Geri Dön

Alzheimer hastalığının farklı düzeylerinin sınıflandırılmasında yapay zeka ve logit regresyon modellerinin karşılaştırılması

Comparison of artificial intelligence and logit regression models in the classification of different levels of alzheimer's disease

PDF İndir

  1. Tez No: 799221
  2. Yazar: NURGÜL BULUT
  3. Danışmanlar: PROF. DR. KEVSER SETENAY ÖNER
  4. Tez Türü: Doktora
  5. Konular: Biyoistatistik, Biostatistics
  6. Anahtar Kelimeler: Alzheimer Hastalığı, Yapay Zeka, Makine Öğrenmesi, Ulusal Alzheimer Koordinasyon Merkezi, Demans, Logit modeli, Regresyon analizi, Sınıflandırma, Alzheimer's Disease, Artificial Intelligence Machine Learning, National Alzheimer's Coordinating Center, Alzheimer disease, Dementia, Logit model, Machine learning, Regression analysis, Classification, Artificial intelligence
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Eskişehir Osmangazi Üniversitesi
  10. Enstitü: Sağlık Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Biyoistatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Amaç: Demans türleri içinde en sık görülen Alzheimer hastalığı (AH) geri dönüşünü olmayan nörodejenaratif bir hastalıktır. Erken evrelerde tedaviye başlamak günlük işleyişin bir süre korunmasına yardımcı olmaktadır. Tanı için klinik bulgular, görüntüleme yöntemleri, laboratuvar incelemeleri, genetik testler ve nöropsikolojik envanterler, yapay zeka modellerinde hastalığın tespit edilmesine yardımcı olmaktadır. Bu amaçla, AH tanısında kullanılan envanter ve ölçümlerle lojit ve farklı makine öğrenmesi algoritmalarıyla hastalık seviyelerini belirlemek içim modeller kuruldu ve performans ölçütlerine göre değerlendirildi. Farklı senaryolu model sonuçlarının, AH düzeylerini sınıflandırması ve literatüre önerilmesi amaçlandı. Yöntem: Ulusal Alzheimer Koordinasyon Merkezi (NACC) veri tabanından hastalara ait demografik, genetik, nörobilişsel envanter sonuçları ve bunlara eklenen MRG tarayıcılarından hesaplanan beyin hacim/kalınlık ölçümleriyle AH'nin 4 farklı sıralı düzeylerini çoklu karşılaştırma için ince ayarlı farklı mimarili Sıralı Lojistik Regresyon, Rastgele Orman, Gaussian Naive Bayes, XGBoost, LightGBM ve Derin Sinir Ağı modelleri kuruldu. Eğitim ve test veri setleri için ayrılan modellerde, MRG ölçümleri için boyut indirgeme yöntemlerinden LLE ve her sınıftaki örnek sayısının dengesiz dağılımı sorununu gidermek için SMOTE teknikleri kullanıldı. Bulgular: Geliştirilen modellerin doğruluk oranı, F1 skoru, AUC değeri ve her bir sınıfa ait duyarlılık, özgüllük, kesinlik performans ölçütleri arasında benzerlikler olsa da AH düzeylerini en yüksek oranda sınıflayan SMOTE uygulanmayan Rastgele Orman modeli olduğu bulundu (F1 skoru: 0,86; doğruluk: 0,86 ve AUC: 0,95). Sonuç: Alzheimer hastalığının farklı düzeylerini tahmin etmek için uygun maliyetli ve yaygın kullanılan invaziv olmayan belirteçlerle erken tedavide riskli şüpheli hastaları belirlemek için NACC veri tabanlı makine öğrenmesi metodolojilerimiz kullanılabilir.

