Açıklanabilir yapay zeka ile benign paroksismal pozisyonel vertigo tanısında karar destek sisteminin geliştirilmesi
Developing a decision support system for benign paroxysmal positional vertigo diagnosis with explainable artificial intelligence
- Tez No: 985069
- Danışmanlar: PROF. DR. TARIK ÖZKUL, DR. ÖĞR. ÜYESİ AYDIN TARIK ZENGİN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Sezgisel bulanık mantık, İnsan-yapay zeka etkileşimi, Intuitive fuzzy logic, Human-artificial intelligence interaction
- Yıl: 2025
- Dil: Türkçe
- Üniversite: İstanbul Sabahattin Zaim Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Bilimi ve Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Benign Paroksismal Pozisyonel Vertigo (BPPV), belirli baş hareketleriyle ortaya çıkan kısa süreli baş dönmesi ataklarıyla kendini gösteren yaygın bir periferik vestibüler bozukluktur. Erken tanı, hastaların yaşam kalitesini artırmak ve tedavi sürecini belirlemek açısından kritik önemdedir. Tanı süreci, özellikle nistagmusa ilişkin istemsiz ve ritmik göz hareketlerinin dikkatli değerlendirilmesine bağlıdır. Ancak, göz kapakları veya kirpiklerden kaynaklanan gölgeler gibi çevresel etkiler mevcut tanı yöntemlerinin etkinliğini azaltabilmektedir. Bu çalışma, BPPV tanısında doğruluğu artırmak için en etkili segmentasyon yöntemini araştırmıştır. Bu amaçla YOLOv8, YOLOv11 ve YOLOv12 modelleri kullanılmış; ek olarak Segment Anything Model 2 (SAM2) de karşılaştırmaya dahil edilmiştir. Hareket örüntülerini incelemek için BPPV vakalarına ait video verisine optik akış analizi uygulanmış, elde edilen veriler CNN-GRU hibrit modeliyle dört nistagmus türüne ayrılarak sınıflandırılmıştır. Hekimin karar sürecini desteklemek amacıyla, modele Yavaş Faz Hızı (Slow Phase Velocity, SPV) değerlerine dayalı bulanık mantık yapısı entegre edilmiştir. Analizler, SAM2 tabanlı segmentasyon yaklaşımının %94 doğruluk ile en yüksek başarıyı sağladığını ve sistemin hem teknik doğruluk hem de açıklanabilirlik açısından güçlü bir potansiyel sunduğunu göstermiştir.
Özet (Çeviri)
Benign Paroxysmal Positional Vertigo (BPPV) is a common peripheral vestibular disorder characterized by short episodes of dizziness triggered by specific head movements. Early diagnosis is critical for improving patients' quality of life and guiding appropriate treatment. The diagnostic process largely depends on the careful evaluation of involuntary and rhythmic eye movements associated with nystagmus. However, environmental factors such as eyelid or eyelash shadows may reduce the effectiveness of current diagnostic methods. This study aimed to identify the most effective segmentation method to improve diagnostic accuracy in BPPV. For this purpose, YOLOv8, YOLOv11, and YOLOv12 models were employed, and the Segment Anything Model 2 (SAM2) was also included for comparison. To analyze motion patterns, optical flow was applied to video data of BPPV cases, and the extracted features were classified into four types of nystagmus using a CNN-GRU hybrid model. To support clinical decision-making, a fuzzy logic structure based on Slow Phase Velocity (SPV) values was integrated into the model. The analyses revealed that the SAM2-based segmentation approach achieved the highest accuracy with 94%, demonstrating strong potential in terms of both technical reliability and explainability.
Benzer Tezler
- Melanom cilt kanserinin tespiti için derin öğrenme tabanlı optimize edilmiş ve açıklanabilir aı destekli bir yöntem
Deep learning-based optimized and explaninable ai-supported method for the detection of melanoma skin cancer
ALİAGHA GULİYEV
Yüksek Lisans
Türkçe
2026
Hitit ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. KENAN GENÇOL
- Akciğer kanserinin tespitinde derin öğrenme modellerinin karşılaştırılması
Comparison of deep learning models in detection of lung cancer
YAVUZ PALA
Yüksek Lisans
Türkçe
2025
Mühendislik BilimleriTokat Gaziosmanpaşa ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MÜRSEL ÖNDER
- Anomaly detection in ınternet of medical things using deep learning
Anomaly detect ionin internet of medical things using deep learning
AYŞE BETÜL BÜKEN
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. DEVRİM AKGÜN
- Açıklanabilir yapay zeka ile hukuki metin analizi
Legal text analysis with explainable artificial intelligence
TÜLAY TURAN
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ECİR UĞUR KÜÇÜKSİLLE
- Açıklanabilir yapay zeka ile konut piyasasının geleceğinde veri odaklı kararlar
Data-driven decisions on the future of the housing market with explainable artificial intelligence
HALE UYSAL
Yüksek Lisans
Türkçe
2025
Yönetim Bilişim SistemleriBurdur Mehmet Akif Ersoy ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
PROF. DR. ADNAN KALKAN