Geri Dön

Deep learning approaches for autism spectrum dis-order diagnosis: Ensemble archtectures and multi-modal analysis

Otizm spektrum bozukluğu teşhisi için derin öğrenme yaklaşımları: Topluluk mimarileri ve multimodal analiz

  1. Tez No: 816241
  2. Yazar: ASSIL JABY
  3. Danışmanlar: PROF. DR. MD BAHARUL ISLAM
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Bahçeşehir Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Yapay Zeka Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 83

Özet

Bu tez, çocuklarda Otizm Spektrum Bozukluğu (OSB) teşhisinin hassasiyetini ve verimliliğini artırmak için yeni çoklu-modal derin öğrenme yaklaşımlarını sunmaktadır. İlk yaklaşım olan ASD-CVH, hibrit bir görüntü dönüştürücü ve evrişimsel sinir ağı (CNN) mimarisini birleştirerek, ses örneklerinden yüksek seviyeli özellikler ve dikkat haritaları çıkararak, OSB ve tipik olarak gelişen (TD) çocuklar arasında ayrım yapmak-ta mükemmel bir doğruluk sağlamaktadır. İkinci yaklaşım olan ASD-EVNet, yüz tabanlı bir OSB veri kümesinde (FADC) ince ayarlanmış en son Görüntü Dö-nüştürücü (ViT) modelleri ile ensemble öğrenme kullanarak, yüz ifadelerine dayalı OSB teşhisinde en sonuçları elde etmektedir. Ses temelli ve görüntü temelli derin öğrenme modellerinin entegrasyonuyla, bu araştırma, doğruluğu ve güvenilirliği art-tıran çoklu-modal bir perspektif sağlayarak, OSB teşhisi için kapsamlı bir çerçeve oluşturmaktadır. Bulgular, OSB için objektif ve verimli teşhis araçlarının geliştirilme-sine katkı sağlayarak, erken müdahale ve OSB'li çocuklar için daha iyi bakımı desteklemektedir.

Özet (Çeviri)

This thesis presents novel multi-modal deep learning approaches for enhancing the precision and efficiency of Autism Spectrum Disorder (ASD) diagnosis in children. The first approach, ASD-CVH, combines a hybrid vision transformer and convolu-tional neural network (CNN) architecture to extract high-level features and attention maps from audio samples, achieving excellent accuracy in differentiating between ASD and typically developing (TD) children. The second approach, ASD-EVNet, utilizes ensemble learning with state-of-the-art Vision Transformer (ViT) models fine-tuned on a face-based ASD dataset for children (FADC), achieving state-of-the-art results in ASD diagnosis based on facial expressions. By integrating audio-based and visual-based deep learning models, this research establishes a comprehensive framework for ASD diagnosis, providing a multi-modal perspective that enhances accuracy and relia-bility. The findings contribute to the development of objective and efficient diagnostic tools for ASD, supporting early intervention and improved care for children with ASD.

Benzer Tezler

  1. Machine-learning approaches for neurological disorder diagnosis from genomic and neuroimaging data

    Genomik ve nörogörüntüleme verilerinden nörolojik bozukluk teşhisi için makine öğrenmesi yaklaşımları

    İSMAİL BİLGEN

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. BEHÇET UĞUR TÖREYİN

  2. Medikal veri setleri için yeni bir aşırı öğrenme makinesi otomatik kodlayıcı tasarımı

    A new extreme learning machine auto encoder design for medical datasets

    BERNA ARI

    Doktora

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ABDULKADİR ŞENGÜR

  3. 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

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ZEHRA ÇATALTEPE

  4. Otizm spektrum bozukluklarında kendini uyarıcı hareketlerin görsel kelime çantası yaklaşımı ve derin öğrenme yöntemleri ile tanınması

    Recognition of self- stimulatory behaviours with bag-0f-visual-words approach and deep learning methods in Autism Spectrum Disorders

    SİBEL KAÇDIOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtatürk Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BARIŞ ÖZYER

    DR. ÖĞR. ÜYESİ SAEID AGAHIAN

  5. Drama liderlerinde, işitme engelli bireylerde, normal işiten bireylerde ve otizm spektrum bozukluğunda derin öğrenme ile ses duygu analizi

    Voice emotion analysis with deep learning in drama leaders, hearing-impaired individuals, normal hearing individuals and autism spectrum disorder

    MİNA GÖK

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Kulak Burun ve Boğazİstanbul Aydın Üniversitesi

    Odyoloji Ana Bilim Dalı

    PROF. DR. BAHRİYE ÖZLEM KONUKSEVEN