Alzheimer ve frontotemporal demans için EEG tabanlı çok modelli analiz
EEG-Based multimodal analysis for alzheimer's disease and frontotemporal dementia
- Tez No: 992037
- Danışmanlar: DOÇ. DR. SERPİL ASLAN
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Malatya Turgut Özal Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Enformatik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Alzheimer hastalığı (AD) ve frontotemporal demans (FTD), benzer klinik belirtiler göstermeleri nedeniyle ayırıcı tanısı zor olan iki demans alt tipidir. Bu çalışmada, EEG sinyallerine dayalı hiyerarşik bir sınıflandırma yaklaşımı önerilmiştir. İlk aşamada hasta–sağlıklı kontrol ayrımı yapılmış, ikinci aşamada ise AD ve FTD sınıfları ayırt edilmiştir. EEG verileri uygun ön işleme adımlarından geçirildikten sonra EEGNet, CNN+LSTM, CNN+BiLSTM, XGBoost ve LightGBM modelleri kullanılarak analiz edilmiştir. Ayrıca, EEGNet ve XGBoost modellerinin bağımsız olarak eğitilip çıktı olasılıklarının ortalamasının alınmasıyla karar düzeyinde bir ensemble model oluşturulmuştur. Deneysel sonuçlar, önerilen ensemble yaklaşımının her iki sınıflandırma aşamasında da tekil modellere kıyasla daha yüksek doğruluk ve F1-skoru sağladığını göstermektedir. Bu bulgular, EEG tabanlı demans tanısı için güvenilir bir karar destek yaklaşımı sunmaktadır.
Özet (Çeviri)
Alzheimer's disease (AD) and frontotemporal dementia (FTD) are two major dementia subtypes with overlapping clinical symptoms, making differential diagnosis challenging. This study proposes an EEG-based hierarchical classification framework. In the first stage, subjects are classified as dementia or healthy controls, followed by a second stage distinguishing AD from FTD. After appropriate EEG preprocessing, multiple models including EEGNet, CNN+LSTM, CNN+BiLSTM, XGBoost, and LightGBM are evaluated. In addition, a decision-level ensemble model is developed by independently training EEGNet and XGBoost and averaging their output probabilities. Experimental results demonstrate that the proposed ensemble approach consistently outperforms individual models in both classification stages in terms of accuracy and F1-score. These findings highlight the effectiveness of combining deep learning and boosting-based methods for robust EEG-based dementia diagnosis.
Benzer Tezler
- Diferansiyel demans teşhisi için biyomimetik derin öğrenme: EEG tabanlı analiz için purkinje hücre modeli ilhamlı bir sinir katmanı
Biomimetic deep learning for differential dementia diagnosis: A purkinje cell model inspired neural layer for EEG-based analysis
SHAFIQ MOHAMED ISMAIL
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BURAK YILMAZ
- Biyomedikal sinyallerin işlenmesine ve sınıflandırılmasına yönelik filtre tasarım yöntemlerinin geliştirilmesi
Developing filter design methods for biomedical signal processing and classification
MEHMET FATİH KARAKAŞ
Doktora
Türkçe
2024
Mühendislik BilimleriErciyes ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. FATMA LATİFOĞLU
- Detection of dementia diseases with deep learning methods
Derin öğrenme yöntemleri ile demans hastalıklarının tespiti
SÜMEYYE KIZILIŞIK
Yüksek Lisans
İngilizce
2025
Mühendislik Bilimleriİzmir Katip Çelebi ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ONAN GÜREN
- Metafor dilinin alzheimer ve davranışsal varyant frontotemporal demans hastalarında olaya ilişkin potansiyeller ve hemodinamik yanıt üzerinden incelenmesi
Investigation of the processing of metaphor language in alzheimer and frontotemporal dementia using event related potentials and hemodynamic response
MERVE DİKMEN
Doktora
Türkçe
2020
Biyofizikİstanbul Medipol ÜniversitesiSinir Bilim Ana Bilim Dalı (disiplinlerarası)
PROF. DR. LÜTFÜ HANOĞLU
- Demanslı hastalarda dil ve bilişsel terapi uygulamalarının etkinliğinin elektroensefalografi (EEG) ile incelenmesi
Investigation with electroencephalografy (EEG) of the effectiveness of language and cognitive therapy applications in dementia patients
DÖNDÜ ÜNSAL