Yüz Görüntülerinden Otizm Tespiti İçin Transformer Tabanlı Derin Öğrenme

Authors : Faruk Cengiz, Fesih Keskin

Pages : 755-764

Doi:10.21597/jist.1640353

View : 124 | Download : 78

Publication Date : 2025-09-01

Article Type : Research Paper

Abstract :Bu çalışma, yüz görüntülerinden Otizm Spektrum Bozukluğu (OSB) tespiti amacıyla dört farklı Transformer tabanlı derin öğrenme mimarisinin (Vision Transformer (ViT), Swin Transformer (Swin-T), Data-efficient Image Transformer (DeiT) ve Convolutional Transformer (CoaT)) karşılaştırmalı analizini sunmaktadır. Son yıllarda, OSB tespitine yönelik araştırmalarda geleneksel evrişimsel sinir ağları tabanlı yaklaşımların yerini giderek Transformer mimarileri almaya başlamıştır. Bu kapsamda gerçekleştirilen deneyler, Swin-T modelinin %87,76 doğruluk ve 0,96 AUC ile en yüksek sınıflandırma performansına ulaştığını göstermektedir. CoaT modeli %86,01 doğruluk ve 0,94 AUC ile ikinci sırada yer alırken, DeiT (%84,27 doğruluk) ve ViT (%82,52 doğruluk) nispeten daha düşük başarı sergilemiştir. Karışıklık matrisi ve ROC eğrileri analizleri, Swin-T modelinin yanlış pozitif ve yanlış negatif oranlarını önemli ölçüde azalttığını ortaya koymaktadır. Elde edilen bulgular, özellikle Swin-T ve CoaT modellerinin görsel veri işleme konusundaki etkinliğini vurgulamakta ve bu mimarilerin daha büyük veri kümeleri ile desteklendiğinde erken OSB tanısı sürecine klinik ve araştırma alanlarında değerli katkılar sağlayabileceğini öne sürmektedir.
Keywords : Otizm spektrum bozukluğu, Vision transformers, Swin transformer, Deit, Coat

ORIGINAL ARTICLE URL