Ses sinyallerinden parkinson hastalığının teşhisi için hibrit makine öğrenmesi temelli cinsiyete bağlı yeni bir yaklaşım

Parkinson hastalığı, insanın temel fonksiyonları olan konuşma, yürüme, uyku, hareket gibi birçok hayati işlevlerde bozukluğa sebep olur. Bu hastalığın olumsuz etkilerinden kurtulmak için erken teşhis çok önemlidir. Doktorlar Parkinson hastalığının teşhisini yapabilmek için, beyin tomografisi, biyokimyasal ve fiziksel bazı testlere ihtiyaç duymaktadır. Ayrıca bu hastalıktan muzdarip olanların büyük çoğunluğunun 60 yaşın üzerinde olması hastalığın teşhisi için gerekli olan testlerin yapılmasını zorlaştırmaktadır. Parkinson hastalığının teşhis sürecinin bu denli zor olması yeni araştırmaları tetiklemektedir. Bu tez çalışmasında Parkinson hastalığını akustik sesler yardımıyla hibrit makine öğrenmesi temelli modellerle teşhis edilmesi hedeflenmiştir. Bu amaçla, Parkinson hastası olan 188 (107 Erkek - 81 Bayan) bireye ve Parkinson hastası olmayan 64 (23 Erkek - 41 Bayan) bireye üç defa "a" harfi söyletilerek ölçümler yapılmıştır. Bu çalışmada kaydedilen 756 ölçümden oluşan veri seti kullanılmıştır. Bu veri seti cinsiyet bazlı (Bay-Bayan) ayrılarak üç ayrı veri seti (Bay, Bayan ve Karışık) oluşturulmuştur. Bundan sonraki tüm adımlar bu üç veri seti için ayrı ayrı işlenmiştir. İlk olarak ses kayıtlarını Baseline, Time, Vocal, MFCC ve Wavelet özellik guruplarına ayrıldı. Daha sonra veri setleri, "Hasta/Sağlıklı" özelliği bakımından dengeli hale getirilmiştir. Ardından Eta korelasyon katsayısı tabanlı özellik seçme algoritması (E-Score) yardımıyla, her özelik grubu için en iyi %20 özellik seçilmiştir. Daha sonra karar ağaçları ve destek vektör makinaları kullanılarak hibrit makine öğrenmesi temelli yeni yaklaşımlar geliştirilmiştir. Bunun için veri setleri sistematik örnekleme yöntemi yardımıyla %75 eğitim, %25 test grubu olmak üzere ikiye ayrılmıştır. Tasarlanan bu modellerin performansı; Doğruluk oranı, Özgüllük, Duyarlılık, F-Ölçümü, AUC ve Kappa değerleri ile hesaplanmıştır. Bu tez çalışmasında; bay veri seti ile elde edilen en iyi doğruluk oranı, özgüllük ve duyarlılık değerleri sırasıyla %93,81, 1 ve 1'dir. Bayan veri seti ile elde edilen bu değerler ise sırayla %91,21, 0,97 ve 0,98'dir. Aynı şekilde ham (karışık) veri seti ile elde edilen bu değerler ise sırasıyla %93,12, 0,94 ve 0,98'dir. Elde edilen yüksek başarı oranları, tasarlanmış olan modellerin Parkinson hastalığı teşhisi için kullanılabileceğini göstermektedir. Ayrıca bu çalışmada cinsiyet bazlı veri setlerinin kullanılmasının Parkinson hastalığı teşhisinde performansı artırdığı gözlemlenmiştir.