Automatic Detection of Alzheimer’s Disease with Transfer Learning and Image Processing Techniques

Alzheimer's disease continues to be a serious public health issue. Alzheimer's disease affects generally old people, and it is a neurological disorder. The most significant sign of Alzheimer's disease is memory loss, which becomes worse over time. Therefore, early identification of Alzheimer's illness can aid in diseased getting the proper care. One of the aims of this thesis is to automate the early detection of Alzheimer's disease and create a self-improving system by utilising previous experiences each time it is detected automatically. In this way, the bad effects of the disease due to the late diagnosis can be protected at an early stage. Thanks to artificial intelligence and image processing algorithms, successful results can be achieved with brain MRI data used by transfer learning and deep learning models. In this thesis, a deep learning method with transfer learning based on brain MRI images for the detection of Alzheimer's disease has been proposed. In the experimental work, different convolutional neural network architectures and transfer learning techniques have been examined. The results show that the detection of Alzheimer's disease can be detected with remarkable accuracy with the transfer learning and data augmentation techniques.

Alzheimer hastalığı günümüzde hala önemli bir sağlık problemi olmayı sürdürmektedir. Alzheimer hastalığı genellikle yaşlıları etkilemektedir ve nörolojik bir hastalıktır. Hastalığın en belirgin belirtisi ise zamanla kötüleşen hafıza kaybıdır. Bu nedenle Alzheimer hastalığının erken teşhisi, hastaların uygun ve doğru tedaviyi almasına yardımcı olmaktadır. Bu tezin amaçlarından biri, Alzheimer hastalığının erken teşhisini otomatik bir hale getirmek ve otomatik tespit yapılırken her defasında önceki deneyimlerden yararlanılarak kendini geliştiren bir sistem yaratabilmektir. Bu sayede, geç yapılan bir teşhiste karşılaşılabilecek kötü etkilerden hasta erken dönemde korunabilmektedir. Yapay zeka ve görüntü işleme algoritmaları sayesinde, transfer öğrenme teknikleri ile derin öğrenme modellerinin kullandığı beyin MRI verileri ile başarılı sonuçlar alınabilmektedir. Bu tezde, Alzheimer hastalığının otomatik olarak tespiti için beyin MRI görüntülerine dayalı transfer öğrenme ile derin öğrenme yöntemi önerilmektedir. Deneysel çalışma bölümünde, farklı evrişimsel sinir ağı mimarileri ve transfer öğrenme yöntemleri incelenmektedir. Elde edilen sonuçlar, Alzheimer hastalığının transfer öğrenme ve veri artırımı yöntemleri ile dikkate değer bir doğrulukla otomatik olarak tespit edilebileceğini göstermektedir.

Erişime Açık
Görüntülenme
23
10.02.2023 tarihinden bu yana
İndirme
1
10.02.2023 tarihinden bu yana
Son Erişim Tarihi
04 Aralık 2024 20:50
Google Kontrol
Tıklayınız
Tam Metin
Tam Metin İndirmek için tıklayın Ön izleme
Detaylı Görünüm
Eser Adı
(dc.title)
Automatic Detection of Alzheimer’s Disease with Transfer Learning and Image Processing Techniques
Eser Sahibi
(dc.contributor.author)
Atılay Yeşilada
Tez Danışmanı
(dc.contributor.advisor)
OSMAN GÖKALP
Yayıncı
(dc.publisher)
İzmir Katip Çelebi Üniversitesi Fen Bilimleri Enstitüsü
Tür
(dc.type)
Yüksek Lisans
Özet
(dc.description.abstract)
Alzheimer's disease continues to be a serious public health issue. Alzheimer's disease affects generally old people, and it is a neurological disorder. The most significant sign of Alzheimer's disease is memory loss, which becomes worse over time. Therefore, early identification of Alzheimer's illness can aid in diseased getting the proper care. One of the aims of this thesis is to automate the early detection of Alzheimer's disease and create a self-improving system by utilising previous experiences each time it is detected automatically. In this way, the bad effects of the disease due to the late diagnosis can be protected at an early stage. Thanks to artificial intelligence and image processing algorithms, successful results can be achieved with brain MRI data used by transfer learning and deep learning models. In this thesis, a deep learning method with transfer learning based on brain MRI images for the detection of Alzheimer's disease has been proposed. In the experimental work, different convolutional neural network architectures and transfer learning techniques have been examined. The results show that the detection of Alzheimer's disease can be detected with remarkable accuracy with the transfer learning and data augmentation techniques.
Özet
(dc.description.abstract)
Alzheimer hastalığı günümüzde hala önemli bir sağlık problemi olmayı sürdürmektedir. Alzheimer hastalığı genellikle yaşlıları etkilemektedir ve nörolojik bir hastalıktır. Hastalığın en belirgin belirtisi ise zamanla kötüleşen hafıza kaybıdır. Bu nedenle Alzheimer hastalığının erken teşhisi, hastaların uygun ve doğru tedaviyi almasına yardımcı olmaktadır. Bu tezin amaçlarından biri, Alzheimer hastalığının erken teşhisini otomatik bir hale getirmek ve otomatik tespit yapılırken her defasında önceki deneyimlerden yararlanılarak kendini geliştiren bir sistem yaratabilmektir. Bu sayede, geç yapılan bir teşhiste karşılaşılabilecek kötü etkilerden hasta erken dönemde korunabilmektedir. Yapay zeka ve görüntü işleme algoritmaları sayesinde, transfer öğrenme teknikleri ile derin öğrenme modellerinin kullandığı beyin MRI verileri ile başarılı sonuçlar alınabilmektedir. Bu tezde, Alzheimer hastalığının otomatik olarak tespiti için beyin MRI görüntülerine dayalı transfer öğrenme ile derin öğrenme yöntemi önerilmektedir. Deneysel çalışma bölümünde, farklı evrişimsel sinir ağı mimarileri ve transfer öğrenme yöntemleri incelenmektedir. Elde edilen sonuçlar, Alzheimer hastalığının transfer öğrenme ve veri artırımı yöntemleri ile dikkate değer bir doğrulukla otomatik olarak tespit edilebileceğini göstermektedir.
Kayıt Giriş Tarihi
(dc.date.accessioned)
2023-02-10
Açık Erişim Tarihi
(dc.date.available)
2023-06-21
Yayın Tarihi
(dc.date.issued)
2023
Yayın Dili
(dc.language.iso)
eng
Konu Başlıkları
(dc.subject)
Alzheimer Hastalığı
Konu Başlıkları
(dc.subject)
Beyin MRI
Tek Biçim Adres
(dc.identifier.uri)
https://hdl.handle.net/11469/3355
Analizler
Yayın Görüntülenme
Yayın Görüntülenme
Erişilen ülkeler
Erişilen şehirler
6698 sayılı Kişisel Verilerin Korunması Kanunu kapsamında yükümlülüklerimiz ve çerez politikamız hakkında bilgi sahibi olmak için alttaki bağlantıyı kullanabilirsiniz.

creativecommons
Bu site altında yer alan tüm kaynaklar Creative Commons Alıntı-GayriTicari-Türetilemez 4.0 Uluslararası Lisansı ile lisanslanmıştır.
Platforms