Makine öğrenmesi teknikleri ile yürüyüş verileri kullanılarak Parkinson hastalığının ön tespiti

Abstract

Parkinson hastalığı bilinen bir tedavisi olmayan, nörolojik bir hastalıktır. Hastalığın erken tespiti ilerleyişinin yavaşlatılması ve etkilerinin en aza indirilebilmesi için önemlidir. Bu sebeple hekimlere yardımcı sistemler geliştirilmesi yönünde çalışmalar yapılmaktadır. Bu tez çalışmasında yalnızca yürüyüş verileri kullanılarak Parkinson hastasısağlıklı

ayrımı yapabilecek bir sınıflandırıcı tasarlanması amaçlanmıştır. Bu amaç doğrultusunda makine öğrenmesi yöntemleri kullanılarak farklı normalizasyon, çapraz doğrulama ve sınıflandırma algoritmaları üzerine çalışılmıştır. Yapılan bu farklı çalışmaların sonuçları karşılaştırılarak en iyi performansı gösteren yöntem belirlenmiştir. Kullanılan yürüyüş verileri ve geliştirilen sistem vasıtasıyla Parkinson hastalarının yalnızca yürüyüş verileri kullanılarak teşhisin yapılmasına yardımcı olunacaktır.

Parkinson's disease is a neurological disease with no known cure. Early detection of the disease is important in slowing its progression and minimizing its effects. For this reason, studies are carried out to develop assistive systems for physicians. In this thesis, it is aimed to design a classifier that can distinguish between Parkinson's patients and healthy people using only gait data. For this purpose, different normalization, cross validation and classification algorithms were studied by using machine learning methods. The results of these different studies were compared and the method with the best performance was determined. The gait data used and the developed system will help diagnose Parkinson's patients using only gait data.