The diagnosis of alzheimer`s disease based on the classification of fMRI data

Abstract

Alzheimer Hastalığı en sık rastlanan demans türlerinden biridir. Bu tezde hastalığın erken tespiti için, işlevsel manyetik rezonans görüntüleme verilerinin uygun olarak sınıflandırılması hedeflenmiştir. Alzheimer Hastalığının temelinde sinirlerdeki sinyal iletişiminin aksaması vardır. Bu aksamadan etkilenen beyin bölgelerini hedefleyen işlevsel görevler belirlenmiştir. İşlevsel çekimde görevi yapan farklı denek grupları arasında farklılıklar çıkması beklenmektedir. Etkinlikleri tespit edebilecek beş adet özgün yöntem önerilmiştir. Bu yöntemlerden üç tanesi anlık etkinlik tespiti yapmakta, diğer ikisi ise bütün deneyin verilerini kullanmaktadır. Yöntemlerde kararlı regresyon yöntemi kullanılarak dinlenme anındaki değerlerin regresyon doğrusu çıkartılmış ve bu doğruya olan uzaklıklar yeni bir metrik olarak kullanılmıştır. Etkinlik dışında, Alzheimer Hastalığını tespit etmede kullanılabilecek işlevsel bağlantısallık yöntemleri incelenmiştir. Varsayılan durum ağı, dinlenme anında beynin belirli bölgelerinin zamansal olarak korelasyon gösteren yerlerinden oluşur. Bu ağdaki bölgeler Alzheimer Hastalarında daha az korelasyon göstermektedir. Deneklere ait verilerin hem etkinlik, hem de işlevsel bağlantısallık bilgileri LVQ ve yapay sinir ağları ile sınıflandırılmıştır. Kullanılan üç veri setinde etkinlik verileri ile %98, fonksiyonel bağlantısallık ile de %90 başarı elde edilmiştir.

Alzheimer's Disease is the most common form of dementia. This thesis aims to use functional magnetic resonance imaging data classification to diagnose the disease. One of the main causes for Alzheimer's Disease is synaptic failure. An fMRI experiment that targets the brain regions that are affected by this failure has been developed. Differences are expected to emerge between the subjects in different groups. Five novel methods has been proposed to locate the activations. Three of these can detect an activation instantaneously, while the other two use the complete experiment data. The methods use robust regression to find the regression line for the resting state and use the distance to this line as a new metric. Besides activation information, functional connectivity methods has been researched which can be used to detect the Alzheimer's Disease. When the brain is at rest, the temporal correlations between specific regions form a network called the default mode network. There is a decrease in correlation in subjects with Alzheimer's Disease. The activations and functional connectivity features has been classified with LVQ and artificial neural networks. In the three data sets used, a success of 98% has been reached for the activation features, and 90% has been reached for functional connectivity.