Abstract:
ÖZET
Alzaymır hastalığı (AH), bilişsel işlevi ve hafızayı etkileyen nörodejeneratif bir hastalıktır. Özellikle yaşlılarda bunamanın en yaygın nedenidir ve hem hastalar hem de aileleri üzerinde önemli bir etkiye sahiptir. AH’nın erken teşhisi, sağlığın korunması için önemlidir. Geleneksel yöntemler kullanarak hastalığı doğru bir şekilde teşhis etmek ve sınıflandırmak zor olabilir. Bu nedenle, AH’nın sınıflandırılması için umut vaat eden bir yaklaşım olan derin öğrenme modellerinden İki Boyutlu (2B) Evrişimli Sinir Ağları (ESA) kullanılabilir. Bu model, tıbbi görüntülerden özellikleri otomatik olarak öğrenebilir ve sınıflandırabilir. Bu çalışmada, manyetik rezonans görüntüleme (MRG) veri seti kullanılarak AH’nı sınıflandırmak için amacıyla 2B ESA modeli önerilmektedir. Genel anlamda, AH’nın sınıflandırılmasında 2B ESA’lerin kullanımı, tanıdaki doğruluğu ve verimliliği artırma konusunda büyük bir potansiyele sahiptir. Bu modellerin klinik uygulamadaki yeteneklerini ve sınırlılıklarını tam anlamıyla kavramak için daha fazla araştırmaya ihtiyaç duyulmaktadır. Önerilen model %90’ın üzerinde bir doğrulukla AH olan hastaları sınıflandırabilmiştir Geleneksel yöntemlere göre önemli ölçüde daha iyi performans göstermiştir.
ABSTRACT
Alzheimer’s disease (AD) is a neurodegenerative disorder that affects cognitive function and memory. It is the most common cause of dementia in the elderly and has a significant impact on both patients and their families. Early diagnosis of Alzheimer’s disease is important for health maintenance. Traditional methodologies employed in diagnosing and classifying this disease often encounter limitations in accuracy and efficacy. Therefore, utilizing Two-Dimensional (2D) Convolutional Neural Networks (CNNs) is more promising for classifying Alzheimer’s disease. This model can automatically learn and classify features from medical images. This study proposes a 2D CNN model to classify Alzheimer’s disease using a magnetic resonance imaging (MRI) dataset. Overall, utilizing Two-Dimensional (2D) Convolutional Neural Networks (CNNs) to classify Alzheimer’s disease has a great potential to increase diagnostic accuracy and efficiency. Further research is necessary to comprehensively understand the capabilities and limitations of these models in
clinical practice. The proposed model was able to classify AD patients with an accuracy exceeding 90%, significantly outperforming traditional methods.
