Konuşma verilerinden otomatikleştirilmiş Parkinson hastalığı tespiti ve sınıflandırılması

Parkinson hastalığı, dünya genelinde milyonlarca bireyi etkileyen, ilerleyici ve nörodejeneratif bir hastalıktır. Bu tez çalışması, ses sinyallerinin analizi yoluyla Parkinson hastalığının teşhisinde kullanılabilecek yeni yöntemlerin geliştirilmesini hedeflemektedir. Çalışmada, ses sinyallerinde belirli akustik özelliklerin, Parkinson hastalığının tespiti ve sınıflandırılmasında biyobelirteç olarak işlev görebileceği gösterilmiştir. Araştırmada, 28 sağlıklı kontrol, 22 ilaçsız Parkinson hastası (Med-off) ve 30 ilaçlı Parkinson hastası (Med-on) olmak üzere toplamda 80 bireyden oluşan bir örneklem grubu kullanılmıştır. Veri seti, katılımcılara Fırat Üniversitesi Nöroloji Bölümü'nde önceden belirlenmiş bir metnin, sessiz bir ortamda okutulmasıyla elde edilmiştir. Bu ses kayıtlarından toplam 19 akustik özellik çıkarılmış ve analiz edilmiştir. Çalışmada, Destek Vektör Makineleri (SVM), Naive Bayes, Karar Ağaçları, k-En Yakın Komşu (k-NN) ve bu çalışmaya özgü geliştirilen bir yapay sinir ağı modeli gibi çeşitli makine öğrenimi algoritmaları kullanılmıştır. Modellerin performans değerlendirmesi, 10 katlı çapraz doğrulama yöntemiyle gerçekleştirilmiştir. Elde edilen bulgular, ses sinyallerinde Parkinson hastalarını sağlıklı bireylerden ayırt eden belirgin farklılıklar olduğunu ortaya koymuştur. Bu farklılıkların, hastalığın erken teşhisinde önemli bir rol oynayabileceği sonucuna ulaşılmıştır. Çalışma, Parkinson hastalığının teşhisine yönelik invaziv olmayan, etkili ve yenilikçi bir yöntem sunarak literatüre değerli bir katkı sağlamaktadır.