Erciyes University - AVESIS
Not a member yet
96078 research outputs found
Sort by
Electroconvulsive therapy ameliorates treatment-resistant depression in patient with Lewy body dementia
No full textLewy body dementia (LBD), the second most common degenerative dementia after Alzheimer's disease, is frequently associated with neuropsychiatric symptoms such as depression, anxiety, and apathy. These symptoms may precede cognitive decline, often resulting in misdiagnosis and inappropriate treatment. Electroconvulsive therapy (ECT) has emerged as a promising option for treatment-resistant depression in LBD. This report describes a 68-year-old female patient with LBD who received multiple ECT sessions for persistent severe depression and suicidal ideation. ECT led to marked symptom improvement across several hospitalizations. This case underscores the diagnostic and therapeutic challenges of neuropsychiatric symptoms in LBD and highlights ECT as a potential alternative when pharmacotherapy is inadequate. Early identification of LBD in patients with late-onset depression is essential to guide individualized treatment strategies
Fall Detection Using Sound with FPGA Signal Analysis and Machine Learning Integration
No full textFalls represent a considerable risk to the well-being of geriatric populations, frequently resulting in injuries or mortality. In response to this pressing concern, we introduce an innovative fall detection apparatus employing acoustic sensors and FPGA (Field Programmable Gate Array) technology to effectively alleviate these hazards. Our system capitalizes on acoustic phenomena, particularly those associated with footstep sounds and falls, which are gathered through routine activities and video documentation to develop a comprehensive model adept at differentiating between fall incidents and non-fall occurrences. The primary attributes encompass the derivation of Mel-frequency cepstral coefficients (MFCC) from the processed auditory signals. To enhance operational efficacy, an FPGA is utilized to execute all data processing functions, inclusive of Fourier transformations and a threshold-based predictive algorithm. This methodology diminishes dependence on conventional computational systems while preserving elevated processing efficiency. The derived features are subsequently employed to formulate a data classification model utilizing a Convolutional Neural Network (CNN) and Random Forest Tree (RFT), which proficiently discriminates between sounds indicative of falls and those not related to falls
Sağlık Alanında Açıklanabilir Yapay Zekâ Kullanımı Üzerine Bir Uygulama
No full textBüyük verilerin hayatımıza girmesi ile bu verilerle elde edilebilecek bilgiler de artmıştır. Özellikle derin öğrenmeye yönelik olmak üzere makine öğreniminin yaygın kullanımı sayesinde büyük veri kümelerinden anlamlı çıkarımlar yapabilmek mümkün hale gelmiştir. Ancak son kullanıcılar, oluşturulan modellerin şeffaflık, yorumlanabilirlik ve güvenilirlik gibi bazı eksiklikleri ile karşı karşıya kalmaktadır. Bu eksikliklerin giderilmesi için geliştirilen “Açıklanabilir Yapay Zekâ (AYZ)”, sistematik bir yaklaşım ile oluşturulan modelin ve alınan kararların kullanıcılar tarafından anlaşılmasını ve modellerin güvenilirliğinin nasıl değerlendirilmesi gerektiğini açıklayabilmektedir.Bu çalışmada sağlık alanında AYZ kullanımı ve faydaları hakkında bilgi verilmektedir. Ayrıca çalışma, sağlık alanında AYZ kullanımına örnek olması açısından, meme kanseri hastalarının çeşitli parametrelere bağlı olarak sağ/ölü durumlarının ön görülmesine olanak sağlayan bir uygulama içermektedir. Öncelikle, makine öğrenmesi algoritmaları kullanılarak sınıflandırma çalışması yapılmıştır. Ardından en başarılı sınıflandırma modelinin sonuçlarının açıklanabilirliği için bir AYZ yöntemi olan SHAP tekniğine başvurulmuştur. Sonuçlar, AYZ kullanımının modelin karar verme sürecinin nedenlerini daha iyi anlamamıza yardımcı olduğunu göstermektedir.</p
Kalp Ritim Bozukluklarının Çok Sınıflı Sınıflandırılmasında ReliefF Yöntemi ve Makine Öğrenimi Tabanlı Yaklaşım
