Geri Dön

Activity-driven Detection of Cognitive Impairmentusing Deep Learning

Derin Öğrenme Kullanarak Bilişsel BozukluğunAktivite Odaklı Tespiti

  1. Tez No: 811177
  2. Yazar: DAMLA ARİFOĞLU
  3. Danışmanlar: PROF. DR. ABDELHAMİD BOUCHACHİA, DR. HAMMADİ NAİT CHARİF
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: İngilizce
  9. Üniversite: Bournemouth Unıversıty
  10. Enstitü: Yurtdışı Enstitü
  11. Ana Bilim Dalı: Fen Bilimleri ve Teknolojileri Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Bilimi ve Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Tüm dünyada ortalama yaşam süresi artarken daha fazla insan bilişsel gerileme gibi sağlık sorunlarıyla karşı karşıya kalmaktadır. Bilişsel bozukluk; hafızayı, bilişi, davranışı ve duyguları etkileyen aşamalı beyin sendromlarının ortak adıdır. Bilişsel bozukluktan muzdarip kişiler günlük yaşam aktivitelerini gerçekleştirme yeteneklerini kaybedebilir ve bakıcılarına bağımlı hale gelirler. Bazı ilaçlar hastalığın ilerlemesini yavaşlatsa da şu anda ilerlemeyi durdurmanın bir yolu yoktur. Hastalar, bakım maliyetini artıran özel ihtiyaçlara ihtiyaç duyabilir. Bu nedenle, bilişsel gerilemenin göstergelerini daha da kötüleşmeden tespit etmek çok önemlidir. Mevcut değerlendirme yöntemleri çoğunlukla, bir kişinin tipik durumunu zayıf bir şekilde temsil edebilecek olayların hatırlanmasına bağlı olan anketlerden veya yüz yüze muayenelerden alınan sorgulara dayanmaktadır. Bu tezin amacı, yaşlı insanların günlük aktivitelerini analiz etmek ve aktivite modellerindeki anormallikleri tespit etmek için derin öğrenme tekniklerini uyarlamaktır. Son çalışmalar, bilişsel gerileme göstergelerinin günlük yaşam aktivite örüntülerinde gözlemlenebileceğini göstermektedir. Aktivitelerin mekân-zamansal ve hiyerarşik ilişkileri ve içsel yapıları bilişsel gerileme analizi bağlamında önemlidir. Mevcut çalışmalar her bir faaliyeti atomik bir birim olarak ele almakta ve alt faaliyetler arasındaki ilişkiyi yakalamakta başarısız olmaktadır. Ayrıca mevcut çalışmalar, aktiviteleri modellemek için sabit uzunluktaki özelliklere dayanmakta ve ham sensör aktivasyonlarından gelen granüler düzeydeki bilgileri göz ardı etmektedir. Dahası, demans hastalarının davranışlarını temsil eden günlük aktivite veri kümesi bulunmamaktadır çünkü bu tür veri kümelerinin oluşturulması zaman ve yeterli deneysel ortam gerektirmektedir. Bu zorluklar göz önüne alındığında, bu tez aşağıdaki araştırma sorularını ele almaktadır: Yaşlı insanların bilişsel durumlarını yansıtan veri setlerinin azlığı ile nasıl başa çıkabiliriz? Aktiviteler, mekân-zamansal komşulukları ve hiyerarşik bilgileri dikkate alınarak nasıl modellenebilir? Granüler düzeydeki detayları kodlamak için ham verileri nasıl temsil edebiliriz? Bu araştırma soruları aşağıdaki şekilde ele alınmaktadır. İlk olarak, veri azlığı ile başa çıkmak için iki yöntem önerilmektedir: (i) sentetik veri üretimi ve (ii) transfer öğrenmenin benimsenmesi. İkinci olarak, etkinlik tanıma problemi (i) mekân- zamansal örüntüleri modellemek için bir dizi etiketleme problemi olarak taklit edilmiştir. (ii) alt aktiviteleri modellemek için hiyerarşik bir öğrenme problemi olarak. (iii) granüler seviyedeki detayları kodlamak için bir grafik etiketleme problemi olarak. Üçüncü olarak, sensör aktivasyon ilişkilerini modellemek için sıralı verilerden kaynaklanan ham sensör ölçümleri kullanılır. Önerilen yöntemler aynı zamanda son teknoloji yöntemlerle de karşılaştırılmıştır. Elde edilen ön sonuçlar, önerilen veri simülasyonu ve transfer öğrenme yaklaşımlarının yaşlı insanların bilişsel durumunu yansıtan verilerin azlığı ile başa çıkmak için yararlı olduğunu göstermektedir. Ayrıca, deneyler önerilen derin öğrenme yöntemlerinin bilişsel gerileme bağlamındaki anormallikleri tespit etmek için umut verici olduğunu göstermektedir. Önerilen yöntemler hem granüler düzeyde anormal davranışları tespit etmek için umut vericidir, hem de yöntemlerden bazıları alt aktiviteleri hesaba katarak aktiviteleri hiyerarşik olarak modelleyebilir ve daha sonra granüler seviyelerde meydana gelen anormal davranışları tespit edebilir.

