Plantar Basınç Dağılımı Sinyalleri Kullanılarak Erken MSlilerde Ataksinin Hybrt CNN Modelleri ile Belirlenmesi

Authors : Aslı SESLİ, Seda ARSLAN TUNCER, Furkan BİLEK

Pages : 579-583

Doi:10.31590/ejosat.1009129

View : 19 | Download : 12

Publication Date : 2021-11-30

Article Type : Research Paper

Abstract :Multipl Skleroz (MS), ataksi ve denge bozukluklarına neden olan bir merkezi sinir sistemi hastalığıdır. Atakside genellikle ilk semptom yürüyüş bozukluğu olarak görülmektedir. Yürüyüş ataksisi klinik olarak artmış çift destek süresi, kısalmış adım uzunluğu ve düzensiz adımlar ile tanımlanabilir. Bu yüzden ataksi tespitinde yürüme bozukluğunun değerlendirilmesi doğru bir yol olacaktır. Derin öğrenme çok sayıda girdi verisinden özellik çıkararak çıktı verisini tahmin eden bir makine öğrenmesi yöntemidir. Derin öğrenme nesne tanıma, sınıflandırma ve sinyal işleme gibi alanlarda sıklıkla kullanılmaktadır. Bu çalışmada plantar basınç dağılım sinyalleri içeren görüntüler kullanılarak MS’li bireyler (PwMS) için ataksi tespiti yapılması amaçlanmıştır. Bu amaçla PwMSi olan ve sağlıklı olan bireylerin plantar basınç dağılım sinyallerini içeren toplam 418 görüntü önceden eğitilmiş Hybrit CNN ağlar yardımıyla sınıflandırılmıştır. Veri setinden özellik çıkarılırken VGG16, VGG19, ResNet, MobilNet ve NasNEt derin öğrenme mimarileri kullanıldı. Daha sonra elde edilen özellik vektörleri SVM, KNN ve ANN sınıflandırıcıları kullanılarak sınıflandırıldı. Bu çalışma sonucunda en iyi sınıflandırma performansı,SVM sınıflandırıcısı ile VGG19 %85.71 Acc %81.81 Sen, %88.23 Spe derin öğrenme mimarisi kullanılarak elde edilmiştir. Yapılan bu çalışmanın yapay zeka yardımı ile PwMS’de ataksi tespitinde hekime yardımcı olacağı kanaatine varılmıştır.
Keywords : Multiple Skleroz, Ataksi, Derin Öğrenme, Sınıflandırma