4b Fmrı Tabanlı Alzheimer Hastalığının Ön Tespiti için 3b-capsnet ve Rnn Modellerinin Kullanılması

No Thumbnail Available

Date

2024

Authors

Dalveren, Gonca Gökçe Menekşe
Dalveren, Gonca Gökçe Menekşe

Journal Title

Journal ISSN

Volume Title

Publisher

Open Access Color

OpenAIRE Downloads

OpenAIRE Views

Research Projects

Organizational Units

Organizational Unit
Information Systems Engineering
Information Systems is an academic and professional discipline which follows data collection, utilization, storage, distribution, processing and management processes and modern technologies used in this field. Our department implements a pioneering and innovative education program that aims to raise the manpower, able to meet the changing and developing needs and expectations of our country and the world. Our courses on current information technologies especially stand out.

Journal Issue

Abstract

Alzheimer hastalığının (AH) ilerlemesinin erken tahmini, bilişsel gerilemenin daha etkili bir şekilde yavaşlatılmasına yardımcı olabilmektedir. Dinlenme durumu fonksiyonel manyetik rezonans görüntüleme (dd-fMRG) kullanılarak otomatik AH tanısı için evrişimli sinir ağlarına (ESA) dayalı farklı yöntemlerin uygulanmasına yönelik çeşitli çalışmalar yapılmıştır. Bu çalışmalarda tanıtılan yöntemler iki büyük zorlukla karşılaşmaktadır. Birincisi, fMRG veri kümeleri küçük boyutta olduğundan aşırı uyum gözlemlenebilmektedir. İkincisi, fMRG oturumlarının 4 boyutlu (4B) bilgilerinin verimli bir şekilde modellenmesi gerekmektedir. Çalışmalardan bazıları, derin öğrenme yöntemlerini, 4B bilgiyi modellemek için fMRG verilerinden oluşturulan fonksiyonel bağlantı matrislerine veya ayrı 2B dilimler veya 3B hacimler olarak fMRG verilerine uygulamıştır. Ancak bu durumun her iki yöntem türünde de bilgi kaybına neden olduğu gözlemlenmiştir. Bu çalışmada, AD tanısı için fMRG verilerinin uzay-zamansal (4B) bilgilerini modellemek amacıyla Kapsül ağı (CapsNet) ve tekrarlayan sinir ağını (RNN) temel alan yeni bir model önerilmektedir. Önerilen modelin etkinliğini değerlendirmek için deneyler yapılmıştır. Sonuçlara göre, önerilen modelin AH’na karşı normal kontrol (NK) ve geç hafif bilişsel bozukluk (GHBB) ile erken hafif bilişsel bozukluk (EHBB) sınıflandırma görevlerinde sırasıyla %94.5 ve %61.8 doğruluk elde edebildiği görülmüştür.

Description

Keywords

Turkish CoHE Thesis Center URL

Fields of Science

Citation

WoS Q

N/A

Scopus Q

N/A

Source

Turkish Journal of Science & Technology

Volume

19

Issue

1

Start Page

223

End Page

235

Collections