Parkinson hastalığı teşhisi için makine öğrenmesi tabanlı yeni bir yöntem

Basit Öğe Kaydı
dc.authorid0000-0002-5583-0517
dc.authorid0000-0002-0636-8645
dc.authorid0000-0002-1290-3704
dc.authorid0000-0003-0673-4454
dc.contributor.authorEsmer, Sadullah
dc.contributor.authorUçar, Muhammed Kürşad
dc.contributor.authorÇil, İbrahim
dc.contributor.authorBozkurt, Mehmet Recep
dc.date.accessioned2021-06-23T18:26:12Z
dc.date.available2021-06-23T18:26:12Z
dc.date.issued2020
dc.departmentBAİBÜ, Mühendislik Fakültesi, Elektrik Elektronik Mühendisliği Bölümüen_US
dc.description.abstractParkinson hastalığı (PH), dopamin üreten beyin hücrelerinin ölmesiyle ya da zarar görmesiyle ortaya çıkan bir beyin hastalığıdır. Böyle bir durumda, beyin normal fonksiyonlarını yerine getiremez. PH, konuşma, yürüme ve yazma gibi insan hareketlerini olumsuz olarak etkiler. Bu hastalığın teşhisinde detaylı tıbbi öykü, geçmiş tedavi öyküsü, fiziksel testler ve bazı kan testleri ile beyin filmleri istenilmektedir. Bu işlemler maliyetli ve meşakkatli olabildiği için daha az maliyetli ve daha kolay yapılabilen teşhis bu noktada önem kazanmaktadır. Bu çalışmada doktorun kararına destek olabilmesi için 252 bireyden alınan ses verileri ile PH’ın teşhis edilebilmesi amaçlanmıştır. Verilerden daha iyi sonuç alabilmek için bazı ön işlemler uygulanmıştır. Verilerde dengeleme işlemi yapılmış ve sistematik örnekleme metodu ile işleme alınacak veriler belirlenmiştir. Öznitelik seçme algoritması ile özniteliklerin etiket üzerindeki etki gücü hesaplanıp bazı veri grupları oluşturulmuştur. Sınıflandırma algoritmalarından Karar ağacı, Destek Vektör Makineleri ve K En Yakın Komşu Algoritması kullanılıp, performans değerlendirme kriterleri - bunlar; Doğruluk Oranı, Duyarlılık, Özgünlük, F-Ölçümü, Kappa, Auc - değerlendirilmiştir. En yüksek performans değerine sahip veri grubu ve kullanılan sınıflandırma algoritması belirlenip model oluşturulmuştur. Model en ilgiliden en ilgisize doğru sıralanmış veri setinin %45’inden ve Destek vektör makineleri algoritması kullanılarak oluşturulmuştur. Performans kriterlerinde %85 doğruluk oranı ve diğer kriterlerde de olumlu sonuçlar elde edilmiştir. Böylece PH olma ihtimali olan bireyin ses kayıtlarından oluşturulan veri seti ve uygulanan model yardımı ile doktora tıbbi karar destek sağlanacağı anlaşılmıştır.en_US
dc.description.abstractParkinson’s disease (PD) is a brain disease caused by death or damage of dopamine producer brain cells. In such case, the brain can not perform its normal functions. PD negatively affects human movements such as speech, walking and writing. In the diagnosis of this disease, detailed medical history, history of treatment, physical tests and some blood tests and brain films are required. Because these operations can be costly and difficult, less costly and easier making of the diagnosis has such important in this subject. In this study, it was aimed to diagnose PD with voice data from 252 individuals to support the doctor’s decision. In order to get better results, some pre-treatments were applied. The datas were balanced and datas that taken to treatments with systematic sampling method were determined. With the feature selection algorithm, some data groups were created by calculating the effect of the attributes on the label. Of the classification algorithms; Decision tree, Support Vector Machines and K Nearest Neighbor Algorithm are used and Performance evaluation criteria such as Accuracy, Sensitivity, Specificity, F-Measurement, Kappa, Auc - were evaluated. The data group with the highest performance value and the used classification algorithm were determined and model was created by using support vector machines algorithm and from 45% of data set that was sorten from the most effective to the most ineffective. The performance criterias has an accuracy of 85% besides in other criterias possitive results were earned. Thus, it was understood that medical decision support to the doctor would be provided with the help of applied model and data set formed by sound recordings of the individuals who possibly been PDen_US
dc.identifier.doi10.29130/dubited.688223
dc.identifier.endpage1893en_US
dc.identifier.issn2148-2446
dc.identifier.issue3en_US
dc.identifier.startpage1877en_US
dc.identifier.trdizinid390629en_US
dc.identifier.urihttps://doi.org/10.29130/dubited.688223
dc.identifier.urihttps://app.trdizin.gov.tr/makale/TXprd05qSTVPUT09
dc.identifier.urihttps://hdl.handle.net/20.500.12491/1410
dc.identifier.volume8en_US
dc.indekslendigikaynakTR-Dizinen_US
dc.institutionauthorEsmer, Sadullah
dc.language.isotren_US
dc.relation.ispartofDüzce Üniversitesi Bilim ve Teknoloji Dergisien_US
dc.relation.publicationcategoryMakale - Ulusal Hakemli Dergi - Kurum Öğretim Elemanıen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectTıbbi Karar Destek Sistemlerien_US
dc.subjectSınıflandırma Algoritmaları
dc.subjectParkinson Hastalığı
dc.subjectMakine Öğrenmesi
dc.subjectClinical Decision Support Systems
dc.subjectClassification Algorithms
dc.subjectParkinson’s Disease
dc.subjectMachine Learning
dc.titleParkinson hastalığı teşhisi için makine öğrenmesi tabanlı yeni bir yöntemen_US
dc.title.alternativeA new method based on machine learning for the diagnosis of Parkinson’s diseaseen_US
dc.typeArticleen_US

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
sadullah-esmer.pdf
Boyut:
1.23 MB
Biçim:
Adobe Portable Document Format
Açıklama:
Tam metin/ Full text
İndir

Koleksiyon

TR-Dizin İndeksli Yayınlar Koleksiyonu
Elektrik Elektronik Mühendisliği Bölümü Koleksiyonu