Derin öğrenme teknikleri kullanılarak göz verileriyle otizm spektrum bozukluğunun tespiti
Detection of autism spectrum disorder using eye data with deep learning methods
- Tez No: 1009278
- Danışmanlar: PROF. DR. OĞUZHAN ERDEM
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Trakya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Hesaplamalı Bilimler Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Otizm Spektrum Bozukluğu (OSB), sosyal ve davranışsal becerileri etkileyen nörogelişimsel bir bozukluktur. Otizmli bireylerde tekrarlayıcı davranışlar, dönen nesnelere ilgi ve sosyal becerilerde eksiklikler ve önemli belirteçlerden biri olarak göz temasından kaçınma görülmektedir. Erken teşhis edildiğinde bireylerin uygun eğitim ile yaşam kalitesi büyük ölçüde artmaktadır. Bu çalışmada, 3–12 yaş arası OSB tanısı almış ve tipik gelişim gösteren çocuklara ait göz izleme verileri kullanılmıştır. Kullanılan veri setine uygun ön işleme adımları uygulanarak derin öğrenme temelli Evrimsel Sinir Ağı (Convolutional Neural Network (CNN)) modeli geliştirilmiştir. Ayrıca aktarımlı öğrenme (transfer learning) modelleri VGG16, ResNet50 ve InceptionV3 uygulanmış ve elde edilen sonuçlar, geliştirilen CNN modelinin performansıyla karşılaştırılmıştır. Bu tez çalışmasında geliştirilen CNN modeli %74, en yakın başarı sağlayan aktarımlı öğrenme modeli InceptionV3 ise %73 doğruluk elde ederek, yapay zekâ ile OSB tanısı tespitinde göz hareket verilerinin kullanılabileceğini göstermiştir.
Özet (Çeviri)
Autism Spectrum Disorder (ASD) is a neurodevelopmental disorder affecting social interaction and behavior. Individuals with ASD often show repetitive behaviors, strong interest in rotating objects, social communication deficits, and reduced eye contact, an important diagnostic indicator. Early diagnosis with proper intervention and education improves quality of life. In this study, eye-tracking data from children aged 3–12, including those diagnosed with ASD and typically developing children, were used. A deep learning-based Convolutional Neural Network (CNN) model was developed with appropriate preprocessing. Transfer learning models, including VGG16, ResNet50, and InceptionV3, were also implemented and compared with the CNN model. The proposed CNN achieved 74% accuracy, while the best transfer learning model, InceptionV3, achieved 73%. These results show that eye-tracking data can effectively support ASD diagnosis using artificial intelligence.
Benzer Tezler
- Emotion recognition process analysis by using eye tracker, sensor and application log data
Göz izleme cihazı, sensör ve uygulama verileri ile insanlarda duygu tanıma analizi
MAHİYE ÖZTÜRK
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZEHRA ÇATALTEPE
- Emotion recognition in children: Single and multimodal approaches with facial and physiological data
Çocuklarda duygu tanima: Yüz ve fizyolojik verilerle tekli ve çoklu modalite yaklaşimlari
ŞEYMA TAKIR
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HATİCE KÖSE
- 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
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HATİCE KÖSE
PROF. DR. NAFİZ ARICA
- Göz hareketlerinin takip edilmesiyle insan davranış ve sağlığının tespiti
Detection of human behavior and health by tracking eye movements
DİLBER ÇETİNTAŞ
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. TANER TUNCER
- Uydu verileri temelli derin öğrenme ve açıklanabilir makine öğrenmesi teknikleri kullanılarak Sakarya ili fındık alanlarının mekansal dağılımının belirlenmesi
Determining the spatial distribution of hazelnut areas in Sakarya province using satellite data-based deep learning and explainable machine learning techniques
GAFUR SEMİ ŞENGÜL
Yüksek Lisans
Türkçe
2026
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ELİF SERTEL
PROF. DR. BEYZA USTAOĞLU