Travma sonrası stres bozukluğunun yapay zekâ kullanılarak ses ve metin verileriyle tespiti: Bir bütünleşik model yaklaşımı
Detection of post-traumatic stress disorder using artificial intelligence with speech and text data: An integrated model approach
- Tez No: 961858
- Danışmanlar: DR. ÖĞR. ÜYESİ ÖNDER ŞAHİNASLAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Maltepe Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 157
Özet
Travma Sonrası Stres Bozukluğu (PTSD), bireylerin travmatik bir olay sonrasında yaşadığı karmaşık psikolojik etkilerin bir sonucu olarak ortaya çıkan ciddi bir ruh sağlığı sorunudur. Bu çalışmada, PTSD'nin erken, doğru ve güvenilir bir şekilde teşhis edilmesini sağlamak amacıyla, ses ve metin verilerinin bütüncül analizine dayanan bir yapay zekâ (AI) modeli geliştirilmiştir. Araştırma kapsamında, 280 katılımcıdan travma anlatılarına dayalı ses kayıtları toplanmış; bu kayıtlar hem fonetik hem de duygusal özellikleri yakalayabilmek amacıyla Mel-Frequency Cepstral Coefficients (MFCC), Linear Predictive Coding (LPC) ve Perceptual Linear Prediction (PLP) teknikleri kullanılarak analiz edilmiştir. Elde edilen ses verisine dayalı model, PTSD tanısını %91.07 doğruluk oranıyla gerçekleştirmiştir. İkinci aşamada, aynı ses kayıtları OpenAI tarafından geliştirilen Whisper Turbo modeli ile yazıya dönüştürülmüş; elde edilen metinler, doğal dil işleme (NLP) teknikleri ile analiz edilmiştir. Anlatıların içeriksel ve dilsel yapısına dayalı olarak geliştirilen NLP tabanlı model, %92,85 doğruluk oranı ile PTSD tahmini yapmıştır. Her iki model ayrı ayrı yüksek başarı göstermiş olmakla birlikte, bu çalışmada ses ve metin analizleri, oylama temelli ensemble yöntemiyle birleştirilmiştir. Oylama mekanizması, her iki modelin sınıflandırma çıktılarının değerlendirilmesiyle nihai kararın verilmesini sağlamış ve böylece tanı doğruluğu %96,42 seviyesine ulaşmıştır. Çalışmada kullanılan veri etiketleri, Impact of Event Scale – Revised (IES-R) testi yönlendirmesiyle uzman klinik psikolog görüşmeleri yapılarak doğrulanmıştır. Bu sayede modelin yalnızca istatistiksel değil, aynı zamanda klinik güvenilirliği de sağlanmıştır. Ses verileri, bireylerin duygusal tepkilerini yakalarken; metinler, anlatıların içeriksel bütünlüğünü analiz etme imkânı sunmuştur. Böylece travmatik deneyimin hem semantik hem de akustik yönlerini kapsayan çok katmanlı bir yapay zekâ mimarisi kurulmuştur. Elde edilen bulgular, ses ve metin verilerinin bütünleşmiş kullanımının, PTSD teşhisinde geleneksel yöntemlere kıyasla daha yüksek doğruluk sağladığını göstermektedir. Bu bütüncül yaklaşım, ruh sağlığı uzmanlarına destek olabilecek yeni nesil tanı araçlarının geliştirilmesine katkı sağlarken; aynı zamanda AI tabanlı klinik karar destek sistemlerinin potansiyelini ortaya koymaktadır. Çalışmanın ileri aşamalarda mobil uygulamalara veya uzaktan psikolojik değerlendirme platformlarına entegre edilerek daha geniş ölçekli kullanımlara açılması hedeflenmektedir.
