Parkinson hastalığının teşhisinde derin öğrenme yöntemi ile spect görüntü analizi

Sinir hücreleri tahribatı sonucunda gelişen Parkinson hastalığı, Alzheimer hastalığının ardından en sık teşhisi konulan hastalıktır. Dünya üzerinde 55-60 yaş üzerindeki bireylerde %1 oranında görülmektedir. Bu oran düşük görünmesine rağmen, yaşam sürelerinin uzaması göz önüne alındığında Parkinson hastalığına yakalanan bireylerde artışa neden olmaktadır. Parkinson hastalığının erken teşhisinde bugün geleneksel yöntemler kullanılmaktadır. Ancak araştırmacılar Yapay Zekâ teknolojilerini kullanarak bu hastalığı daha erken ve doğru teşhis edilebilmesi için çalışmaktadır. Bu çalışmada SPECT görüntüleri kullanılarak derin öğrenme teknolojisi ile Parkinson hastalığının daha erken ve daha doğru teşhis edilebilmesine katkı sağlanmaya çalışılmıştır. SPECT görüntüleri analiz etmek için evrişimsel sinir ağı yapısı kullanılarak bir model oluşturulmuş ve Keras kütüphanesi içerisinde yer alan optimizasyon seçenekleri ile test edilmiştir. Her optimizasyon değeri için farklı aktivasyon fonksiyonları ve eğitim sayıları denenmiş ve en başarılı doğruluk oranına ulaşılmaya çalışılmıştır. Hastalık teşhisi için başarı kriteri olarak doğruluk oranının yanında duyarlılık ve özgüllük değerleri de hesaplanarak tablo olarak sunulmuştur. Üç farklı sınıfta yer alan SPECT görüntü verileri üzerinde uygulanan derin öğrenme işlemi sonucunda en başarılı sınıflandırma Adamax optimizasyon yöntemi ile doğruluk %94.15, duyarlılık %91.03 ve özgüllük %95.71 değerleri ile elde edilmiştir. Bu tez çalışması genel olarak 5 bölümden oluşmaktadır. İlk bölümünde Parkinson hastalığına ve derin öğrenme yöntemlerine yer verilerek konuyla ilgili alanyazındaki mevcut çalışmalar sunulmuştur. İkinci bölümde yapay zekâ ve onun alt alanında yeni gelişen teknoloji derin öğrenme yer almaktadır. Bu bölümde derin öğrenme metotları ve kullanım alanları da örneklendirilerek açıklanmıştır. Üçüncü bölümde kullanılan veri seti hakkında ayrıntılı bilgi verilmiş ve uygulamada kullanılan yapılar tanıtılmıştır. Dördüncü bölümde kullanılan optimizasyon yöntemlerine göre elde edilen doğruluk, duyarlılık ve özgüllük değerleri görsel olarak değerlendirilmiştir. Son bölümde ise yapılan teşhis uygulamasından elde edilen sonuçlar alan yazında benzer veya yakın çalışmalar ile karşılaştırılarak bir değerlendirme yapılmış ve bu çalışmanın ışığında ileriye yönelik bazı önerilerde bulunulmuştur.