Alzheimer disease classification using deep learning
Derin öğrenme ile alzheımer hastalığı sınıflandırma
- Tez No: 849092
- Danışmanlar: DR. ÖĞR. ÜYESİ NEHAD T.A RAMAHA
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Karabük Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Alzheimer hastalığı, orta düzeyde zihinsel bozulmaya neden olan nörolojik bir durumdur. Alzheimer hastalığının kesin tanısı, hastaların ve ailelerinin yaşam kalitesini artırmak, hastalığın ilerlemesini hafifletmek ve yeni terapötik müdahalelerin klinik denemeleri için adayları tanımlamak için önemlidir. Bu çalışmada, derin öğrenme çerçevelerinin, 12.800 örneği içeren bir veri kümesi kullanılarak X-ray bölümü verilerini kullanarak Alzheimer hastalığı aşamalarını kesin olarak tahmin etme yeteneği incelenmektedir. Dört algoritma denedik ve MobileNet ve CNN'nin, performans açısından DenseNet ve Inception v3 modelini geride bıraktığını bulduk. Bu çalışmanın bulguları, derin öğrenme algoritmalarının erken Alzheimer hastalığını tespit etmek için kullanılabileceğini göstermektedir. Yöntemlerin etkinliği doğruluk, duyarlılık, F-ölçümü ve kesinlikle ölçülmüştür. Önerilen model, MobileNet ve CNN, %95,92'lik bir başarı puanı ile en yüksek doğruluğa ulaşır. Bu eksikliklere rağmen, çalışmanın umut verici bulguları, derin öğrenmenin Alzheimer hastalığını erken evrede tanımak için kullanılabileceğini önermektedir. Bu bulguları doğrulamak için daha fazla araştırma gerekmektedir, böylece daha etkili ve verimli erken Alzheimer hastalığı teşhisleri için öğrenme algoritmaları geliştirilebilir. Alzheimer hastalığının erken teşhisi birçok nedenle önemlidir. Hastaların ve ailelerinin daha yüksek bir yaşam kalitesine sahip olmaları bir avantaj olabilir. İkincisi, hastalığın ilerlemesini geciktirmeye yardımcı olabilir. Üçüncüsü, yeni ilaçların klinik denemelerine katılmak için hastaları seçmede yardımcı olabilir.
Özet (Çeviri)
Alzheimer's disease is a neurological condition that causes moderate mental deterioration. A precise diagnosis of Alzheimer's disease is essential for enhancing the quality of life for patients and their families, mitigating the progression of the illness, and identifying candidates for clinical trials of novel therapeutic interventions. In this study, we look at the capability of deep learning frameworks to precisely foresee Alzheimer's sickness stages utilizing X-ray division information by using Multi-classification brain MRI with a dataset comprising 12,800 samples. We tried four algorithms and found that MobileNet and CNN outperformed DenseNet, and Inception v3 model with regards to execution. The discoveries of this study demonstrate the way that deep learning algorithms could be utilized to detect early Alzheimer's infection. The methods' efficacy is measured by precision, recall, F-measure, and accuracy. The proposed model, MobileNet and CNN achieves the highest accuracy with a 95.92% score. Notwithstanding these inadequacies, the review's hopeful discoveries propose that deep learning could be utilized to recognize Alzheimer's sickness at the beginning phase. More exploration is expected to approve these discoveries to foster further learning algorithms for early Alzheimer's disease findings that are more viable and proficient. Early discovery of Alzheimer's illness is vital for various reasons. A more significant level of living for patients and their families can be an advantage. Second, it might help to postpone the movement of the infection. Third, it can help in choosing patients to partake in clinical preliminaries of new drugs.
Benzer Tezler
- HYBRID ENSEMBLE DEEP LEARNING FRAMEWORK WITH SNAKE AND EVO OPTIMIZATION FOR MULTICLASS CLASSİFİCATION OF ALZHEIMER'S DISEASE USING MRI NEUROIMAGING
MRI NÖROGÖRÜNTÜLEME KULLANILARAK ALZHEIMER HASTALIĞININ ÇOK SINIFLI SINIFLANDIRILMASI İÇİN SNAKE VE EVO OPTİMİZASYONLU HİBRİT TOPLULUK DERİN ÖĞRENME ÇERÇEVESİ
AREJ MASOD RAJAB ALHAGI
Doktora
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. OĞUZ ATA
DOÇ. DR. SEFER KURNAZ
- Derin öğrenme yöntemleri ile Alzheimer hastalığının tespiti ve sınıflandırılması
Detection and classification of Alzheimer's disease using deep learning methods
FİRDEVS SÜMEYYE ÇELENLİ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMalatya Turgut Özal ÜniversitesiEnformatik Ana Bilim Dalı
DOÇ. DR. HARUN BİNGÖL
- 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
- Hibrit derin öğrenme yöntemleri ile beyin görüntüleri ve klinik özellikleri kullanılarak Alzheimer hastalığı sınıflandırması ve derecelendirilmesi
Classification and rating of Alzheimer's disease by using brain images and clinical features with hybrid deep learning methods
MEHMET EMRE SERTKAYA
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BURHAN ERGEN
- A reliable alzheimer's disease classification system using a structural MRI dataset
Yapısal manyetik rezonans görüntüleme (MRG) veri seti kullanılarak güvenilir bir alzheimer hastalığı sınıflandırma sistemi
ABDUALLAH DAMASH
Yüksek Lisans
İngilizce
2026
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. İLKAY ULUSOY