Veri Seti Kurulumu

PPMI (Parkinson’s Progression Markers Initiative – Parkinson İlerleme Belirtileri Girişimi), Parkinson hastalığının ilerleme belirtilerini belirlemek amacıyla oluşturulmuş bir platformdur. Bu platformda parkinson araştırma vakfı, kalıtsal hastalıklar ve nöroloji alanlarında uzman bilim insanları bir arada çalışmaktadır. Bu alanda yapılan çalışmalar için kurumsal firmalar ve özel şahıslar tarafından fon desteği sağlanmaktadır. İtalya, Norveç, Almanya, Avusturalya ve Amerika üzerinde birçok klinik ile atanan koordinatörler vasıtasıyla iletişim kurulmaktadır. Parkinson hastalığının teşhis ve tedavisinde birçok uzmanlık alanı iç içe çalışması gerekmektedir. Bu nedenle PPMI platformu içinde Uyku, Genetik, Biyoloji, Görüntüleme ve Bilişsel alanlarda çalışma grupları oluşturulmuştur.

51

Bu tez çalışmasında kullanılan veriler Parkinson Progression Markers Initiative (PPMI) veri tabanından (www.ppmi-info.org/data) elde edilmiştir. Hastalık ve verilerle ilgili güncel bilgilere www.ppmi-info.org adresinden ulaşılabilir.

Verileri kullanmak isteyen araştırmacılar PPMI platformundan yapacakları araştırma çalışması için izin almak zorundadır. Bu izin bir sözleşme çerçevesinde gerçekleşir. Sözleşme onaylandıktan sonra hesap açılmış olur.

Sisteme giriş yapıldıktan sonra menü üzerinden “Download” bölümü altındaki “Image Collection” sayfasına gidilir. Gelen sayfa üzerinden “Advance Search” bölümü açılır. Bu sayfa üzerinden istenilen görüntü verilerinin arama işlemleri gerçekleştirilebilir.

Arama ekranı üzerinde birçok kriter bulunmaktadır. Yaş, cinsiyet, ağırlık, araştırma grubu, görüntüleme yöntemi, görüntü tipi gibi değerlerden istenilen ölçütler girilerek istenilen verilere kolayca ulaşılabilmektedir. Tez çalışmasında kullanılan kriterler Çizelge 5’de verilmiştir.

Çizelge 5. Veri seti için belirlenen kriter ve değerleri

Kriter Belirlenen Değer

Araştırma Grubu Control Pd Swedd Görüntü Yöntemi Spect

52

Şekil 34. Veri seti için belirlenen kriterlerin seçimi

Çalışmada kullanılan görüntüleme yöntemi Spect’tir. Görüntü türü olarak pre- processed seçeneği zorunlu olarak seçilmiştir. Çünkü Spect görüntü yönteminin orijinal olarak veri kaydı bulunmamaktadır. Spect görüntüleri için varsayılan tür olarak pre-processed değeri verilmektedir. Araştırma grubu olarak Control, Pd ve Swedd değerleri bulunmaktadır. Kriterler belirlendikten sonra “Search” butonu ile bu kriterlere uyan hasta kayıtları listelenmektedir.

Şekil 35. PPMI veri seti arama sonuçları

Gelen liste üzerinden birçok farklı cihazdan alınmış görüntüler mevcuttur. Bu görüntü çeşitliliği çalışmanın gerçek zamanlı uygulamalarda hata oranını en aza indirmektedir (Zhang, 2017). Yapılan derin öğrenme çalışmalarında binlerce veriden oluşan veri setleri kullanılmaktadır. Araştırmacılar MNIST web sayfası üzerinden yayınladıkları veri tabanında toplam 70 bin adet el yazısını bir araya getirdiler. Veri

53

setinde bulunan resimlerden 60 bin adeti eğitim ve 10 bin adeti test işlemleri için ayrılmıştır. Bu tür çalışmalarda veri seti az olduğunda veri arttırma yöntemlerine başvurulmaktadır. Veri sayısı az olan durumlarda veri setinde çeşitli bozma, dönüşüm, renk değişiklikleri ve kesit alma işlemleri ile başarı arttırma çalışmaları veri arttırma işlemleri olarak adlandırılmaktadır (Kızrak, 2018). Veri arttırma işlemi doğruluğu yüksek eğitim yapmak ve öğrenme işleminde ezberleme olmamasını sağlamak adına yapılmaktadır. Veri arttırma kullanmadan yapılan çalışmalarda eğitim sırasında yüksek doğruluk oranları elde edilirken, gerçek hayatta kullanıldığında doğruluk oranı düşmektedir (Wang ve Perez, 2017).

Aşağıdaki resimde veri arttırma yöntemi ile çoğaltılmış resim örnekleri bulunmaktadır. Veri setinde sadece ön taraftan alınmış kedi resimleri ile eğitim işlemi gerçekleştirilebilir. Bu durumda gerçek hayatta yandan veya yakından kedi resmi algılandığında tespit işlemi doğru yapılamayacaktır.

Bu çalışmada ise Spect görüntüleri üzerinde aşağıda yer alan resimdeki gibi yakınlaştırma, belli bir kesit alma gibi yöntemler uygulanmamıştır. Çünkü görüntü üzerindeki her bir nokta/piksel hastalık teşhisi için gerekli değerleri içerebilmektedir. Fakat bu noktada tek bir cihazdan alınan görüntülerden eğitim yapıldığı düşünüldüğünde gerçek hayatta başarısız sonuçlara ulaşılabilir. Bu nedenle sınıflandırmada başarı oranının gerçek hayatta olumsuz sonuçlar doğurmaması için farklı cihazlardan alınan resim dosyaları kullanılmıştır.

Şekil 36. Veri arttırma yöntemi uygulanmış resim örneği17

54

Arama sonuçlarında her hasta için tanımlanmış ID değeri, cinsiyet, yaş ve farklı üretici firmaların kayıtları listelenmektedir. Listelenen kayıtlardan görüntüler incelenebilir. Bunun için kayıt sırasında bulunan “View” butonuna tıklayarak görüntüler incelebilir. View butonuna tıklandıktan sonra aşağıdaki gibi bir ekran gelmektedir. Gelen ekran üzerinden görüntünün önden veya yandan görüntüleri incelenebilir. Yakınlaştırma ve uzaklaştırma ayarları ile detaylı incelemeler yapılabilir. Ayrıca 91 kesitten oluşan Spect görüntünün her bir kesiti “Slice” bölümünden ayarlama yapılarak görüntülenebilir.

Şekil 37. Kontrol grubundan bir bireyin görüntülendiği ekran

Listelenen kayıtlar seçildikten sonra “CSV Download” butonu ile “.csv” dosya formatında bilgiler indirilebilir. “Add To Collection” butonu ile listelenen kayıtları daha sonra tekrar arama yapmamak adına giriş yapan kullanıcının koleksiyon hesabına aktarılabilir.

55

Şekil 38. PPMI web sayfasında kullanıcı koleksiyon ekranı

Koleksiyon üzerinden herhangi bölüm seçildikten sonra daha önce arama yapılmış kayıtlar listelenebilir. Gelen listeden “All” butonu ile tüm kayıtlar seçilip “Click Download” butonuna tıklandığında zip dosyası olarak indirme ekranı açılacaktır. Bu ekran üzerinden seçilen kayıtların “dcm” uzantılı DICOM türündeki görüntü dosyaları kullanıcı bilgisayarına indirilebilir. Bu tez çalışmasında kullanılan veri seti 03.04.2019 tarihinde https://www.ppmi-info.org adresinden indirilmiştir.