Özet (Çeviri)

Aim: Alzheimer's disease (AD), the most common type of dementia, is an irreversible neurodegenerative disease. Starting treatment in the early stages contributes to the maintenance of daily functioning for a certain period of time. For the diagnosis, clinical findings, imaging methods, laboratory examinations, genetic tests and neuropsychological inventories are used to facilitate the detection of the disease with artificial intelligence models. For this purpose, models were established to determine disease levels with the inventory and measurements used in the diagnosis of AD, logit and different machine learning algorithms, and were evaluated according to performance criteria. The aim of this dissertation is to classify the AD levels of the model results with different scenarios and to suggest them to the literature. Methods: Ordinal Logistics Regression, Random Forest, Gaussian Naive Bayes, XGBoost, LightGBM and Deep Neural Network models were established, with different architectures fine-tuned for multiple comparisons of 4 different sequential levels of AD using demographic, genetic, neurocognitive inventory results of patients in the National Alzheimer's Coordination Center (NACC) database and brain volume/thickness measurements calculated from MRI scanners added to them. In models reserved for training and test datasets, LLE, one of the size reduction methods for MRI measurements, and SMOTE techniques were used to address the problem of the uneven distribution of the number of samples in each class. Results: Although there were similarities between the accuracy rate, F1 score, AUC value, and sensitivity, specificity, and precision performance measures of each class, it was found that the Random Forest model without SMOTE was the highest classification for AD levels (F1 score: 0.86; accuracy: 0.86 and AUC: 0.95). Conclusions: NACC data-based machine learning methodologies can be used to identify suspected patients in early treatment with cost-effective and widely used non-invasive markers to predict different levels of AD.

Benzer Tezler

  1. Tez No

    944934

    Alzheimer hastalığının sınıflandırılmasında farklı makine öğrenmesi algoritma performanslarının incelenmesi

    Investigation of different machine learning algorithm performances in the classification of Alzheimer's disease

    İREM KÜÇÜK

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    BiyomühendislikDüzce Üniversitesi

    Elektrik-Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ PINAR DENİZ TOSUN

  2. Tez No

    983585

    The regulatory role of MiR-711 in amyloid beta induced neuroinflammation mediated by NLRP3 inflammasome complex

    NLRP3 ınflamazom kompleksi aracılığıyla düzenlenen amiloid beta kaynaklı nöroinflamasyonda MiR-711'in düzenleyici rolü

    ZEYNEP DİLHAN ÜN

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Genetikİstanbul Medeniyet Üniversitesi

    Moleküler Biyoloji ve Genetik Ana Bilim Dalı

    DOÇ. DR. NAGEHAN ERSOY TUNALI

  3. Tez No

    818583

    Development of mirna biomarkers for the differentiation between gingivitis and periodontitis: A pilot study

    Gingivitis ve periodontitis ayrımı için mirna biyobelirteçlerinin geliştirilmesi: Pilot çalışma

    DHAFIR LATIEF FAYADH FAYADH

    Doktora

    İngilizce

    İngilizce

    2023

    BiyokimyaSüleyman Demirel Üniversitesi

    Kimya Ana Bilim Dalı

    PROF. DR. MUSTAFA CALAPOĞLU

  4. Tez No

    427665

    Alzheimer tipi demans ve koroner arter hastalarında asetilkolinesteraz gen ekspresyonu ve bazı biyomarkır düzeylerinin belirlenmesi ve asetilkolinesteraz enzim aktivitesinin belirlenerek bazı fenolik bileşiklerin bu enzim aktivitesi üzerine in vitro etkilerinin incelenmesi

    Determination of some biomarker levels and acetylcholinesterase gene expression in patients alzheimer's type dementia and coronary artery, and investigation of the effect in vitro on this enzyme activity of some phenolic compounds, by determining the acetylcholinesterase activity

    MESUT IŞIK

    Doktora

    Türkçe

    Türkçe

    2015

    BiyokimyaAtatürk Üniversitesi

    Kimya Ana Bilim Dalı

    PROF. DR. ŞÜKRÜ BEYDEMİR

  5. Tez No

    344231

    Farklı dejeneratif demans hastalarında oksidatif hasar: Alzheimer hastalığında oksidatif makromolekül hasarının ve onarımının incelenmesi

    Oxidative damage in different degenerative dementia patients: Evaluation of the oxidative macromolecular damage and repair in Alzheimer's disease

    GAMZE TUNA

    Doktora

    Türkçe

    Türkçe

    2013

    BiyokimyaDokuz Eylül Üniversitesi

    Biyokimya Ana Bilim Dalı

    PROF. DR. G. HÜRAY İŞLEKEL

    PROF. DR. F. GÜLDAL KIRKALI

Geri Dön