Alzheimer teşhisinde veri dengeleme yöntemlerinin performans analizi ve değerlendirilmesi
An evaluation of data balancing techniques for improved performance in Alzheimer's disease diagnosis
- Tez No: 986343
- Danışmanlar: DOÇ. DR. YAHYA DOĞAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Siirt Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Alzheimer hastalığının erken teşhisi, tedavi sürecinin etkinliği açısından büyük önem taşımaktadır. Ancak tıbbi görüntüleme verilerinde sınıf dengesizliği, makine öğrenmesi ve derin öğrenme tabanlı sınıflandırma modellerinin başarısını olumsuz etkileyebilmektedir. Bu tez çalışması, Alzheimer hastalığına ilişkin Manyetik Rezonans Görüntüleme (MRI) verileri üzerinde veri dengesizliği problemini çözmek amacıyla üç farklı sentetik veri üretim yöntemi olan SMOTE, ADASYN ve Conditional GAN (CGAN) yaklaşımlarını karşılaştırmalı olarak incelemektedir. Çalışmada, Kaggle platformundan elde edilen ve dört sınıfa (Non-Demented, Very Mild Demented, Mild Demented, Moderate Demented) ayrılmış Alzheimer MRI veri seti kullanılmıştır. Veriler ön işlem aşamalarından geçirildikten sonra, her bir dengeleme yöntemi için aynı mimariye sahip 2D CNN tabanlı bir sınıflandırma modeli eğitilmiş ve bu modellerin performansı doğruluk, hassasiyet, duyarlılık ve F1-skoru gibi metrikler ile değerlendirilmiştir. Sonuçlar, kullanılan dengeleme tekniklerinin hem sayısal hem de görsel analizler açısından sınıflandırma performansı üzerinde önemli etkileri olduğunu ortaya koymuştur. Bu tez çalışmasının, dengesiz veri probleminin çözümüne yönelik katkı sağlaması ve tıbbi görüntüleme alanındaki derin öğrenme tabanlı sınıflandırma çalışmalarına rehberlik etmesi amaçlanmaktadır.
Özet (Çeviri)
Early diagnosis of Alzheimer's disease is of critical importance for ensuring the effectiveness of the treatment process. However, class imbalance in medical imaging data can negatively affect the performance of machine learning and deep learning–based classification models. This thesis investigates the class imbalance problem in Alzheimer's disease by comparatively analyzing three different synthetic data generation techniques SMOTE, ADASYN, and Conditional GAN (CGAN) applied to Magnetic Resonance Imaging (MRI) data. The study utilizes an Alzheimer's MRI dataset obtained from the Kaggle platform, consisting of four classes: Non-Demented, Very Mild Demented, Mild Demented, and Moderate Demented. After preprocessing, a 2D CNN-based classification model with an identical architecture was trained separately for each balancing method, and model performance was evaluated using metrics such as accuracy, precision, recall, and F1-score. The results demonstrated that the applied balancing techniques had significant effects on classification performance from both numerical and visual perspectives. This thesis aims to contribute to addressing the class imbalance problem and to serve as a guide for deep learning–based classification studies in the field of medical imaging.
Benzer Tezler
- Hastalık teşhisinde sınıflandırma ve açıklanabilir yapay zekânın kullanılması
Classification and use of explainable artificial intelligence in disease diagnosis
HALİL ERDİNÇ KALAFAT
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBurdur Mehmet Akif Ersoy ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET BİLEN
- MR görüntüleri ve derin öğrenme algoritmaları kullanılarak Alzheimer hastalığının tanısı ve sınıflandırılması
Diagnosis and classification of Alzheimer's disease using MRI images and deep learning algorithms
UMUT SARAY
Doktora
Türkçe
2024
Mekatronik Mühendisliğiİzmir Demokrasi ÜniversitesiMühendislik Bilimleri Ana Bilim Dalı
PROF. DR. UĞUR ÇAVDAR
- Parkinson hastalığının teşhisinde derin öğrenme yöntemi ile spect görüntü analizi
Spect image analysis with deep learning method for diagnosis of parkinson's disease
OKAN ALKAN
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAğrı İbrahim Çeçen ÜniversitesiMatematik Ana Bilim Dalı
DOÇ. DR. AYTÜRK KELEŞ
- Predicting alzheimer's disease using adaptive neuro fuzzy inference system
Alzheımer hastalığının uyarlanmış neuro fuzzy sonuç çıkarım sistemleriyle önceden tahmin edilmesi
ONUR ÇIKRIKÇILI
Yüksek Lisans
İngilizce
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgi Teknolojileri Ana Bilim Dalı
PROF. DR. ADEM KARAHOCA
- Manyetik rezonans görüntüleri kullanılarak çevrimsel çekişmeli üretici ağ destekli alzheimer teşhisi
Cycle generative adversarial network-assisted alzheimer's disease diagnosis using magnetic resonance images
SEDA COŞKUN ELİKÜÇÜK
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSiirt ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ VOLKAN MÜJDAT TİRYAKİ