Geri Dön

Yüz görüntülerinden otizm spektrum bozukluğu tespiti: Transformer tabanlı derin öğrenme yaklaşımları

Auti̇sm spectrum di̇sorder detecti̇on from faci̇al images: Transformer based deep learni̇ng approaches

PDF İndir

  1. Tez No: 987700
  2. Yazar: FARUK CENGİZ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ FESİH KESKİN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Iğdır Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu çalışma, yüz görüntülerinden Otizm Spektrum Bozukluğu (OSB) tespiti amacıyla Transformer tabanlı derin öğrenme modellerinin performansını karşılaştırmalı olarak değerlendirmektedir. İncelenen mimariler arasında ViT, Swin-T, DeiT ve CoaT bulunmaktadır. Modellerin analizi, ROC eğrileri, karmaşıklık matrisleri ve sınıflandırma metrikleri (doğruluk, kesinlik, duyarlılık ve F1-skoru) esas alınarak gerçekleştirilmiştir. Elde edilen bulgulara göre, OSB sınıflandırmasında Swin-T modeli, %87,76'lık doğruluk oranı ve 0,96 AUC değeri ile en üst düzeyde başarı sergilemiştir. CoaT modeli ise %86,01 doğruluk ve 0,94 AUC değeri ile güçlü bir alternatif olarak öne çıkmıştır. DeiT modeli orta düzeyde bir performans sergilerken, ViT modeli diğer modellere kıyasla daha düşük bir sınıflandırma başarısı göstermiştir. Çalışmanın bulguları, özellikle Swin-T ve CoaT mimarilerinin, OSB'li bireyleri tipik gelişim gösteren bireylerden ayırt etmede yüksek doğruluk ve dengeli bir performans sunduğunu açıkça ortaya koymaktadır. Swin-T modelinin bu başarısının temelinde, kaydırılmış pencere mekanizması aracılığıyla hem lokal hem de genel öznitelikleri etkin bir şekilde birleştirmesi yatmaktadır. Bu yenilikçi yaklaşım, modelin yüz görüntülerindeki karmaşık desenleri daha derinlemesine anlamasına olanak tanımıştır. Mevcut çalışma, Dönüştürücü tabanlı yaklaşımların nörogelişimsel bozuklukların tespitine yönelik klinik karar destek sistemleri için önemli bir araştırma potansiyeline sahip olduğunu ortaya koymaktadır. Bulgularımız, bu tür modellerin, gelecekteki klinik uygulamalarda tanı süreçlerine yardımcı bir araç olarak işlev görme potansiyeline işaret etmektedir. Bununla birlikte, bu teknolojilerin gerçek klinik ortama entegrasyonu için bağımsız veri kümeleri üzerinde kapsamlı doğrulama ve prospektif klinik çalışmaların vazgeçilmez olduğu vurgulanmalıdır.

Özet (Çeviri)

This study presents a comparative evaluation of the performance of Transformer-based deep learning models for the detection of Autism Spectrum Disorder (ASD) from facial images. The architectures examined include ViT, Swin-T, DeiT, and CoaT. The analysis of these models was conducted based on ROC curves, confusion matrices, and classification metrics (accuracy, precision, recall, and F1-score). According to the findings, the Swin-T model demonstrated the highest classification performance in ASD detection, achieving an accuracy of 87.76% and an AUC score of 0.96. The CoaT model also emerged as a strong alternative with an accuracy of 86.01% and an AUC value of 0.94. While the DeiT model delivered moderate performance, the ViT model showed comparatively lower classification success. The results of the study clearly highlight that the Swin-T and CoaT architectures offer high accuracy and balanced performance in distinguishing individuals with ASD from typically developing individuals. The success of the Swin-T model can be attributed to its ability to effectively integrate both local and global features through the shifted window mechanism. This innovative approach enabled the model to gain a deeper understanding of complex patterns in facial images. The current study reveals that Transformer-based approaches hold significant research potential for clinical decision support systems aimed at identifying neurodevelopmental disorders. Our findings indicate that such models have the potential to serve as assistive tools in future clinical diagnostic processes. However, it should be emphasized that comprehensive validation on independent datasets and prospective clinical studies are indispensable for the integration of these technologies into real-world clinical environments.

Benzer Tezler

  1. Tez No

    712192

    Autism detection from facial Images using deep learning methods

    Derin öğrenme yöntemlerini kullanarak yüz görüntülerinden otizm tespiti

    ABDULAZEEZ MOUSA ALMAHMOOD

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Yazılım Mühendisliği Ana Bilim Dalı

    DOÇ. DR. FATİH ÖZYURT

  2. Tez No

    849108

    DA4HI: A deep learning framework for facial emotion recognition in affective systems for children with hearing impairments.

    DA4HI: İşitme engelli çocuklar için duyuşsal sistemlerde yüzdeki duyguların tanınması maksadıyla geliştirilen derin öğrenme modeli.

    CEMAL GÜRPINAR

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. HATİCE KÖSE

    PROF. DR. NAFİZ ARICA

  3. Tez No

    753051

    Otizm spektrum bozukluğu olan çocuklarda görsel algının yüz pareidolia paradigması kullanılarak elektroensefalogram ile incelenmesi

    Investigation of visual perception by electroencephalogram (EEG) using face pareidolia paradigm in children with autism spectrum disorder

    BİLAL ŞAHUTOĞULLARI

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    NörolojiAnkara Yıldırım Beyazıt Üniversitesi

    Sinir Bilimi Ana Bilim Dalı

    DOÇ. DR. GÜLSÜM AKDENİZ

  4. Tez No

    864463

    Ayna ve ekran karşısında yapılan yüz ifadesi öğretim etkinliklerinin otizmli öğrencilerin öz-farkındalıkları üzerine etkisi

    The effect of facial expression teaching activities performed infront of the mirror and screen on self-awareness of students with autism

    TUĞBA GÜLSÖZ

    Doktora

    Türkçe

    Türkçe

    2024

    Eğitim ve ÖğretimNecmettin Erbakan Üniversitesi

    Özel Eğitim Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ YAHYA ÇIKILI

  5. Tez No

    432477

    Akıllı tahta aracılığıyla sunulan video modelle öğretimin otizmli çocuklara sosyal tepki davranışlarının öğretimindeki etkililiği

    Effectiveness of video modeling via smart board to teach socially expressive behaviors to children with autism

    ESİN PEKTAŞ KARABEKİR

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Eğitim ve ÖğretimAnadolu Üniversitesi

    Uygulamalı Davranış Analizi Ana Bilim Dalı

    YRD. DOÇ. DR. NURGÜL AKMANOĞLU

Geri Dön