Deep learning for the classification of bipolar disorderusing fNIRS measurements

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Fen Bilimleri Enstitüsü, ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye

Tezin Onay Tarihi: 2021

Tezin Dili: İngilizce

Öğrenci: HALUK BARKIN EVGİN

Asıl Danışman (Eş Danışmanlı Tezler İçin): Ilkay Ulusoy

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

İşlevsel Yakın İnfrared Spektroskopi (fNIRS) psikiyatrik bozuklukların sınıflandırılmasında öne çıkan bir sinirsel görüntüleme tekniğidir ve fNIRS kullanılarak psikiyatrik bozuklukların sınıflandırılmasında güvenilir doğruluk sonuçları elde edilmektedir. Yüksek zamansal çözünürlük, uygulanabilirlik ve kafa hareketlerine karşı kısmi direnç, fNIRS metodunu diğer görüntüleme metodları arasında öne çıkarmaktadır. fNIRS verisi tek boyutlu çok kanallı bir zaman serisidir. Bu tezde bipolar bozukluk, zaman serisi sınıflandırılmasında özelleşmiş en gelişkin metodlardan bazıları kullanılarak sınıflandırılmıştır. Çok Katmanlı Algılayıcılar (MLP), Tek Boyutlu Konvolüsyonel Sinir Ağları (CNN), Tek Boyutlu Rezidüel Sinir Ağları (ResNet) ve Kodlayıcı Ağlar, içerisinde 33 kontrol ve 28 bipolar örnek olan fNIRS verileri üzerinde eğitilmiş, değerlendirilmiş ve kıyaslanmıştır. Eldeki örnek sayısı yeterince fazla olmamasına rağmen farklı test metodları kullanılarak ümit verici doğruluk oranları elde edilmiştir. 75.32%'lik en iyi sınıflandırma doğruluğu, ResNet sınıflandırıcısı kullanılarak elde edilmiştir.