Tez No	İndirme	Tez Künye	Durumu
684475		Psikiyatrik hastalıkların makine öğrenmesi yöntemleri ile ayrıştırılması / Discrimination of psychiatric disorders by machine learning methods Yazar:İLKİM ECEM EMRE Danışman: DOÇ. DR. ÇİĞDEM EROL Yer Bilgisi: İstanbul Üniversitesi / Fen Bilimleri Enstitüsü / Enformatik Ana Bilim Dalı / Enformatik Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control ; Bilim ve Teknoloji = Science and Technology Dizin:	Onaylandı Doktora Türkçe 2021 118 s.
Psikiyatrik hastalıkların teşhisinde hekimler belirti tabanlı bir yaklaşım izlemektedir. Bu yaklaşıma göre DSM veya ICD gibi uluslararası geçerliliği olan teşhis araçlarını, hasta raporlarını ve hekimin gözlem ve tecrübesine dayanan bir süreç takip edilmektedir. Tıbbın diğer alanlarında olduğu gibi psikiyatride de hastalıklarla ilgili süreçlerde kullanılabilecek biyobelirteçlerin arayışı sürmekte ve bu alanda çeşitli araştırmalar yapılmaktadır. Bu tez çalışması kapsamında farklı psikiyatrik hastalıklara sahip bireylerin elektroensefalogram (EEG) ölçümlerini içeren bir veri setinin makine öğrenmesi yöntemleri ile analiz edilmesi ve elde edilen modeller ile hastalıkların ayrıştırılması/sınıflandırılması sağlanmıştır. Böylece EEG verisinin psikiyatrik hastalıklar için bir biyobelirteç olup olamayacağı araştırılmıştır. Elde edilen modeller; hasta ve sağlıklı gruplar arasında ayrım yapılabilmesini sağlarken birden fazla psikiyatrik hastalığın birbirinden ayrıştırılmasını da sağlamıştır.
Physicians follow a symptom-based approach in the diagnosis of psychiatric diseases. According to this approach, a process based on internationally valid diagnostic tools such as DSM or ICD, patient reports and the observation and experience of the physician is followed. As in other fields of medicine, the search for biomarkers that can be used in processes related to diseases continues in psychiatry and various studies are conducted in this field. Within the scope of this thesis, a data set containing electroencephalogram (EEG) measurements of individuals with different psychiatric diseases was analyzed by machine learning methods and the diseases were discriminated/classified with the obtined models. The models obtained allowed to distinguish between patient and healthy groups, and also enabled the discrimination of more than one psychiatric disease from each other.