Dikkat eksikliği ve hiperaktivite bozukluğu olan çocukların yüz tanıma becerilerinin ölçülmesi ve yüz davranışlarının bilgisayarlı analizi
Assessment of face recognition abilities and digital analysis of facial movements of the children with attention deficit hyperactivity disorder
- Tez No: 691837
- Danışmanlar: PROF. DR. MUSTAFA AYYILDIZ
- Tez Türü: Doktora
- Konular: Psikiyatri, Çocuk Sağlığı ve Hastalıkları, Psychiatry, Child Health and Diseases
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Ondokuz Mayıs Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Klinik Sinir Bilimler Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 118
Özet
Amaç: Bu çalışmada Dikkat Eksikliği Hiperaktivite Bozukluğu (DEHB) tanılı çocukların duygu ifadelerinin bilgisayarlı yüz analizi ile incelenmesi ve duygu tanıma becerilerinin araştırılması amaçlanmıştır. Materyal ve Metot: Bu araştırmaya en azından son üç ayda psikiyatrik ilaç kullanmayan, zeka skoru en düşük 80 olan, 6-12 yaş grubundaki DEHB (n=56) ve 45 kontrol olgusu alındı. Sözel Olmayan İfadelerin Tanısal Analizi-2 (SIFTA2) kullanılarak, olguların duygu tanıma yeterlilikleri ölçülmüştür. Bir grup katılımcı, ortalama 7 dakika süren çizgi film sahneleri izlemiş ve yüz davranışları video kaydına alınmıştır. OpenFace yazılımı video analizi için kullanılmıştır. DEHB ve kontrol grupları arasındaki verilerin ayrımı için SVM (Support Vector Machines), naive-bayes, lojistik regresyon makine öğrenme yöntemleri kullanılmıştır. Bulgular: SIFTA2 toplam puanlarında da –DEHB'de daha yetersiz duygu tanıma becerisi yönünde- bulunan anlamlı fark, zeka düzeyleri kontrol edildiğinde anlamlı düzeyde bulunmamıştır. DEHB grubu klinik görünümlerine göre ayrıldığında, dikkatsizlik önde giden çocuklar, diğer gruptakilere göre, SIFTA çocuk yüzleri ve genel toplamda anlamlı olarak daha düşük performans göstermişlerdir. DEHB grubu eşlik eden psikiyatrik bozukluklara göre gruplandığında, Özgül Öğrenme Bozukluğu (ÖÖB) eşlik eden grup, diğerlerine göre belirgin olarak postürden duygu tanımakta ve toplam puanlarda daha fazla hata yapmıştır. Bilgisayarlı yüz analizine göre, sadece yüz eylem birimlerini (AU'leri) kullanarak en başarılı performansı gösteren Makine Öğrenmesi (MÖ) algoritması Derin Öğrenme yöntemleri olmuştur. Öte yandan, üzgün duyguların ağırlıkta olduğu Video 1'in sağlıklı kontroller ve DEHB grubu için en ayırt edici video olduğu görülmüştür. Video 1'de ayırt edici AU birimleri incelendiğinde de, AU12 (dudak köşesi çekici), AU07 (göz kapağı gerdirici), AU09 (burun kıvırıcı), AU45 (göz kırpma), AU06 (yanak yükseltici) en ayırt edici özellikler olmuştur. Sonuç: DEHB olguları arasında duygu tanıma düzeyleri klinik alttiplerine ve eşlik eden psikiyatrik bozukluklara göre farklılık göstermiştir. Duygu içeren video izleme sırasında DEHB ile kontrol grubu arasında en belirgin farkın üzgün video izlerken ortaya çıktığı görülmüştür. Bu çalışmadaki bulgular MÖ yöntemlerinin nörogelişimsel bozukluklardan biri ve en sık görüleni olan DEHB'nin tanısal geçerliliği için ümit verici olarak değerlendirilebilir.
