Bipolar bozukluk manik epizot ile başvuran hastalara ait video görüntülerinin tedavi yanıtına göre farklılıklarının yapay zekâ tabanlı incelenmesi
Artificial intelligence–based analysis of video recordings of patients presenting with manic episodes of bipolar disorder according to treatment response differences
- Tez No: 1015315
- Danışmanlar: DR. ÖĞR. ÜYESİ FATMA TUYGAR OKUTUCU, DOÇ. DR. MEHMET BAYĞIN
- Tez Türü: Tıpta Uzmanlık
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Psikiyatri, Computer Engineering and Computer Science and Control, Psychiatry
- Anahtar Kelimeler: Bipolar bozukluk, Dijital teknolojiler, Yapay zeka, Bipolar disorder, Digital technologies, Artificial intelligence
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Atatürk Üniversitesi
- Enstitü: Tıp Fakültesi
- Ana Bilim Dalı: Ruh Sağlığı ve Hastalıkları Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Bipolar bozukluk, duygudurum, enerji ve davranışta belirgin dalgalanmalarla seyreden ve tanı ile izlem süreçlerinde büyük ölçüde öznel klinik değerlendirmelere dayanan kronik bir psikiyatrik bozukluktur. Manik epizotlarda yüz ifadeleri, jestler, mimikler ve motor aktivitede artış gözlenirken, tedaviye yanıtla birlikte bu göstergelerde görece bir normalleşme ortaya çıkar. Bu tez çalışmasının amacı, bipolar bozukluk manik epizot tanılı hastalarda tedavi sürecine bağlı yüz ifadeleri ve davranışsal göstergelerdeki değişimleri nesnel olarak nicelleştirmek, bu değişimleri yapay zekâ tabanlı video analizi ile incelemek ve manik dönem, remisyon dönemi ve sağlıklı bireyler arasında ayırt edici dijital biyobelirteçler geliştirmektir. Yöntem: Çalışma, prospektif ve gözlemsel bir tasarımla yürütülmüştür. Örneklem, DSM-5 ölçütlerine göre Bipolar I Bozukluk, manik epizot tanısı almış 41 hastanın manik ve tedavi sonrası remisyon dönemlerine ait video kayıtları ile 41 sağlıklı kontrol bireyin kayıtlarından oluşmuştur. Klinik değerlendirmede YMDÖ, HDDÖ ve KGİ ölçekleri kullanılmıştır. Video verilerinden, önceden eğitilmiş DenseNet201 mimarisi kullanılarak derin görsel özellikler çıkarılmıştır. Model değerlendirmesinde kişi temelli leave-one-subject-out (LOSO) çapraz doğrulama stratejisi uygulanmış; ikili ve üç sınıflı olmak üzere altı farklı klinik sınıflandırma senaryosu k-en yakın komşu (k-NN) sınıflandırıcısı ile analiz edilmiştir. Bulgular: Sonuçlar, DenseNet201 tabanlı derin özellikler ile k-NN sınıflandırıcısının, kişi temelli LOSO değerlendirmesi altında manik, remisyon ve sağlıklı dönemleri ayırt etmede anlamlı performans gösterdiğini ortaya koymuştur. En yüksek başarı manik ve sağlıklı grupların ayrımında elde edilirken, manik ve remisyon dönemlerinin ayrımı daha zorlayıcı bulunmuştur. Sonuç: Bu çalışma, bipolar bozuklukta klinik dönemler arasındaki farkların yapay zekâ tabanlı video analizi ile nesnel olarak yakalanabileceğini göstermekte ve gelecekte multimodal dijital değerlendirme sistemleri için temel oluşturmaktadır
Özet (Çeviri)
Objective: Bipolar disorder is a chronic psychiatric condition characterized by pronounced fluctuations in mood, energy, and behavior, with diagnostic and follow-up processes largely relying on subjective clinical assessments. During manic episodes, increases in facial expressions, gestures, mimics, and motor activity are commonly observed, whereas a relative normalization of these behavioral indicators emerges in response to treatment. The aim of this thesis is to objectively quantify treatment-related changes in facial expressions and behavioral indicators in patients with bipolar disorder experiencing manic episodes, to examine these changes using artificial intelligence–based video analysis, and to develop discriminative digital biomarkers capable of differentiating manic episodes, remission periods, and healthy individuals. Methods: This study was conducted using a prospective and observational design. The sample consisted of video recordings from 41 patients diagnosed with Bipolar I Disorder, manic episode, according to DSM-5 criteria, obtained during the manic phase and the post-treatment remission phase, as well as recordings from 41 healthy control participants. Clinical assessments included the Young Mania Rating Scale, the Hamilton Depression Rating Scale, and the Clinical Global Impression scale. Deep visual features were extracted from the video data using a pretrained DenseNet201 architecture. Model evaluation was performed using a subject-wise leave-one-subject-out (LOSO) cross-validation strategy. Six clinical classification scenarios, including binary and three-class conditions, were analyzed using a k-nearest neighbors (k-NN) classifier. Results: The findings demonstrated that DenseNet201-based deep features combined with the k-NN classifier achieved significant performance in distinguishing manic, remission, and healthy states, even under subject-wise LOSO evaluation. The highest performance was observed in differentiating manic episodes from healthy controls, whereas discrimination between manic and remission states proved to be more challenging. Conclusion: These results indicate that differences among clinical phases in bipolar disorder can be objectively captured through artificial intelligence–based video analysis, providing a foundation for future multimodal digital assessment systems.
