Görüntü Koşullu Dinamik Uzman Graf Dikkat Mimarisi İle Alzheimer Hastalığı Evrelerinin Sınıflandırılması
Tez Türü: Doktora
Tezin Yürütüldüğü Kurum: İstanbul Üniversitesi-Cerrahpaşa, Lisansüstü Eğitim Enstitüsü, Biyomedikal Mühendisliği Anabilim Dalı Başkanlığı, Türkiye
Tez Danışmanı: Mahmut Öztürk
Tezin Onay Tarihi: 2026
Tezin Dili: Türkçe
Özet:
Alzheimer hastalığı, biyolojik başlangıcı ile klinik semptomların ortaya çıkışı arasında uzun bir zaman aralığı bulunan, ilerleyici ve heterojen bir nörodejeneratif hastalıktır. Bu durum, erken tanı ve hastalık evrelerinin güvenilir biçimde ayırt edilmesini klinik açıdan kritik hâle getirmektedir. Yapısal manyetik rezonans görüntüleme, nörodejenerasyonun morfolojik izlerini non-invaziv biçimde ortaya koyarak bu sürece önemli katkı sağlamaktadır.
Bu çalışmada, T1-ağırlıklı beyin MRG görüntüleri kullanılarak Alzheimer Hastalığı (AD), Erken Hafif Bilişsel Bozukluk (EMCI), Geç Hafif Bilişsel Bozukluk (LMCI) ve Bilişsel Olarak Normal (CN) olmak üzere dört klinik evrenin otomatik olarak sınıflandırılması amaçlanmıştır. Bu kapsamda öncelikle farklı CNN ve Transformer tabanlı transfer öğrenme modellerinin performansları sistematik olarak değerlendirilmiş, ardından en başarılı modeller temel alınarak graph tabanlı geliştirilmiş bir meta-karar modeli önerilmiştir. Önerilen modelde, uzman modeller arasındaki ilişkiler dinamik uzman grafı üzerinde Graph Attention mekanizması ile öğrenilmiş, görüntüden elde edilen bağlamsal bilgiler kullanılarak uzman katkıları her örnek için dinamik olarak yeniden ağırlıklandırılmıştır. Ayrıca sınıf koşullu olasılık kalibrasyonu, güvenilirlik önseli, hata belleği ve belirsizlik temelli karar bileşenleri karar sürecine entegre edilerek modelin doğruluk, güvenilirlik ve açıklanabilirlik özellikleri güçlendirilmiştir.
Geliştirilen graph tabanlı meta-karar modeli test edildiğinde %98,6 doğruluk skoru elde etmiş, ayrıca dengelenmiş doğruluk, olasılık kalibrasyonu ve istatistiksel analizler bakımından da başarılı sonuçlar göstermiştir. Gerçekleştirilen açıklanabilirlik analizleri, modelin uzmanlar arasındaki etkileşimleri ve karar mekanizmasını yorumlanabilir biçimde ortaya koyduğunu göstermiştir. Elde edilen bulgular Alzheimer hastalığının çok sınıflı evre sınıflandırılmasına ve yapay zekâ tabanlı klinik karar destek sistemlerinin geliştirilmesine yönelik etkili bir yaklaşım sunduğunu göstermektedir.