Özet (Çeviri)
Aim: It is aimed to investigate emotion recognition abilities and to assess the emotional expressions of faces with digital face analysis in the children diagnosed with Attention Deficit Hyperactivity Disorder (ADHD). Material and Method: The 6-12 years-old children with ADHD (n=56) who did not prescribed any psychiatric drug for at least the last three months, and health control subjects (n=45) who had an intelligence score of at least 80 were included into the study. To measure emotion recognition skills, the Diagnostic Analysis of Nonverbal Accuracy-2 (DANVA2) tests were administered. A group of participants watched three, 7-minute scenes from cartoon videos and facial expressions were video recorded. Openface Software was used for video analysis. For the differentiation of the data between ADHD and control groups, several machine learning procedures were applied including SVM (Support Vector Machines), naive-bayes, logistic regression. Results: The significant difference in the scores of DANVA2 total –which were in favor of control group- lost its significance when the intelligence scores were controlled. When the ADHD group was subtyped according to the clinical appearence, compared to the other groups, the children in the attention deficit predominant group had worse performance in DANVA child faces and total scores. As we divide the ADHD group according to the comorbidity, the Learning Disorder (LD) comorbid group had more mistake on emotion recognition from the posture and total scores of DANVA. According to the digital face analysis, among Machine Learning algorithms, the Deep Learning had the best differentiation capacity using only Facial Action Units (AU's). On the other hand, Video 1, which included predominantly the sad emotions was found to be the best differentiator between ADHD and control groups. In Video 1, AU12 (lip corner puller), AU07 (lid tightener), AU09 (nose wrinkler), AU45 (eye blink), and AU06 (cheek raiser) were the most discriminators. Conclusion: The emotion recognition levels of children in the ADHD group showed significant differences, in terms of clinical subtype and comorbid disorder. During the emotional video watching, the sad emotions were found to be more discriminative between ADHD and controls. The results suggest that the Machine Learning methods has a promising capacity for the differetiation of ADHD diagnosis, which is one of the most common neurodevelopmental disorder.
Benzer Tezler
- Dikkat eksikliği ve hiperaktivite bozukluğu olan çocukların duygu tanıma becerileri ve serum oksitosin düzeyleri arasındaki ilişkinin araştırılması
Investigation of the relationship between emotion recognition skills and serum oxytocin levels of children with attention deficit / hyperactivity disorder
NERİMAN KESİM
Tıpta Uzmanlık
Türkçe
2021
PsikiyatriOndokuz Mayıs ÜniversitesiÇocuk Ruh Sağlığı ve Hastalıkları Ana Bilim Dalı
PROF. DR. KORAY MEHMET ZEYNEL KARABEKİROĞLU
- Dikkat eksikliği ve hiperaktivite bozukluğu tanısı olan çocukların duygu tanıma becerisinin serum sitokin düzeyleri ile ilişkisi
Relationship of emotion recognition skills of children with attention deficit hyperactivity disorder and serum cytokine levels
SEVİL AYDOĞDU
Tıpta Uzmanlık
Türkçe
2023
PsikiyatriKaradeniz Teknik ÜniversitesiÇocuk ve Ergen Ruh Sağlığı ve Hastalıkları Ana Bilim Dalı
DOÇ. DR. BAHADIR TURAN
- Dikkat eksikliği hiperaktivite bozukluğu olan çocuklarda duyusal işlemleme ile yüzden duygu tanıma ilişkisi ve davranış profili üzerine etkileri
Association between sensory processing and emotion recognition of children with attention deficit hyperactivity disorder and its effect on behavior profile
ŞEYMA GÜRBÜZ
Tıpta Uzmanlık
Türkçe
2022
PsikiyatriGazi ÜniversitesiÇocuk Ruh Sağlığı ve Hastalıkları Ana Bilim Dalı
PROF. DR. ESRA GÜNEY
- Dikkat eksikliği hiperaktivite bozukluğu olan çocuk ve ergenlerde empati becerileri, duygusal yüz ifadelerini tanıma ve akran zorbalığı
Empathy skills, recognition of emotional facial expressions and peer bullying in children and adolescents with attention-deficit and hyperactivity disorder
ELİF GÖKÇE ERSOY ŞİMŞEK
Tıpta Uzmanlık
Türkçe
2018
PsikiyatriEskişehir Osmangazi ÜniversitesiÇocuk ve Ergen Ruh Sağlığı ve Hastalıkları Ana Bilim Dalı
DOÇ. DR. SANİYE TÜLİN FİDAN
- Erişkin DEHB'de yüz ve emosyon tanımanın normal kontrollere göre farklarının incelenmesi
The research of the differences of face and facial emotion recognition in adult attention deficit hyperactivity disorder (ADHD) compared to normal controls
ZEYNEP BARAN TATAR
Tıpta Uzmanlık
Türkçe
2012
Psikiyatriİstanbul ÜniversitesiPsikiyatri Ana Bilim Dalı
PROF. DR. İLHAN YARGIÇ