Özet (Çeviri)

While life expectancy is on the rise all over the world, more people face health related problems such as cognitive decline. Cognitive impairment is a collective name for progressive brain syndromes which a↵ect memory, cognition, behaviour and emotion. People su↵ering from cognitive impairment may lose their abilities to perform daily life activities and they get dependent on their caregivers. Although some medications can slow the progress of the disease, currently there is no way to stop its development. Su↵erers may require special needs which increase the cost of care. Thus, detecting the indicators of cognitive decline before it gets worse would be very crucial. Current assessment methods mostly rely on queries from questionnaires or in-person examinations, which depend on recall of events that may poorly represent a person's typical state. The aim in this thesis is to adapt deep learning techniques for analysing daily activities of elderly people and detecting abnormalities in the activity patterns. Recent studies suggest that indicators of cognitive decline can be observed in daily life activity patterns. The spatio-temporal and hierarchical relationship of activities and their intrinsic structures are important in the context of cognitive decline analysis. Existing studies treat each activity as an atomic unit and fail to capture the relationship among sub-activities. Also, existing studies rely on fixed length features to model activities, ignoring the granular level information coming from raw sensor activations. Moreover, there exists no daily activity dataset representing the behaviour of dementia su↵erers because producing such datasets requires time and adequate experimental environment. Given these challenges, the present thesis addresses the following research questions: How can we cope with the scarcity of dataset reflecting on cognitive status of elderly people? How can activities be modelled taking into xi account their spatio-temporal neighbourhood and hierarchical information? How can we represent raw data to encode the granular level details? These research questions are addressed in the following way. Firstly, two methods are proposed to cope with the scarcity of data: (i) synthetic data generation and (ii) transfer learning adoption. Secondly, the activity recognition problem is emulated (i) as a sequence labelling problem to model spatio-temporal patterns. (ii) as a hierarchical learning problem to model sub-activities. (iii) as a graph labelling problem to encode granular level details. Thirdly, raw sensor measurements stemming from sequential data are used to model sensor activation relationships. The proposed methods are also compared against the state-of-art methods. The preliminary results obtained indicate that proposed data simulation and transfer learning approaches are useful to cope with the scarcity of data reflecting cognitive status of elderly people. Moreover, experiments show that the proposed deep learning methods are promising to detect abnormalities in the context of cognitive decline. Proposed methods are not only promising to detect abnormal behaviour at a fine-grained level, but some of them can also model activities hierarchically by taking sub-activities into account and then can detect abnormal behaviour occurring at granular levels.

Benzer Tezler

  1. Tez No

    479286

    Linking national business system with firm level innovation: The mediating role of intellectual capital and absorptive capacity

    Firma düzeyi yeniliği ile bağlantılı ulusal iş sistemi: Entelektüel sermaye ve özümseme kapasitesinin arabulucu rolü

    BASHİR AHMAD

    Doktora

    İngilizce

    İngilizce

    2017

    İşletmeİstanbul Teknik Üniversitesi

    İşletme Ana Bilim Dalı

    Assoc. Prof. Dr. MEHMET ERÇEK

  2. Tez No

    676251

    Çalışma belleği ve negatif değerlikli duyguların EEG tabanlı kestirim sistemi

    EEG based working memory and negative emotional valence estimation system

    BORA CEBECİ

    Doktora

    Türkçe

    Türkçe

    2021

    Elektrik ve Elektronik Mühendisliğiİstanbul Üniversitesi-Cerrahpaşa

    Biyomedikal Mühendisliği Ana Bilim Dalı

    PROF. DR. AYDIN AKAN

  3. Tez No

    396157

    Müzelerde görsel kültür çalışmalarının postmodern sanat eğitimi bağlamında yapılandırılmasına ilişkin hazırlanan eğitim paketinin eğitimevlerinde görevli uzmanların görüşlerine göre değerlendirilmesi

    Evaluation of the educational pocket regarding the construction of visual culture studies in museums within the context of postmodern art education based on the ideas of experts working in detention centers

    ZEKİYE ÇILDIR

    Doktora

    Türkçe

    Türkçe

    2015

    MüzecilikAnkara Üniversitesi

    Eğitimin Kültürel Temelleri Ana Bilim Dalı

    PROF. DR. AYŞE ÇAKIR İLHAN

  4. Tez No

    781747

    Subjective intensity and pleasantness in taste

    Tatta öznel yoğunluk ve hoşluk' konulu

    MARİA GERALDİNE VELDHUİZEN

    Doktora

    İngilizce

    İngilizce

    2006

    PsikolojiUthrecht Unıversıty

    Psikoloji Ana Bilim Dalı

    PROF. DR. J.H.A. KROEZE

  5. Tez No

    79309

    Prediction as the baris of low level cognitive organization

    Bilişsel dizgenin alt düzey öğelerinin tahmin etme temelinde organizasyonu

    AHMET ARMAĞAN YAVUZ

    Yüksek Lisans

    İngilizce

    İngilizce

    1998

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    YRD. DOÇ. DR. DAVİD DAVENPORT

Geri Dön