Özet (Çeviri)
Post-Traumatic Stress Disorder (PTSD) is a serious mental health condition that arises as a complex psychological response to traumatic events. In this study, an artificial intelligence (AI)-based model was developed to enable early, accurate, and reliable diagnosis of PTSD through a comprehensive analysis of both speech and text data. The research involved collecting trauma-related audio recordings from 280 participants. These recordings were analyzed using Mel-Frequency Cepstral Coefficients (MFCC), Linear Predictive Coding (LPC), and Perceptual Linear Prediction (PLP) techniques to capture both phonetic and emotional features. Based on the extracted audio features, the model achieved a PTSD classification accuracy of 91.07%. In the second phase, the same recordings were transcribed using OpenAI's Whisper Turbo model, and the resulting text was analyzed using natural language processing (NLP) techniques. The NLP-based model, which focused on the content and linguistic structure of the narratives, achieved an accuracy of 92.85% in PTSD prediction. While both models performed strongly on their own, this study combined the results through a voting-based ensemble method, evaluating the classification outputs of both systems to reach a final decision. This integration improved diagnostic accuracy to 96.42%. The dataset labels were validated through clinical psychologist interviews guided by the Impact of Event Scale – Revised (IES-R), ensuring not only statistical accuracy but also clinical reliability. Audio data captured emotional responses, while textual data provided insights into the semantic structure of the narratives. Thus, a multi-layered AI architecture was established, addressing both the semantic and acoustic dimensions of traumatic experience. The findings demonstrate that the integrated use of speech and text data significantly outperforms traditional methods in PTSD diagnosis. This holistic approach contributes to the development of next-generation diagnostic tools that can support mental health professionals and highlights the potential of AI-powered clinical decision support systems. In future stages, the model is intended to be adapted for integration into mobile applications or remote psychological assessment platforms to enable broader and scalable usage.
Benzer Tezler
- Derin öğrenme algoritmalarına dayalı travma sonrası stres bozukluğunun tahmini
Prediction of post-traumatic stress disorder based on deeplearning algorithms
PARISA EBRAHIMPOUR MOGHADDAM TASOUJ
Doktora
Türkçe
2025
Elektrik ve Elektronik MühendisliğiAnkara ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKHAN SOYSAL
PROF. DR. OSMAN EROĞUL
- Hastane öncesi acil sağlık çalışanlarında travma sonrası stres bozukluğunun tükenmişlik düzeyleri üzerindeki etkisi
The effect of post-traumatic stress disorder on burnout levels in pre-hospital emergency health workers
MUSTAFA YILDIZ
Doktora
Türkçe
2025
Sağlık YönetimiÜsküdar ÜniversitesiSağlık Yönetimi Ana Bilim Dalı
PROF. DR. TUĞBA ALTINTAŞ
- İtfaiye çalışanlarında posttravmatik stres bozukluğu belirtileri ve intihar arasındaki ilişkide psikolojik dayanıklılığın düzenleyici rolü
The moderator effect of resillience i̇n relation between symptomps of posttraumatic stress disorder and suicide among firemans
YÜCEL ŞAVKLI
Yüksek Lisans
Türkçe
2021
Psikolojiİstanbul Gelişim ÜniversitesiPsikoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FİLİZ ŞÜKRÜ GÜRBÜZ
- Operasyonel görev yapan askeri personelde travma sonrası stres bozukluğu (TSSB) sıklığını etkileyen faktörler
Factors that effect the frequency of post-traumatıc stress dısorder (PTSD) ın mılıtary staff who partıcıpates ın martıal operatıons
ABDULVAHAP GAZİ ÜNLÜ
Tıpta Uzmanlık
Türkçe
2014
PsikiyatriGATARuh Sağlığı ve Hastalıkları Ana Bilim Dalı
PROF. DR. KAMİL NAHİT ÖZMENLER
- Mirtazapin içeren transdermal taşıyıcı sistemin geliştirilmesi
Development of mirtazapine loaded transdermal drug delivery system
ÖZLEM KARABUDAK
Doktora
Türkçe
2024
Eczacılık ve Farmakolojiİstanbul ÜniversitesiFarmasötik Teknoloji Ana Bilim Dalı
PROF. DR. FATMA GÜLGÜN YENER