Yazar "Mert, Derya" seçeneğine göre listele

Listeleniyor 1 - 1 / 1
  • Küçük Resim Yok
    Öğe
    Topluluk öğrenme yöntemleri ile beyin MR görüntüleri üzerinden alzheimer tespiti
    (Bursa Teknik Üniversitesi, 2025) Mert, Derya; Özden, Mustafa
    Alzheimer hastalığı, dünya genelinde milyonlarca kişiyi etkileyen, yavaş ilerleyen ve bireyin bilişsel, davranışsal ve motor becerilerini ciddi biçimde bozan nörodejeneratif bir hastalıktır. Demansın en yaygın türü olan Alzheimer, sinir hücrelerinin ve sinapsların hasar görmesi veya ölmesi sonucunda gelişir; bu durum hafıza, dil ve karar verme gibi temel bilişsel işlevlerde gerilemeye yol açar. Hastalığın erken evrelerinde görülen unutkanlık ve dikkat bozukluğu gibi belirtiler, genellikle yaşa bağlı değişikliklerle karıştırıldığı için erken teşhis güçleşmektedir. Alzheimer'ın patolojik temellerini, beyinde biriken beta-amiloid plakları ve tau proteinleri oluşturmaktadır. Bu birikimler sinir hücrelerine zarar vererek, beyin dokusunda küçülmelere ve yapısal deformasyonlara neden olmaktadır. Bu yapısal değişimlerin tespitinde Manyetik Rezonans Görüntüleme (MR) önemli rol oynamaktadır. Ancak erken evrelerdeki ince değişimler klasik görüntüleme yorumlarıyla fark edilemeyecek kadar belirsiz olabildiğinden, geleneksel yöntemler çoğu zaman yetersiz kalmaktadır. Ayrıca bu yöntemlerin uzman yorumuna dayalı olması, süreci subjektif ve zaman alıcı hale getirmektedir. Son yıllarda Yapay Zeka (YZ) ve özellikle Derin Öğrenme (Deep Learning) tabanlı yaklaşımlar, tıbbi görüntü analizinde büyük başarılar elde etmiştir. Görsel örüntü tanımada yüksek performans gösteren Evrişimli Sinir Ağları (Convolutional Neural Networks – CNN), Alzheimer evrelerinin sınıflandırılmasında yaygın biçimde kullanılmaktadır. Bununla birlikte, tek bir CNN modelinin sınırlılıklarını aşmak amacıyla farklı mimarilerin güçlü yönlerini birleştiren Topluluk Öğrenmesi (Ensemble Learning) yöntemleri tercih edilmektedir. Bu çalışmada, bu yaklaşımlardan yığınlama (stacking) yöntemi kullanılmıştır. Araştırmada, Kaggle platformunda yer alan ve Alzheimer'ın dört evresini (Alzheimer Olmayan, Çok Hafif, Hafif ve Orta Derecede Alzheimer) içeren açık erişimli MR veri seti kullanılmıştır. Veri seti dengeli şekilde eğitim, doğrulama ve test kümelerine ayrılmıştır. Önceden büyük veri kümelerinde eğitilmiş AlexNet, DenseNet, ResNet, GoogleNet, EfficientNet, MobileNet ve VGG16 modelleri, transfer öğrenme yöntemiyle yeniden eğitilmiş ve performansları doğruluk, F1 skoru, AUC-ROC ve log-loss metrikleriyle karşılaştırılmıştır. Elde edilen model çıktıları, yığınlama yöntemiyle birleştirilerek genel başarımı artıran bir meta model oluşturulmuştur. Modelin karar verme süreçlerini açıklamak amacıyla Grad-CAM (Gradient-weighted Class Activation Mapping) yöntemi uygulanmıştır. Grad-CAM haritaları, modellerin Alzheimer'a özgü beyin bölgelerine özellikle hipokampüs ve temporal lob odaklandığını göstermiştir. Bu bulgu, modelin yalnızca istatistiksel değil, aynı zamanda nörolojik olarak anlamlı kararlar verebildiğini kanıtlamaktadır. xviii Sonuçlar, transfer öğrenme kullanılan CNN modellerinin sıfırdan eğitilen modellere göre daha başarılı olduğunu; topluluk öğrenmesinin ise bireysel CNN mimarilerinden daha yüksek doğruluk sunduğunu ortaya koymuştur. Geliştirilen sistem, Alzheimer teşhisinde yaklaşık %98 doğruluk oranına ulaşarak, tıbbi görüntüleme tabanlı karar destek sistemleri için güvenilir ve açıklanabilir bir araç olduğunu göstermiştir. Bu çalışma hem teknik performans hem de klinik uygulanabilirlik açısından Alzheimer teşhisine yenilikçi bir katkı sağlamaktadır.