Nörolojik bir rahatsızlık olan Alzheimer hastalığı genellikle yaşlı bireyleri etkilemektedir. Bu hastalık erken teşhis edilerek bazı önleyici ve hasta konforunu iyileştirici tedbirler alınabilmektedir. Bu noktada yapay zekâ ve görüntü işleme yöntemlerinin kullanılması ile etkin hastalık tespit yöntemleri geliştirilmiştir. Bu tez çalışmasında Alzheimer hastalığının 3 evresini içeren bir Alzheimer MRI veri seti kullanılarak hastalık evrelerini tespit eden derin öğrenme tabanlı yöntemler geliştirilmiştir. Geliştirilen yöntemlerde derin öğrenme mimarileri kullanmaktadır. Geleneksel evrişim katmanı, ResNet50 ve InceptionV3 mimarileri birlikte kullanılarak 5 farklı derin öğrenme modeli geliştirilmiştir. Özellikle Resnet50 ve InceptionV3 mimarilerinin özel blok yapılarının üstün yönleri birlikte çalışacak şekilde optimize edilerek hibrit derin öğrenme modelleri geliştirilmiştir. Modellerin katman yapısı Alzheimer verilerini yorumlayacak şekilde optimize edilmiştir. Model tasarımları kaybolan gradyan problemi göz önünde bulundurularak yapılmıştır. Ayrıca özel blok yapılarının sıralamasında ve modellenmesinde aşırı öğrenme ve hesapsal karmaşıklık gibi istenmeyen durumlar göz önünde bulundurulmuştur. Geliştirilen yöntemler, güncel derin öğrenme yöntemleri ile farklı performans metrikleri kullanılarak karşılaştırılmıştır. Deneysel sonuçlar geliştirilen metotların etkin sonuçlar elde ettiklerini göstermektedir. Anahtar Kelimeler: Alzheimer hastalığı tespiti, derin öğrenme, Inception, ResNet.
Alzheimer's disease, which is a neurological disorder, usually affects old people. This disease can be diagnosed early and some preventive measures can be taken to improve patient comfort. At this point, effective Alzheimer disease detection methods have been developed with the use of artificial intelligence and image processing methods. In this thesis, deep learning-based methods were developed to detect disease stages by using an Alzheimer MRI dataset containing 3 stages of Alzheimer's disease. The developed methods use deep learning architectures. By using conventional convolution layer, ResNet50 and Inception V3 architectures together, 5 different deep learning models have been developed. In particular, hybrid deep learning models have been developed by optimizing the special block structures of the Resnet50 and Inception V3 architectures to work together. The layer structure of the models has been optimized to interpret Alzheimer's data. Model designs are made by considering the vanishing gradient problem. In addition, undesirable situations such as over fitting and computational complexity are taken into account in the ordering and modeling of special block structures. The developed methods are compared with current deep learning methods using different performance metrics. The experimental results show that the developed methods have obtained effective results. Keywords: Alzheimers's disease detection, deep learning, Inception, ResNet.
