Otizm spektrum bozukluklarında kendini uyarıcı hareketlerin görsel kelime çantası yaklaşımı ve derin öğrenme yöntemleri ile tanınması
Recognition of self- stimulatory behaviours with bag-0f-visual-words approach and deep learning methods in Autism Spectrum Disorders
- Tez No: 634849
- Danışmanlar: DR. ÖĞR. ÜYESİ BARIŞ ÖZYER, DR. ÖĞR. ÜYESİ SAEID AGAHIAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Atatürk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Otizm spektrum bozuklugu (OSB), sosyal etkileşim ve iletişim eksiklikleri, sınırlı ve tekrarlanan hareketler gibi belirtileri olan nörobiyolojik bir bozukluktur. Tekrarlanan hareketler, otizm tanısında kullanılan önemli ipuçlarıdır. Bu hareketler, kolları kanat gibi çırpma, ileri-geri kafa sallama, kendi etrafında dönme gibi kendini uyarıcı hareketlerdir. Kendini uyaran davranışlar, vücut parçalarının veya nesnelerinin kalıplaşmış, tekrarlayan hareketlerini ifade eder. Otizm tanısı için hekimlerin çocuklarla uzun süre etkileşimde bulunarak bu hareketleri gözlemlemesi gerekmektedir. Bu durum uzun süren seanslarla gerçekleştirildigi için çocuklarda otizmin erken tanısını geciktirmektedir. Bu tez çalışmasında OSB şüphesi bulunan çocukların klinik ortamdan bağımsız günlük yaşamlarında kaydedilmiş video görüntülerinden kendini uyarıcı hareketlerin klasik makine öğrenme yöntemleri ve derin öğrenme yöntemleri ile tanınması amaçlanmıştır. Yöntem: Bu çalışmada 4 (dört) farklı tekrarlanan hareketten meydana gelen yeni bir veri seti oluşturulmuştur. Hareketlerin algılanması ve tanınması amacı ile Görsel Kelime Çantası yaklaşımı çerçevesinde yaygın olarak kullanılan HOG, HOF, HOG-HOF, SIFT VE SURF tanımlayıcıları ile öznitelik vektörleri çıkarılmıştır. Hareketleri sınıflandırmak için MLP, GNB ve SVM sınıflandırıcıları kullanılmıştır. Ayrıca, LSTM ve 3DCNN derin öğrenme algoritmaları kullanılarak hareketler tanınmaya çalışılmıştır. Bulgular: HOF öznitelik tanımlayıcısı ve MLP sınıflandırıcısı genel olarak deneylerde iyi sonuç vermiştir. Hareketlerin tekrarlı olmasından dolayı görsel kelime çantası yaklaşımında yeterli ve az sayıda anahtar görsel kelime kullanılması sonucu iyileştirmiştir. Sonuç: Deneysel sonuçları incelediğimizde, HOF yöntemi 200 anahtar görsel kelime sayısında MLP sınıflandırıcısı ile %80 doğruluk gözlemlenmiştir.
Özet (Çeviri)
Purpose: Autism spectrum disorder (ASD) is a neurobiological disorder that some symptoms such as deficit of social interaction and communication, limited and repeated behavior are observed in patients. Repetitive behaviors are signicant clues for diagnosis of ASD. These behaviors are self-stimulatory behaviors such as flapping arms like wings, shaking head back and forth, and spinning around itself. Self-stimulatory behaviors refers to the stereotyped, repetitive movements of body parts or objects. These repetitive behaviors, which is called self-stimulating behaviors, are described Physicians should observe and examine these self-stimulating behaviors by interacting with children for a long time that makes it difficult in early diagnosis of ASD. In this paper, it is aimed to recognize the self-stimulatory behaviors from the video recorded in the daily lives of the children with suspected ASD independent of the clinical environment with classical machine learning methods and deep learning methods. Method: In this study, a new dataset consisting of 4 (four) different repetitive behaviours was created. In order to detect and recognize the behaviours, feature vectors are extracted with the HOG, HOF, HOG-HOF, SIFT and SURF descriptors, which are commonly used in the Bag-of-Visual-Word approach. MLP, GNB and SVM classifiers are used to classify behaviours. Additionally, LSTM and 3DCNN deep learning algorithms are used to recognize the behaviours. Findings: The HOF features descriptor and MLP classifier generally worked well in experiments. Due to the repetition of the behaviors, using sufficient and few key visual words in the bag-of-visual-word approach improved accuracy result. Results: When we examine the experimental results, 80% accuracy was observed in the HOF descriptor, MLP classifier and 200 key visual word.
Benzer Tezler
- Yaygın gelişimsel bozukluğu (Otizm spektrumu) olan çocuklarda klinik ve elektroensefalografi bulguları.
Başlık çevirisi yok
SEMİH AYTA
Tıpta Uzmanlık
Türkçe
2006
Nörolojiİstanbul ÜniversitesiNöroloji Ana Bilim Dalı
PROF. DR. MEFKURE ERAKSOY
- Bilgi verici danışmanlığın otistik çocuğu olan anne-babaların kaygı düzeylerine etkisi
Başlık çevirisi yok
NESLİHAN AKSAZ KULOĞLU
Yüksek Lisans
Türkçe
1992
PsikolojiAnkara ÜniversitesiEğitimde Psikolojik Hizmetler Ana Bilim Dalı
PROF.DR. YILDIZ KUZGUN
- Erken bebeklik otizmi olgularının etyolojik tanısında EEG ve BBT'nin önemi üzerinde bir araştırma
Başlık çevirisi yok
SEMA TANRIÖVER
- Espasa bağlı hareket ve dinamik biçim ilişkilerinde bir yöntem önerisi
Başlık çevirisi yok
HAKAN KAMIŞOĞLU
Yüksek Lisans
Türkçe
1992
Güzel SanatlarMimar Sinan Güzel Sanatlar ÜniversitesiResim Ana Sanat Dalı
YRD. DOÇ. DR. GÖKHAN ANLAĞAN
- Bir grup otistik çocukta sosyodemografik özellikler ve organik etyolojinin araştırılması
Başlık çevirisi yok
ESİN ÖZATALAY