DERİN ÖĞRENME TEKNİKLERİ KULLANARAK PARMAK, EL VE TİTREME VERİLERİYLE PARKİNSON HASTALIĞININ SINIFLANDIRILMASI
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: İstanbul Medipol Üniversitesi, Fen Bilimleri Enstitüsü, ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2023
Tezin Dili: İngilizce
Öğrenci: BEYZA GÜL
Eş Danışman: KOCATÜRK Mehmet, GÜNTÜRK Bahadır Kürşat
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Sinir hücreleri tahribatı sonucunda nörolojik olarak gelişen Parkinson hastalığı, konuşma, düşünme, davranış, motor refleksleri gibi günlük hayatta kullanılan fonksiyonların çoğunu etkilemektedir. Hastalığın ilerleyen evrelerinde hasta kabiliyetlerinin belirli kısmını veya tamamını kaybedebilmektedir. Yaşa bağlı olarak gelişen hastalık ilerleyen yaşlarda daha yaygın olarak görülmektedir, fakat günümüzde hastalığın görülme yaşı giderek öne gelmektedir. Parkinson hastalığının teşhisi kolay yapılamamaktadır. Hastalık geçmişi göz önünde bulundurularak hastanın şikayetleri uzman görüşüyle değerlendirilmekte ve nörolojik tetkik gibi yöntemler kullanılmaktadır. Günümüzde ilerleyen teknolojinin gelişmelerle araştırmacılar makine öğrenmesi ve derin öğrenme yöntemleri kullanarak hastalığın daha doğru bir şekilde saptanması üzerine çalışmalar yapmaktadır. Konuşma zorluğu, düşünme-davranış fonksiyonların kısmen veya tamamen kaybolmasına neden olan, gündelik yaşantıyı olumsuz yönde etkileyen ve kesin bir tedavisi olmayan nöro-dejeneratif Parkinson hastalığının erken teşhisi, sınıflandırması ve doktorlara destek sistem geliştirilmesi hedeflenmektedir. Modelimizde, derin öğrenme teknikleriyle ile el-parmak hareketleri görüntüleri ve tremor sinyalleri kullanılarak hastalığın erken ve doğru teşhis edilebilmesine katkı sağlanmaya çalışılmıştır. Tek boyutlu CNN ve LSTM yapıları kullanılarak görüntü ve sinyal verilerini analiz etmek için derin sinir ağı modeli oluşturulmuştur. Python programlama dili ve Keras kütüphanesi ile optimize edilerek performansı ölçülmüştür. Az, orta ve yüksek olmak üzere üç sınıfta değerlendirilen model %62,8 test seti doğruluk değerine ulaşmıştır. Çalışmanın amacı hem araştırmacılara hem de bu alanla ilgili herkese Parkinson hastalığı konusunda derin öğrenme teknikleri kullanılarak geliştirilebilecek modeli anlatmak ve bu alanda çalışılması muhtemel konuları vermektir. Çalışma beş bölümde ele alınmıştır. İlk kısımda yapılan çalışmaya dair genel bilgilere yer verilmiştir. İkinci kısımda Parkinson hastalığı, UPDRS skalası, yapay zekâ gibi teorik bilgilerle Parkinson hastalığı ile ilgili literatürdeki yapay zeka çalışmaları sunulmuştur. Bu kısımda sağlık alanında yapay zekâ çalışmaları ve Parkinson özelinde çalışmaların detaylarına yer verilmiştir. Üçüncü kısımda uygulamada kullanılan yöntemler detaylandırılarak tanıtılmıştır. Bunlar veri toplama, sinyal çıkarma, ön işleme ve sınıflandırma olarak beş başlıkta incelenmiştir. Dördüncü kısımda sonuçlar görselleştirilmiştir. Son kısımda ise elde edilen performans değerleri yorumlanarak değerlendirme yapılmıştır. Çalışmanın sonuçlarını geliştirmek ve gelecek çalışmalara yönelik önerilerde bulunulmuştur.