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
- Dönemsel yayınlarımızda reklamcılık işlevi ve basının kamuoyu oluşturma görevi ile ilişkisi
Başlık çevirisi yok
NEYLAN GÖNLÜYÜCE
- Erzurum yöresinde, değişik yaş gruplarındaki şahıslarda; üçüncü molar dişlerin görülme oranlarının incelenmesi
Başlık çevirisi yok
ADİL AKYOL
- Doğal yapılaşma ilkelerine dayalı bir biçimlendirme yöntemi
A Formation method based on natural organization
HÜSEYİN YURTSEVER
