Parkinson hastalığı`nın teşhisi için veri toplama ve örüntü tanıma sistemi

Abstract

Parkinson hastalığı, sinir sistemini etkileyen motor refleksleri, konuşma, düşünme, davranış ve diğer hayati fonksiyonların kısmen veya tamamen kaybolmasına neden olan bir nörolojik hastalıktır. Parkinson hastalığı, hastaların yaklaşık %90'ında konuşma ve motor yeteneklerinin (yazma, denge, vb.) bozulmasına sebep olmaktadır ve çoğunlukla yaşlı kişilerde görülmektedir.Günümüzde hastaların bilgileri yaş, cinsiyet, tedavi durumu gibi veriler tutulmaktadır. Bu verilere ek olarak, bu tezde önerilen el yazısı ve ses kaydı gibi hastalığın gelişimi ve tedavi sürecine büyük ölçüde katkı sağlayabilecek bilgiler de saklanması tedavi sürecinde büyük önem arz etmektedir. Halihazırda alınan bilgiler kağıt üzerinde saklandığından ve arşivlerde kaldığından, bu durum ses gibi elektronik ortamda tutulması gereken veriler için uygun değildir. Bu yüzden hastaların gelişme ya da gerileme gibi değişimlerini takip etmek ve bu verilerden istatistiki çıkarımlar/öngörüler yapmak zor olmaktadır.Bu tez kapsamında hastaların bu türlü bilgilerini kayıt ve analiz edebilen bir sistem geliştirilmesi hedeflenmiştir. Çalışmaya katılan tüm hastaların tıbbi muayeneleri sonrasında sosyal bilgileri de toplanılmış, bu verilere ek olarak her bir hasta için ayrı bir ses kayıt veritabanı oluşturulmuştur. Ayrıca Parkinson Hastalarından alınan verilerin doğruluğunu anlayabilmek için, Parkinsonlu olmayan hastalar veya tamamen sağlıklı olan bireylerden oluşan bir kontrol grubu içinde bu veri bankası oluşturulmuştur.Toplanan tüm veriler arasındaki ilişkiler, SVM (Destek Vektör Makineleri) ve KNN (En Yakın Komşu) algoritmaları kullanılarak analizleri yapılmıştır. Ayrıca öznitelik seçiminde kullanılan MRMR (Minimum Artıklık-Maksimum İlişki) yönteminin bu çalışmadaki başarı oranı ölçülmüştür. Elde edilen sonuçlara göre doğru ses bilgileri ve kayıtları seçilerek oluşturulan ses bilgileri sayesinde, hasta ve sağlıklı bireylerin sadece ses kayıtları incelenerek hastalık teşhisi ve hastalık gelişim takibi yapılabileceği görülmüştür. Bu sayede tüm doktorlara karar destek aşamasında yardımcı olabilecek bir sistem geliştirilmiştir.Tez kapsamında oluşturmayı hedeflediğim sistem, bir hastanın verilerinden onun Parkinson hastası olup olmadığını, Parkinson hastası değil ise risk grubunda olup olmadığını öngörebilmeyi hedeflemiş olup, özellikle ses verilerinin işlenmesi elde ettiğim sonuçlar, ileride yapılması muhtemel uzaktan teşhis teknolojisi için bir basamak olacağı düşünülmektedir.

Parkinson?s disease is a neurologic defect that causes partial or full loss in motor reflexes, speech, behavior, mental processing and other vital functions. It is generally observed in old people and causes disorders in speech and motor abilities (writing, balance etc.) of 90% of patients.Nowadays important data of these patients such as age, gender, treatment process is stored. In addition to this data, also handwriting and speech samples which can make important contributons to monitor progress and treatment of the disease are kept. But this data is usually left on paper work and not used to monitor any amelioration/deterioration in patient?s situation or make statistical forecasts about progress of disease.In this study, I aimed to prepare a system which saves and analyzes such data of patients. This system saves patients? social and disease informations. In addition to these data created speech database system for patients? voice records. Also, in order to understand accuracy of the data from Parkinson?s disease patients, a data bank created for control group which contains healthy people or patients without Parkinson?s disease.In this system we used two classification method which are Support Vector Machines and k-nearest neighbour algorithm to analyse relationship between human voice with Parkinson Disease level. Also we used Minimum Redundancy-Maximum Relevance (MRMR) algorithm to determine hit ratio of analysed features. With this methods, we found that prediction and classification of patients from healthy subjects is possible with correct voice features and samples. As a result of this, system will be a decision support for medical doctors.The system will decide whether a person is likely Parkinson or not. If not, it will determine whether the person is in risk group or not. As a result the proposed system will be a step for remote diagnosis technology.