Kognitif bozukluğu olmayan parkinson hastalarında erken tanı amaçlı klinik karar destek sistemi geliştirilmesi

Günümüzde parkinson hastalığı (PH), sıklığı ve yarattığı sorunlar nedeniyle tüm dünyada önemi gittikçe artan bir sağlık sorunu haline gelmiştir. Hastalığın teşhis edilmesi zordur ve etkili tedavi ve ilaç kullanımı bugüne kadar tam olarak sağlanamamıştır. Bu tez çalışmasında yapay zeka yaklaşımı aracılığıyla dinlenme durumu elektroensefalografi (EEG) verisinden, kognitif bozukluğu olmayan hastalarda PH'yi erken dönemde tespit edebilecek, ucuz, etkili bir tahmin modeli geliştirilmesi amaçlanmıştır. Bu amaçla bu tez çalışmasında, üç farklı üniversiteye ait hazır EEG veri setleri yeni öznitelik yaklaşımları kullanılarak ve ilk kez kullanılan öznitelikler önerilerek, farklı makine öğrenmesi yöntemleri ile sınıflandırılmış ve sonuçlar literatürdeki yöntemlerle karşılaştırmalı olarak sunulmuştur. Öncelikle verilerin frekans domeni güç spektral yoğunluğu üzerinden çıkarılan öznitelikleri kullanılarak, PH ve kontrol grubu verileri başarılı şekilde sınıflandırılmıştır. Bu süreçte ayrıca başarılı sonuç veren yeni spektral öznitelikler önerilmiştir. İkinci olarak PH'de yine ilk kez denenen bir yöntem olan EEG verisinin ses verisine dönüştürülmesi ve onun üzerinden müzik öznitelikleri çıkarılması yoluyla sınıflandırma yapılmıştır. Çalışma sonuçları kullanılan kanal sayısı, öznitelik türü ve kullanılan makine öğrenmesi yöntemleri açılarından ayrı ayrı değerlendirilmiş ve literatürle karşılaştırmalı olarak sunulmuştur. Elde edilen en başarılı sonuçlara göre Iova veri setinde tek kanal ve yedi spektral öznitelik ile yapılan sınıflandırmada CatBoost algoritması kullanılarak 10 katlı çapraz doğrulama ile %96.67 sonucuna ulaşılmıştır. EEG altbantları ile yapılan sınıflandırmada ise, 18 merkezi kanal, dört spektral öznitelik ile 4-8 Hz ve 10 merkezi kanal 11 spektral öznitelik ile 8-12 Hz'de ayrı ayrı olarak yine CatBoost algoritması ile tüm metriklerde %100'lük sonuca ulaşılmıştır. Ses verisinden elde edilen kroma tabanlı müzik özniteliklerine göre yine 31 kanalda CatBoost algoritması ile %96.67 doğruluk elde edilmiştir. Bu çalışmadan elde edilen sonuçların, literatürde aynı veri setleri ile şimdiye kadar elde edilen sonuçlardan daha iyi olduğu görülmektedir. Dolayısıyla, tez çalışmasının sonuçlarının, PH analizi ve klinik olarak erken teşhisi için umut vadedici ve tercih edilebilir bir seçenek olduğu düşünülmektedir.