Parkinson Hastalığı Teşhisi İçin Makine Öğrenmesi Tabanlı Yeni Bir Yöntem

Abstract

Parkinson hastalığı (PH), dopamin üreten beyin hücrelerinin ölmesiyle ya da zarar görmesiyle ortaya çıkan bir beyin hastalığıdır. Böyle bir durumda, beyin normal fonksiyonlarını yerine getiremez. PH, konuşma, yürüme ve yazma gibi insan hareketlerini olumsuz olarak etkiler. Bu hastalığın teşhisinde detaylı tıbbi öykü, geçmiş tedavi öyküsü, fiziksel testler ve bazı kan testleri ile beyin filmleri istenilmektedir. Bu işlemler maliyetli ve meşakkatli olabildiği için daha az maliyetli ve daha kolay yapılabilen teşhis bu noktada önem kazanmaktadır. Bu çalışmada doktorun kararına destek olabilmesi için 252 bireyden alınan ses verileri ile PH’ın teşhis edilebilmesi amaçlanmıştır. Verilerden daha iyi sonuç alabilmek için bazı ön işlemler uygulanmıştır. Verilerde dengeleme işlemi yapılmış ve sistematik örnekleme metodu ile işleme alınacak veriler belirlenmiştir. Öznitelik seçme algoritması ile özniteliklerin etiket üzerindeki etki gücü hesaplanıp bazı veri grupları oluşturulmuştur. Sınıflandırma algoritmalarından Karar ağacı, Destek Vektör Makineleri ve K En Yakın Komşu Algoritması kullanılıp, performans değerlendirme kriterleri - bunlar; Doğruluk Oranı, Duyarlılık, Özgünlük, F-Ölçümü, Kappa, Auc - değerlendirilmiştir. En yüksek performans değerine sahip veri grubu ve kullanılan sınıflandırma algoritması belirlenip model oluşturulmuştur. Model en ilgiliden en ilgisize doğru sıralanmış veri setinin %45’inden ve Destek vektör makineleri algoritması kullanılarak oluşturulmuştur. Performans kriterlerinde %85 doğruluk oranı ve diğer kriterlerde de olumlu sonuçlar elde edilmiştir. Böylece PH olma ihtimali olan bireyin ses kayıtlarından oluşturulan veri seti ve uygulanan model yardımı ile doktora tıbbi karar destek sağlanacağı anlaşılmıştır.

Parkinson’s disease (PD) is a brain disease caused by death or damage of dopamine producer brain cells. In such case, the brain can not perform its normal functions. PD negatively affects human movements such as speech, walking and writing. In the diagnosis of this disease, detailed medical history, history of treatment, physical tests and some blood tests and brain films are required. Because these operations can be costly and difficult, less costly and easier making of the diagnosis has such important in this subject. In this study, it was aimed to diagnose PD with voice data from 252 individuals to support the doctor’s decision. In order to get better results, some pre-treatments were applied. The datas were balanced and datas that taken to treatments with systematic sampling method were determined. With the feature selection algorithm, some data groups were created by calculating the effect of the attributes on the label. Of the classification algorithms; Decision tree, Support Vector Machines and K Nearest Neighbor Algorithm are used and Performance evaluation criteria such as Accuracy, Sensitivity, Specificity, F-Measurement, Kappa, Auc - were evaluated. The data group with the highest performance value and the used classification algorithm were determined and model was created by using support vector machines algorithm and from 45% of data set that was sorten from the most effective to the most ineffective. The performance criterias has an accuracy of 85% besides in other criterias possitive results were earned. Thus, it was understood that medical decision support to the doctor would be provided with the help of applied model and data set formed by sound recordings of the individuals who possibly been PD