No full textKardiyovasküler hastalıklar (KVH), dünya genelinde ciddi sağlık tehditleri arasında yer almakta ve tüm ölümlerin yaklaşık %32'sine neden olmaktadır. Bu nedenle, KVH'ların erken tanısı ve uygun tedaviye başlanması hayati önem taşımaktadır. Elektrokardiyografi (EKG), kalbin elektriksel aktivitesinin kaydedilmesiyle elde edilen önemli bir tanı yöntemidir. Ancak, aritmi gibi kalp rahatsızlıklarının tanısı, uzman klinisyenlerin gözle incelemesine dayanmakta ve bu süreç zaman alıcı ve zahmetli olabilmektedir. Bu çalışmada, EKG sinyallerinden otomatik aritmi tespiti için bir bilgisayar destekli sistem geliştirilmesi amaçlanmıştır. Normal sinüs ritmi, pacemaker ritmi ve 15 farklı aritmi olmak üzere toplam 17 farklı kardiyak aktivite; EKG sinyallerinden çok çeşitli öznitelik çıkarımı, ReliefF kullanılarak öznitelik seçimi ve farklı makine öğrenimi algoritmalarını kullanılması ile sınıflandırılmıştır. Elde edilen sonuçlar, K-En Yakın Komşu ve Rastgele Orman algoritmalarının %93,4 ve %99,23 doğruluk oranları ile en yüksek başarıyı gösterdiğini ortaya koymuştur. Bu çalışma, aritmilerin çok sınıflı sınıflandırmasında EKG sinyallerinden morfolojik, zaman, frekans, entropi ve karmaşıklık özniteliklerini bir arada çıkararak, farklı makine öğrenimi algoritmaları kullanarak 17 farklı kardiyak aktivite sınıfını yüksek doğruluk oranlarıyla sınıflandırmıştır. Böylece, literatürdeki çalışmalardan farklılaşarak aritminin otomatik sınıflandırılmasına önemli bir katkı sağlamıştır.Cardiovascular diseases (CVDs) represent a significant health threat worldwide and account for approximately 32% of all deaths. Therefore, early diagnosis and timely treatment of CVDs are crucial. Electrocardiography (ECG) is an important diagnostic method that involves recording the electrical activity of the heart. However, the diagnosis of heart disorders, such as arrhythmias, relies on the visual examination of expert clinicians, making this process time-consuming and labor-intensive. This study aims to develop a computer-assisted system for automatic arrhythmia detection from ECG signals. A total of 17 different cardiac activities, including normal sinus rhythm, pacemaker rhythm, and 15 different arrhythmias, were classified using various feature extraction methods from ECG signals, feature selection through ReliefF, and different machine learning algorithms. The results obtained show that the K-Nearest Neighbors and Random Forest algorithms achieved the highest accuracies of 93.4% and 99.23%, respectively. This study distinguishes itself from existing literature by extracting morphological, temporal, frequency, entropy, and complexity features from ECG signals for multi-class classification of arrhythmias and successfully classifying the 17 different cardiac activity classes with high accuracy. Thus, it provides a significant contribution to the automatic classification of arrhythmias
Effects of apigenin, hesperidin and their combinations on different physiopathological pathways in 5-fluorouracil-induced pulmonary damage
No full textBackground: Chemotherapeutics target cancerous cells, but they also have unavoidable toxicities in healthy tissues. Aim: In this study, the effects of the commonly used chemotherapeutic 5-fluorouracil (5FU) on lung tissue were investigated, along with the possible protective benefits of apigenin (API), hesperidin (HES), and their combination. Methodology: The study consisted of control, 5FU, API + 5FU, HES + 5FU, and API+HES + 5FU groups. API 50 mg/kg and HES 200 mg/kg were administered for 7 days. On the 8th day, 5FU was administered a dose of 100 mg/kg. Results: Analyses showed that API and HES were effective in preventing oxidative stress induced by 5FU in lung tissue, attenuating inflammation and apoptosis by suppressing MAPK/NFκB and Caspase-3/Bax/Bcl-2 pathways, suppressing autophagy by decreasing LC3B expression, and regulating Sigmar1 expression. Conclusion: These results suggest that the two flavonoids, when administered separately or in combination, may be useful in reducing side effects that often occur during the use of chemotherapeutics
