Classification of brain MR image data using data mining techniques

Abstract

Alzaymır yaşın ilerlemesiyle etkilerini gösteren ve beynin kendisinden beklenen fonksiyonları yerine getirememesine neden olan bir hastalıktır. Bu hastalığın etkileri bulunduğu çevreye göre çevredeki kişilerin adını unutmak veya gündelik hayatına yardım almadan devam edememek gibi değişiklik gösterir. Genel bir kabule sahip olan tedavi yöntemi olmadığı gibi erken teşhis için de kesin bir yöntem bulunmamaktadır.Bu tez çalışmasında, hastaların beyin manyetik rezonans görüntü (MRI) verileri kullanılarak veri madenciliği ve derin öğrenme yöntemlerinin alzaymır hastalığının teşhisi üzerine peformansları değerlendirilmiştir. 144 kontrol grubu olarak adlandırdığımız sağlıklı kişinin ve 175 alzaymır hastalığına sahip kişinin MR görüntüleri kullanılmıştır. Bu iki grup yaşları 55 ile 91 arasında olan 167 erkek ve 152 kadından oluşmaktadır. İlgili MRI verilerinden beyin kısımlarının hacimsel istatistikleri elde edilmiş ve klasik veri madenciliği algoritmalarıyla hacimsel değşiklikler üzerinden nitelik seçimi ve sınıflandırma performansı değerlendirilmiştir. Ayrıca öznitelik seçim yöntemi olarak bu çalışma kapsamında geliştirilen Yapay Arı Kolonisi Algoritmasının performansı klasik öznitelik seçme yöntemleriyle karşılaştırılmıştır. Toplanan görüntüler normalizasyon işleminden sonra, Gri Madde, Beyaz Madde ve Beyin Omurilik Sıvısı olarak bölüntülenmiştir. Bu normalizasyon ve bölüntüleme işlemleri için Statistical Parametric Mapping araçlarından faydalanılmıştır. Bu Gri Madde görüntüler derin öğrenme içerisinde kullanılmıştır. Sonuçlar karşılaştırılmıştır.

Alzheimer's Disease is a disease that shows its effects with the progression of the age and it causes the brain to be unable to fulfill its expected functions. The disease's effects show variety according to its phase such as to forget the name of surrounding people or cannot continue daily life without help. As of we know, there is no method has general acceptance for diagnosis and treatment.In this thesis study, the performance of data mining methods and that of deep learning on diagnosis of Alzheimer's Disease (AD) is assessed by using patients' magnetic resonance image (MRI) data. MRI data from 144 healthy persons named control normal (CN) and 175 patients with AD are used. These two groups consist of 167 male and 152 female aged between 55 and 91. Volumetry statistics of the parts of the brain from related MRI data are obtained and performance of the traditional data mining algorithms on feature selection and classification are evaluated. Also, the performance of Artificial Bee Colony algorithm developed in this thesis and used as a feature selector is compared with the classical feature selector methods. Besides this, collected images segmented as Gray Matter (GM), White Matter (WM) and Cerebrospinal Fluid (CSF) after the normalisation process. Statistical Parametric Mapping (SPM) software's tools are utilized for the normalization and segmentation. These GM images are used in deep learning method. Results are compared.