Spiral çizimlerden erken evre Parkinson hastalığı tespiti için açıklanabilir transfer öğrenme: Densenet, inception ve efficientnet üzerine karşılaştırmalı bir çalışma
Explainable transfer learning for early Parkinson's disease detection from spiral drawings: A comparative study of densenet, inception, and efficientnet
- Tez No: 1020502
- Danışmanlar: PROF. DR. TURGUT ÖZSEVEN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Tokat Gaziosmanpaşa Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Parkinson hastalığı (PH), dünya genelinde yaşlanan nüfusla paralel olarak yaygınlığı artan, hem motor hem de motor olmayan semptomlarla karakterize edilen kronik bir nörodejeneratif bozukluktur. Günümüzde hastalığı tamamen iyileştirecek bir tedavi yöntemi henüz bulunmadığından, hastalığın ilerleyişini kontrol altına almak ve hastaların yaşam kalitesini korumak adına erken teşhis hayati bir önem taşımaktadır. Ancak klinik değerlendirmelerdeki sübjektif yapı, nesnel ve güvenilir otomatik tanı sistemlerine olan ihtiyacı artırmaktadır. Bu tez çalışması, spiral çizim testleri üzerinden Parkinson hastalığının erken teşhisi için ince ayarlı derin öğrenme mimarilerinin performansını karşılaştırmaktadır. Araştırmada, sağlıklı birey ve hasta ayrımı yapılmış, 1 632 görsel içeren 'Handwritten Parkinson's Disease Augmented' veri seti kullanılmıştır. Görsellerdeki belirgin özellikleri yakalamak amacıyla önceden eğitilmiş DenseNet201, InceptionV3 ve EfficientNetV2S modellerinden faydalanılmıştır. Bu modellerin standart sınıflandırıcı katmanları çıkarılmış ve yerlerine altı farklı özgün konfigürasyon (Konfigürasyon 1-6) entegre edilmiştir. Bu yeni yapılar; Küresel Ortalama Havuzlama (GAP), farklı derinliklerdeki (128-1024 nöron) tam bağlantılı katmanlar ve aşırı öğrenmeyi önleyen seyreltme (dropout: 0.3-0.5) mekanizmalarından oluşmaktadır. İki aşamalı ince ayar (fine-tuning) stratejisiyle yürütülen deneyler sonucunda, DenseNet201 ve EfficientNetV2S mimarileri %98.37 doğruluk oranı ile en yüksek performansı sergilemiştir. Ayrıca, derin öğrenme modellerinin bir kısıtlaması olan 'kara kutu' (black box) problemini aşmak ve teşhis süreçlerinde klinik güvenilirliği sağlamak amacıyla Grad-CAM ve SHAP tabanlı Açıklanabilir Yapay Zeka (XAI) teknikleri uygulanmıştır. Böylece, modellerin karar alma mekanizmaları tamamen şeffaflaştırılmıştır. Gerçekleştirilen XAI analizleri, modellerin Parkinson'a özgü motor semptomlarına (örneğin titreme ve spiral çizimlerdeki çizgi bozulmaları) dayanarak sınıflandırma kararları verdiğini ortaya koymuştur. Elde edilen sonuçlar, spiral çizim verileriyle tasarlanan derin öğrenme modellerinin, Parkinson hastalığının başlangıç evresinde tespit edilmesi için hem şeffaf hem de güvenilirlikli bir klinik yardımcı olarak kullanılabileceğini ortaya koymaktadır.
Özet (Çeviri)
Parkinson's disease (PD) is a chronic neurodegenerative disorder characterized by both motor and non-motor symptoms, with an increasing prevalence worldwide in parallel with the aging population. Since there is currently no curative treatment for the disease, early diagnosis is of vital importance to control the progression of the disease and preserve the patients' quality of life. However, the subjective nature of clinical evaluations increases the need for objective and reliable automated diagnostic systems.This thesis study compares the performance of fine-tuned deep learning architectures for the early diagnosis of Parkinson's disease using spiral drawing tests. In the research, the distinction between healthy individuals and patients was made using the“Handwritten Parkinson's Disease Augmented”dataset containing 1 632 images; methodologically, pre-trained DenseNet201, InceptionV3, and EfficientNetV2S models were utilized to capture the distinctive features in the images.The standard classifier layers of the models were removed and replaced with six different unique configurations (Configurations 1-6) consisting of Global Average Pooling (GAP), fully connected layers at various depths (128-1024 neurons), and dropout mechanisms (0.3-0.5) to prevent overfitting. As a result of the experiments conducted with a two-stage fine-tuning strategy, the DenseNet201 and EfficientNetV2S architectures exhibited the highest performance with an accuracy rate of 98.37%.Furthermore, in order to overcome the 'black box' problem, which is a limitation of deep learning models, and to ensure clinical reliability in the diagnostic processes, Explainable Artificial Intelligence (XAI) techniques based on Grad-CAM and SHAP were applied. Thus, the decision-making mechanisms of the models were made completely transparent. The conducted XAI analyses revealed that the models made classification decisions based on Parkinson's-specific motor symptoms (e.g., tremor and line distortions in spiral drawings). The obtained results demonstrate that deep learning models designed with spiral drawing data can be used as both transparent and reliable clinical aids for the detection of Parkinson's disease in its initial stage.
Benzer Tezler
- Gelişim nörolojisi polikliniğine başvuran nöral tüp defektli olgularda prospektif bir inceleme
Başlık çevirisi yok
İLKBAHAR EMİNE GÜLTEKİN
Yüksek Lisans
Türkçe
1986
Çocuk Sağlığı ve Hastalıklarıİstanbul ÜniversitesiAile Sağlığı Ana Bilim Dalı
DOÇ. DR. SELÇUK APAK
- Karıştırıcılar ve karıştırma kabındaki akım olaylarının incelenmesi
Başlık çevirisi yok
NADİR İLTEN
Yüksek Lisans
Türkçe
1986
Makine MühendisliğiUludağ ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ.DR. ÖMER SAMİH MERTBAŞ
- Yanal su alma yapılı dolu gövdeli bağlamalarda ayırma duvarının sürüntü maddesine etkisi
Einfluss der trennwaendezur verhütung der seitlichen wasserentnahmen der fasten wehranglagen
TÜLAY ÖZBEK
- Üst ekstremite periferik sinirlerinin travmatik yaralanmalarında cihaz ve atellemeler
Başlık çevirisi yok
SERAP ALSANCAK
- Halothane ve spinal anestezinin transuretral rezeksiyonlarda (T U R) kanama üzerine olan etkisinin karşılaştırılması
Başlık çevirisi yok
CELAL SÖNMEZ