Dyslexia detection in children using audio records
Ses kayıtlarını kullanarak çocuklarda disleksi tespiti
- Tez No: 763912
- Danışmanlar: DOÇ. DR. MUHAMMED ABDULLAH BÜLBÜL, DR. ÖĞR. ÜYESİ MÜCAHİD KUTLU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Ankara Yıldırım Beyazıt Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 63
Özet
Disleksi okuma, yazılı ifade ve/veya matematik yeteneginde bozulma ile karakterize olmus nörolojik temelli özel bir ögrenme güçlügüdür. Çocuk ve Ergen Psikiyatristlerinin disleksiyi tespit etme süreci, çesitli test ve görevleri içerdiginden hem zaman alıcı hem de maliyetlidir. Ancak disleksiyi erken evrelerde tespit etmek, etkilerini azaltmak için oldukça önemlidir. Bu sorunu çözmek için, ses kayıtlarını kullanarak çocuklarda disleksi tespit eden bir makine ögrenme modeli öneriyoruz. 12'si disleksik 25 çocuktan kendilerine verilen metni okurken ses kayıtları alınmıstır. Google Speech-to-Text API kullanılarak ses kayıtlarındaki konusmalar metne dönüstürülmüstür. Her dosyadan Levenshtein mesafesi, okuma hızı, okunan kelimenin gerçek kelime sayısına oranı, Google Speech-to-Text API güven puanı ve Mel-frequency cepstral katsayıları (MFCC) olmak üzere 5 özellik çıkarıldı. Toplanan verilerden 4 farklı veri seti olusturulmustur. Toplanan verilere herhangi bir ön islem yapılmadan, biri tüm katılımcıların verilerinden, digeri ise sadece erkek katılımcıların verilerinden olusan 2 farklı veri seti olusturulmustur. Diger 2 veri seti, toplanan verilerin arka plan gürültüsünün temizlenmesiyle elde edilen verilerden olusturulmus olup, biri tüm katılımcıların verilerinden, digeri ise sadece erkek katılımcıların verilerinden olusturulmustur. Her bir veri seti için Destek Vektör Makineleri (DVM), k-en yakın komsu (k-NN) ve Random Forest algoritmaları ile 3 makine ögrenme modeli egitilmistir. Modellerimiz 5 kat çapraz dogrulama ortamında degerlendirilmis ve her bir veri setinde sırasıyla yüzde 95.63, yüzde 93.47, yüzde 89.57 ve yüzde 85.18 dogruluk oranlarına ulasmıstır.
Özet (Çeviri)
Dyslexia is a neurologically based specific learning disability, characterized by impairment in the ability of reading, written expression and/or math. The process of Child and Adolescent Psychiatrists to detect dyslexia is both time-consuming and costly, since the process includes variety of test and tasks. However it is important to detect dyslexia in earlier stages, to reduce its effects. To address this problem, we propose a machine learning model that detect dyslexia in children using their audio records. Audio recordings were taken while the children were reading the text given to them, from 25 children, 12 of whom were dyslexic. By using Google the Speech-to-Text API, the speeches in the audio recordings were converted to text. 5 feature extracted from each file which are Levenshtein distance, read rate, ratio of read word to real word count, Google the Speech-to-Text API confidence score and Mel-frequency cepstral coefficients (MFCC). 4 different data-set were created from collected data. 2 data sets were created without any pre-treatment of the collected data, one was composed of data from all participants, while the other was composed from data of only boy participants. The other 2 data sets were created from the data obtained by cleaning the background noise of the collected data, one of them was composed of data from all participants, while the other was composed from data of only boy participants. 3 machine learning models were trained with Support Vector Machines (SVM), k-nearest neighbor (k-NN), and Random Forest algorithms for each data-set. Our models were evaluated in a 5-fold cross-validation environment and reached 95.63 percent, 93.47 percent, 89.57 percent and 85.18 percent accuracy rates in each data set, respectively.
Benzer Tezler
- Gerçek zamanlı fizyolojik sinyal verilerinin karşılaştırmalı öğrenme tekniği ile kişiselleştirilmiş anomali tespiti
Personalized anomaly detection using contrastive learning technique of real time physiological signal datas
SİNEM ŞENTEPE KÖSE
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. KEMAL ÖZKAN
- Ses sinyallerinden yaş grubu ve cinsiyet bilgisinin tahmin edilmesi
Estimating age group and gender information from speech signals
ABDULHALIK OĞUZ
Yüksek Lisans
Türkçe
2018
Bilim ve TeknolojiSiirt ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YILMAZ KAYA
- A serious game with data analysis to diagnose and treat children with visual sequential memory deficit
Sıralı görsel hafıza eksikliği olan çocuklara tanı koyan ve tedavi eden veri analizi olan bir uygulamalı oyun
AYŞE RÜMEYSA MOHAMMED
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Şehir ÜniversitesiVeri Bilimi Ana Bilim Dalı
PROF. SHERVIN SHIRMOHAMMADI
- Disleksi olan bireylerde santral işitsel işlemlemenin değerlendirilmesi
Evaluation of central auditory processing i̇n individuals with dyslexia
SENANUR KAHRAMAN BEĞEN
Yüksek Lisans
Türkçe
2022
Kulak Burun ve Boğazİstinye ÜniversitesiDil ve Konuşma Terapisi Ana Bilim Dalı
DOÇ. DR. MÜGE MÜZEYYEN ÇİYİLTEPE
- Applying machine learning methods to EEG collected from dyslexia and healthy children
Disleksili ve sağlıklı çocuklardan toplanan EEG verilerine makine öğrenmesi yöntemlerinin uygulanması
NAVREEN HAMID BANDAY
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. GÜNET EROĞLU