Otizm Spektrum Bozukluklarında Kendini Uyarıcı Hareketlerin Görsel Kelime Çantası Yaklaşımı ve Derin Öğrenme Yöntemleri ile Tanınması
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Atatürk Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Anabilim Dalı, Türkiye
Tezin Onay Tarihi: 2020
Tezin Dili: Türkçe
Öğrenci: SİBEL KAÇDIOĞLU
Asıl Danışman (Eş Danışmanlı Tezler İçin): Barış Özyer
Eş Danışman: Saied Agahian
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
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.