequency masking) were applied to these images to perform binary classification tasks. Additionally, CNN models were developed for the classification of different stages of Parkinson's disease. According to the best results obtained in this study, the MIS-DL (Multi-vowel Input Spectrogram-based Deep Learning) model achieved an accuracy of 97.5% in distinguishing between diseased and healthy subjects. For stage classification, the PDVS-DL (Parkinson Disease Voice Stage-Deep Learning) model attained a performance of 93.1%.

Benzer Tezler

  1. Tez No

    1001077

    Hybrid deep learning architectures for early detection and continuous monitoring of parkinson's disease using multimodal sensor data

    Çok modlu sensör verileri kullanılarak parkinson hastalığının erken tespiti ve sürekli izlenmesi için hibrit derin öğrenme mimarileri

    MARWAH MUWAFAQ KADHIM AL-MOZANI

    Doktora

    İngilizce

    İngilizce

    2026

    Elektrik ve Elektronik MühendisliğiKarabük Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. HÜSEYİN DEMİREL

  2. Tez No

    611138

    Derin metrik öğrenme ile histopatolojik görüntülerin sınıflandırılması

    Classification of histopathological images with deep metric learning

    MAHMUT KAYA

    Doktora

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HASAN ŞAKİR BİLGE

  3. Tez No

    889287

    Derin öğrenme yöntemleri kullanılarak tornalamada takım seslerinden takım aşınmasının tahmini

    Prediction of tool wear from tool noises in turning using deep learning methods

    RAMAZAN İLENÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Makine MühendisliğiBatman Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SAVAŞ KOÇ

  4. Tez No

    827867

    Classification of abnormal respiratory sounds using deep learning techniques

    Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması

    AHAMADI ABDALLAH IDRISSE

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    DOÇ. DR. OKTAY YILDIZ

  5. Tez No

    931403

    Video klipler ile uyarılan EEG sinyallerinin duygu durum tespitinde yapay öğrenme yöntemlerinin performanslarının karşılaştırılması

    Comparison of the performance of artificial learning methods in detecting emotion from EEG signals evoked by video clips

    SELMA İLKNUR UĞUR

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Nişantaşı Üniversitesi

    Yazılım Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ NESİBE MANAV MUTLU

    DR. ÖĞR. ÜYESİ KÜBRA EROĞLU

Geri Dön