Alzheimer ve Parkinson Hastalıklarının Derin Öğrenme Teknikleri Kullanılarak Sınıflandırılması

Abstract

Bilgisayar destekli cihazların ve sistemlerin sağlık alanında kullanımı oldukça yaygınlaşmıştır. Bu cihaz ve sistemlerin hastalıkların daha hızlı ve erken teşhisine katkısı yüksekti. Özellikle Manyetik Rezonans Görüntüleme (MRI), Bilgisayarlı Tomografi (BT) gibi görüntüleme cihazları; erken teşhisin önemli olduğu hastalıklar özelinde oldukça büyük bir rol oynamaktadır. Nörolojik hastalıklarda da MR ve BT görüntülerinin derin öğrenme modellerinde girdi görüntüsü olarak kullanımı giderek yaygınlaşmaktadır. Bu çalışmada Kaggle sitesi üzerinden elde edilen Alzheimer ve Parkinson hastalıkları teşhisi için “Alzheimer Parkinson 3 Class Data Set” veri setindeki MRI görüntüleri kullanılmıştır. Bu veri seti içerisinde 2561 Alzheimer, 906 Parkinson ve 3010 adet Kontrol (Normal) olmak üzere üç sınıf bulunmaktadır. Bu çalışmada; Alzheimer, Parkinson ve Normal sınıfları, ResNet-18, VGG-16 ve ConvNext mimarisi ile eğitildiğinde sırasıyla %96,2, %95,4 ve %98,9 doğruluk oranı elde edilmiştir. Bunun yanında; Alzheimer ve Parkinson hastalıkları normal sınıfı üzerinde ikili sınıflandırıcılar ile test edilmiştir. Alzheimer- Normal ve Parkinson – Normal sınıfları için eğitilen modellerden ResNet-18 mimarisi sırası ile %82,0 ve %96,1, VGG-16 mimarisi sırası ile %95,4 ve %89,4, ConvNext mimarisi ise %99,4 ve %99,5 başarı oranlarına ulaşılmıştır.