Akademik Veri Yönetim Sistemi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Gazi Üniversitesi, Fen Bilimleri Enstitüsü, Türkiye
Tezin Onay Tarihi: 2019
Tezin Dili: Türkçe
Öğrenci: ZEYNEP CANTEMİR
Danışman: HACER KARACAN
Özet:Alzheimer hastalığı hafıza ve düşünme becerisi kaybına ve beyin hücrelerinin yavaşça tahribatına neden olan geriye döndürülemez ve sürekli ilerleyen yapıda bir nörodejeneratif hastalıktır. Hastalığın teşhisinde en çok kullanılan nörogörüntüleme yöntemlerinden biri klinik değerlendirmenin önemli bir parçası olan manyetik rezonans(MR) görüntülemedir. Alzheimer vakalarında beyindeki formlar farklı hastalıklarla örtüşen örüntülere sahip olabilmektedir. Bu nedenle MR görüntü verilerinden Alzheimer’lı ve sağlıklı beynin ayırt edilerek hastalığın teşhisi zorlu bir görevdir. Bu çalışmadaki gibi zorlu görsel sınıflandırma problemleri için son dönemdeki yaklaşımlar, derin öğrenme metotlarını kullanarak geçmişteki yöntemlere oranla daha güçlü özellik çıkarımı ile sınıflandırma başarısının artırılmasına dayanmaktadır. Bu nedenle hastalığın teşhisinde yardımcı derin öğrenme algoritmalarının kullanılması araştırmacıların bilgisayar destekli doğru ve hızlı teşhis koymasına yardımcı olacaktır. Bu çalışmada, fonksiyonel MR görüntülerindeki desenlerin derin öğrenme mimarilerinden konvolüsyonel sinir ağı ile tespiti ile görüntülerin doğru sınıflandırılması ve teşhisin araştırmacılar için kolaylaştırılması amaçlanmıştır. Veri seti olarak Alzheimer ile ilgili literatürdeki birçok araştırmada standart haline gelmiş ADNI nörogörüntüleme veri tabanının bir alt kümesi kullanılmıştır. Oluşturulan sınıflandırma boru hattına göre öncelikle ham fonksiyonel MR görüntü veri seti üzerinde ön işleme yapılmıştır. Ön işleme aşamasında görüntülerdeki gürültülerin azaltılması, kafatası gibi beyin dokusu harici kısımların çıkarılması, MR görüntüleme sırasında hareket edilmemesi gerektiğinden böyle bir durum söz konusu ise hareket düzeltme işlemleri gibi adımlar FSL analiz aracı ile gerçekleştirilmiştir. Önişleme sonrasında oluşturulan konvolüsyonel sinir ağının eğitimi ile veriden düşükten yüksek seviyeye özelliklerin çıkarımı gerçekleştirilmiş ve daha sonra öğrenilen bu özelliklere göre yapılan sınama sonucunda yüksek sınıflandırma doğruluk oranı elde edilmiştir.