Geri Dön

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

PDF İndir

  1. Tez No: 912657
  2. Yazar: MEHMET EMRE SERTKAYA
  3. Danışmanlar: PROF. DR. BURHAN ERGEN
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Biyomedikal uygulamalar, Görüntü analizi, Görüntü bölütleme, Görüntü işleme, Görüntü işleme algoritmaları, Görüntü işleme yöntemleri, Görüntü sınıflandırma, Görüntü tanıma, Yapay sinir ağları, Yapay zeka, Biomedical applications, Image analysis, Image segmentation, Image processing, Image processing algorithms, Image processing methods, Image classification, Image recognition, Artificial neural networks, Artificial intelligence
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Fırat Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Alzheimer hastalığının erken teşhisi ve evrelerinin belirlenmesi, hastalığın ilerlemesini yavaşlatmak ve hastaların yaşam kalitesini artırmak açısından büyük bir öneme sahiptir. Bu tez, makine öğrenmesi ve derin öğrenme yöntemleri kullanarak Alzheimer teşhis ve sınıflandırma doğruluğunu artırmayı amaçlamaktadır. Çalışmada, OASIS ve ADNI veri setlerinden elde edilen MRI görüntüleri ve biyobelirteç verileri kullanılmıştır; örneklem Alzheimer, MCI ve sağlıklı bireylerden oluşmaktadır. İlk olarak, ağaç tabanlı algoritmalar (Karar Ağacı, Rastgele Orman, Gradient Boosting vb.) ile bir sınıflandırma sistemi geliştirilmiş ve Gradient Boosting algoritması %91.55 doğruluğa ulaşarak en başarılı sonuçları vermiştir. Ardından, çeşitli özellik çıkarım yöntemleri ile MMSE, CDR ve SES gibi parametrelerin teşhis doğruluğunu artırmada önemli olduğu belirlenmiştir. Gradyan tabanlı filtreler ile iyileştirilen MR görüntüleri, DenseNet201 modeli kullanılarak %98.63 doğrulukla sınıflandırılmıştır. Vision Transformer tabanlı model ise Alzheimer-Normal ve Alzheimer-MCI gibi sınıflandırmalarda %85-%92.5 doğruluğa ulaşarak başarılı sonuçlar vermiştir. Diğer çalışmalarda, Ridge Özellik Seçimi ile optimize edilen hibrit bir model %98.99 doğruluğa ulaşmış ve Otsu eşikleme yöntemi ile görüntü segmentasyonu gerçekleştirilmiştir. Ayrıca, SMA ile optimize edilen ResNet tabanlı model %97.48 doğruluk sağlamış, özellikle MCI sınıfında yüksek performans göstermiştir. Son olarak, mRMR ile optimize edilmiş VGGNet tabanlı bir model, dört sınıf ayrımında %98.59 doğruluğa ulaşmış, özellikle orta derecede demans sınıfında %100 doğruluk ile dikkat çekmiştir. Bu sonuçlar, Alzheimer teşhisinde önerilen yöntemlerin yüksek doğruluk ve etkinlik sunduğunu göstermekte ve literatüre katkı sağlamaktadır.

Özet (Çeviri)

Early diagnosis and identification of the stages of Alzheimer's disease is of great importance to slow down the progression of the disease and improve the quality of life of patients. This thesis aims to improve Alzheimer's diagnosis and classification accuracy using machine learning and deep learning methods. The study utilizes MRI images and biomarker data from OASIS and ADNI datasets; the sample consists of Alzheimer's, MCI and healthy individuals. First, a classification system was developed with tree-based algorithms (Decision Tree, Random Forest, Gradient Boosting, etc.) and the Gradient Boosting algorithm gave the most successful results with an accuracy of 91.55%. Then, with various feature extraction methods, it was determined that parameters such as MMSE, CDR and SES are important in increasing the accuracy of identification. MR images enhanced with gradient-based filters were classified with 98.63% accuracy using the DenseNet201 model. The Vision Transformer-based model, on the other hand, achieved 85%-92.5% accuracy in classifications such as Alzheimer-Normal and Alzheimer-MCI. In other studies, a hybrid model optimized with Ridge Feature Selection achieved 98.99% accuracy and performed image segmentation with Otsu thresholding method. In addition, the ResNet-based model optimized with SMA achieved 97.48% accuracy and performed particularly well in the MCI class. Finally, a VGGNet-based model optimized with mRMR achieved 98.59% accuracy in four class discriminations, with 100% accuracy, especially in the moderate dementia class. These results show that the proposed methods offer high accuracy and efficiency in Alzheimer's diagnosis and contribute to the literature.

Benzer Tezler

  1. Tez No

    918303

    Radyolojik görüntülerde kanser alt tiplerinin ve genotiplerinin derin öğrenme yöntemleri kullanılarak sınıflandırılmasının geliştirilmesi

    Enhancing classification of cancer subtypes and genotypes using deep learning on radiological images

    NESLİHAN GÖKMEN İNAN

    Doktora

    Türkçe

    Türkçe

    2024

    İstatistikMimar Sinan Güzel Sanatlar Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. OZAN KOCADAĞLI

    PROF. DR. CHUNLEİ LIU

  2. Tez No

    945247

    Developing a smart method for real -time brain tumor localization and segmentation on ct ımages using hybrid techniques and yolo

    Hibrit teknikler ve yolo kullanilarak bt görüntülerinde gerçek zamanli beyin tümörü lokalizasyonu ve segmentasyonu için akilli bir yöntem geliştirilmesi

    NUSAIBAH KHALID ABDULMAJEED AL-SALIHI

    Doktora

    İngilizce

    İngilizce

    2025

    Elektrik ve Elektronik MühendisliğiÇukurova Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ULUS ÇEVİK

    PROF. DR. TURGAY İBRİKÇİ

  3. Tez No

    847190

    Prediction of COVID 19 disease using chest X-ray images based on deep learning

    Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini

    ISMAEL ABDULLAH MOHAMMED AL-RAWE

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADEM TEKEREK

  4. Tez No

    991338

    Makine öğrenmesi ve derin öğrenme teknikleri kullanılarak beyin tümörünün tespiti için hibrit bir model geliştirilmesi

    Developing a hybrid model for brain tumor detection using machine learning and deep learning techniques

    MEHR ALI QASIMI

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Bilişim Teknolojileri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ZÜLEYHA YILMAZ ACAR

  5. Tez No

    994665

    Epileptik nöbet belirtilerinin tespiti: EEG sinyallerinin dalgacık dönüşümleri ve transformer modelinin rolü

    Detection of epileptic seizure symptoms: The role of wavelet transforms of EEG signals and the transformer model

    ALİ DEMİR

    Yüksek Lisans

    Türkçe

    Türkçe

    2026

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Teknoloji ve Bilgi Yönetimi Ana Bilim Dalı

    DOÇ. DR. MESUT TOĞAÇAR

Geri Dön