Fizyolojik sinyaller ve hareket verileri kullanılarak dikkat eksikliği hiperaktivite bozukluğunun tespit edilmesine yönelik test sistemi gerçekleştirilmesi ve analizi

Abstract

Dikkat Eksikliği Hiperaktivite Bozukluğu (DEHB) ve onun alt türü olan Hiperaktivite Bozukluğu (HB) çocukluk çağının en yaygın görülen psikiyatrik rahatsızlıklarının başında gelmektedir. Hastalığın tanısı klinisyenin ve hastalık öyküsünü ifade eden ebeveyn veya öğretmenlerin objektif olmayan değerlendirmelerinden etkilenebilmektedir. Klinikte tanı, muayene ve çeşitli testlerle gerçekleştirilmekte olup doğrudan objektif değerlendirme araçları bulunmamaktadır. Bu çalışmada DEHB tanısı olan bireylerde HB tespitinde objektif tanı araçları geliştirilmek üzere çeşitli hareket verileri ve fizyolojik kullanılmıştır. Kullanılan veriler ile DEHB ve HB tespiti için hasta/sağlıklı ayrımı yapan çalışmalar gerçekleştirilmiş olup bulguları sunulmuştur. Hasta ve sağlıklı grupların kontrollü şekilde tespitinin yapılabilmesi için görsel uyaran takip testi ve veri kayıt protokolleri geliştirilmiştir. Yapay sinir ağları, makine öğrenmesi algoritmaları, derin öğrenme algoritmaları kullanılarak elde edilen verilerle anlamı bulgular ortaya konulmuştur. Sadece EEG sinyalleri kullanılarak gerçekleştirilen çalışmada hasta / sağlıklı ayrımında 95% üzerinde başarı oranı, sadece EOG sinyalleri kullanılarak gerçekleştirilen çalışmada 88,89% başarı oranı, tüm veriler kullanılarak yapılan çalışmalarda 89,29% başarı oranı elde edilmiştir. Literatüre katkı sağlayacak özgün sonuçlar elde edilmiştir. Elde edilen sonuçların hastalığın tespitinde objektif tanı aracı olarak yakın gelecekte kullanılabileceği değerlendirilmektedir.

Attention Deficit Hyperactivity Disorder (ADHD), and its subtype, Hyperactivity Disorder (HD), are among the most prevalent psychiatric disorders in childhood. Diagnosis of the disease can be influenced by the subjective evaluations of clinicians and non-objective assessments from parents or teachers reporting the patient's medical history. Clinical diagnosis is typically performed through examinations and various tests, with a lack of direct objective assessment tools.In this study, various motion data and physiological signals were utilized to develop objective diagnostic tools for the detection of HD in individuals diagnosed with ADHD. Studies were conducted to distinguish between individuals with ADHD and HD and healthy individuals using the collected data, and the findings have been presented. Visual stimulus tracking tests and data recording protocols were developed to enable controlled identification of patient and healthy groups. Significant results were obtained using artificial neural networks, machine learning algorithms, and deep learning algorithms. A success rate of over 95% was achieved in a study conducted using only EEG signals for patient/healthy differentiation, 88.89% using only EOG signals, and 89.29% when all data were used. Unique results contributing to the literature were obtained. The obtained results are considered to be potentially used as an objective diagnostic tool for the disease in the near future.