Benzer Tezler
- Bipolar bozukluk tanılı hastalarda GDF-15 ve FGF-21'in bir biyobelirteç olarak belirlenmesi ve kognitif fonksiyonlar üzerine olan etkisinin incelenmesi
Identification of GDF-15 and FGF-21 as biomarkers in patients diagnosed with bipolar disorder and examination of their impact on cognitive functions
YAĞMUR DARBEN AZARSIZ
Tıpta Uzmanlık
Türkçe
2024
PsikiyatriSağlık Bilimleri ÜniversitesiRuh Sağlığı ve Hastalıkları Ana Bilim Dalı
DOÇ. DR. HASAN KAYA
- Bipolar bozukluk tanılı kadınlarda perinatal dönemde epizod riski ve ilişkili faktörler
Episode risk and related factors in the perinatal period in women with bipolar disorder
LEYLA YILDIZ
Tıpta Uzmanlık
Türkçe
2025
PsikiyatriSağlık Bilimleri ÜniversitesiRuh Sağlığı ve Hastalıkları Ana Bilim Dalı
DOÇ. DR. İKBAL İNANLI
- Elli yaş ve üzeri remisyonda bipolar bozukluk hastalarında klinik özellikler, anksiyete bozukluğu tanısı ve bilişsel işlevlerin işlevsellik üzerindeki etkisinin araştırılması
Impact of clinical features, comorbid anxiety disorders and the effect cognitive functions on psychosocial functioning in euthymıc bipolar patients aged fifty years and older
BERKAY VAHAPOĞLU
Tıpta Uzmanlık
Türkçe
2019
PsikiyatriSağlık Bilimleri ÜniversitesiRuh Sağlığı ve Hastalıkları Ana Bilim Dalı
DOÇ. DR. ARMAĞAN ÖZDEMİR
- Bipolar bozukluk tanılı hastalarda ve sağlıklı kontrollerde alarminlerin (IL-33, SST2, HMGB1 ve S100 B) serum düzeylerinin incelenmesi
Examination of serum levels of alarmins (IL-33,SST2, HMGB1 and S100B) in patients diagnosed with bipolar disorder and healthy controls
FATMA AKKAYA
Tıpta Uzmanlık
Türkçe
2024
PsikiyatriSağlık Bilimleri ÜniversitesiRuh Sağlığı ve Hastalıkları Ana Bilim Dalı
DOÇ. DR. BAHRİ İNCE
- Bipolar duygudurum bozukluğu manik epizod hastalarının akut alevlenme ve remisyon dönemlerinde serum galektin-1 ve galektin-3 düzeylerinin değerlendirilmesi
Evaluation of serum galectin-1 and galectin-3 levels in acute exacerbation and remission periods in manic episode patients with bipolar mood disorder
MERYEM YÜKSEL AYTEKİN
Tıpta Uzmanlık
Türkçe
2021
PsikiyatriSağlık Bilimleri ÜniversitesiRuh Sağlığı ve Hastalıkları Ana Bilim Dalı
PROF. DR. EROL GÖKA
DR. AYBENİZ CİVAN KAHVE