BibTex RIS Cite

-

Year 2015, Volume: 8 Issue: 3, 167 - , 12.05.2015
https://doi.org/10.17671/btd.65517

Abstract

— For the first time with this study, a dynamic expert system has been developed for the early notice of autism in early childhood. The most important distinguishing feature of this study, by using Naive Bayes algorithm in the part of the inference engine of the expert system provides dynamically the renewal of the knowledge base. So that, when the system meets a new state which is not registered before; it estimates the new rule that belongs which class by using the current rules. Improved dynamic expert system will provide an important contribution in the process such as earlier implementation of support programs for the devastating impact that family, to inform families about the symptoms of autistic disorder and the creation of early education programs for children with autism, Special education is seen as the most effective treatment for Autism. In development and training of autistic individuals, the early start of training is known to increase positive outcomes. Although symptoms of autistic disorder can be seen since birth; because of not knowing and not recognizing by families, the diagnosis of autism usually are set after the age of 3, between 4 and 6 years of age. To decide the symptoms used for the early diagnosis of autism is a very complex process that requires experience. Therefore, for the early diagnosis of autism can use techniques such as artificial intelligence, expert systems, decision support systems and data mining. Recognition of the early symptoms of autism and early recognition of the disorder is important for the creation and implementation of early education programs for children with autism spectrum disorders

References

  • American Psychiatric Association, Diagnostic and Statistical Manual of Mental Disorders (DSM IV), Washington, DC: American Psychiatric Association Press, 1994.
  • A. Kulaksızoğlu, Farklı Gelişen Çocuklar, Epsilon Yayıncılık, İstanbul, 2003.
  • S. Alpaytaç, Otizm üzerine Türkiye’den bir örnek vaka incelemesi, Yüksek Lisans Tezi, Yedi Tepe Üniversitesi, Sosyal Bilimler Enstitüsü, 2007.
  • C. D. Prater, R.G. Zylstra, ―Autism: A medical primer‖, American Family Physician, 66(9), 1667-1674, 2002.
  • B. Korkmaz, Asperger Sendromu, Adam Yayınları, İstanbul, 2003.
  • E.G. Stubbs, K. Cheng, ―Autism Spectrum Disorders‖, Child and Adolescent Psychiatry, K. Cheng, K.M. Myers (Ed.). Philadelphia: Lippincott Williams &Wilkins, (s.227-246), 2005.
  • B. Kara, İstanbul’da yaygın gelişimsel bozuklukların tanısında m-chat testinin geçerliliği, Uzmanlık Tezi, İstanbul Üniversitesi, Tıp Fakültesi, 2009.
  • N. Allahverdi, Uzman Sistemler: Bir Yapay Zeka Uygulaması, Atlas Yayıncılık, İstanbul, 16-20, 2002.
  • A. S. Anagün, ―Selecting Inventory Models Using an Expert System‖, Computers and Industrial Engineering, 33 (1-2), 299-302, 1997.
  • M. Albayrak, Ş. Taşdemir, N. Allahverdi, ―An Expert System Approach to Determine The Computer Hardware Failures‖, The International Conference on Modeling and Simulation AMSE2006, 28-30 Aug 2006, pp. 559-563, Selçuk Üniversitesi-Konya, Turkey.
  • A. Yılmaz, Demir eksikliği anemisi teşhisi için bir bulanık uzman sistem tasarlanması, Yüksek Lisans Tezi, Selçuk Üniversitesi, Fen bilimleri Enstitüsü, 2012.
  • A. Keleş, A. Keleş, ― ESTDD: Expert system for thyroid diseases diagnosis‖, Expert Systems with Applications, 34(1), 242-246, 2008.
  • M. F. Amasyalı, Yeni makine öğrenmesi metotları ve ilaç tasarımına uygulamaları, Doktora Tezi, Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, İstanbul, 2008.
  • S. Akbulut, Veri madenciliği teknikleri ile bir kozmetik markanın ayrılan müşteri analizi ve müşteri segmentasyonu, Yüksek Lisans Tezi, Gazi Üniversitesi, Fen Bilimleri Enstitüsü, 2006. [17] Y. Özkan, Veri Madenciliği Yöntemleri, Papatya Yayıncılık, İstanbul, 2008.
  • M. Erkalan, M. H. Calp, İ. Şahin, ―Çoklu zekâ kuramından yararlanılarak meslek seçiminde kullanılacak bir uzman sistem tasarımı ve gerçekleştirilmesi‖, International Journal Of Informatics Technologies, 5(2), 49-55, 2012.
  • İ. Şahin, M. H. Calp, A. Özkan, ―An expert system design and application for hydroponics greenhouse systems‖, Gazi University Journal of Science, 27(2), 809-822, 2014.
  • Y. Kaya, R. Tekin, ―Epileptik hastalıkların teşhisi için aşırı öğrenme makinesi tabanlı bir uzman sistem‖, International Journal Of Informatics Technologies, 5(2), 33-40, 2012.
  • V. C. Osamor, A. A. Azeta, O. O. Ajulo, ―Tuberculosis– Diagnostic Expert System: An architecture for translating patients information from the web for use in tuberculosis diagnosis‖, Health informatics journal, Vol. 20(4) 275–287, 2014.
  • A. Keleş, A. Keleş, U. Yavuz, ―Expert system based on neuro- fuzzy rules for diagnosis breast cancer‖, Expert Systems with Applications, 38(5), 5719-5726, 2011.
  • E. Avcı, ―A new expert system for diagnosis of lung cancer: GDA—LS_SVM‖, Journal of medical systems, 36(3), 2005-2009, 2012.
  • M. Çınar, Prostat kanser riskinin tespitinde sınıflandırıcı tabanlı uzman sistem kullanımı, Yüksek Lisans Tezi, Ege Üniversitesi, Fen Bilimleri Enstitüsü, 2007.

Erken Çocukluk Döneminde Otizm Teşhisine Yönelik Dinamik Uzman Sistem Tasarımı

Year 2015, Volume: 8 Issue: 3, 167 - , 12.05.2015
https://doi.org/10.17671/btd.65517

Abstract

Bu çalışmada; ilk defa erken çocukluk döneminde otizmin erken fark edilmesine yönelik bir dinamik uzman sistem geliştirilmiştir. Bu çalışmanın en önemli ayırt edici özelliği, uzman sistemlerin çıkarım mekanizması kısmında Naive Bayes algoritması kullanılarak kural tabanının dinamik olarak yenilenmesinin sağlanmasıdır. Bu sayede sistem daha önceden kayıtlı olmayan yeni bir durum ile karşılaştığında; mevcut kurallardan faydalanarak yeni kuralın hangi sınıfa ait olduğunu tahmin etmektedir. Geliştirilen dinamik uzman sistem; otistik bozuklukların belirtileri konusunda ailelerin bilgilendirilmesi, otistik çocuklara yönelik erken eğitim programlarının oluşturulması ve ailede yarattığı yıkıcı etkilere yönelik destek programlarının daha erken uygulanması gibi süreçlerde önemli katkılar sağlayacaktır.

Otizmin en etkili tedavi yöntemi olarak özel eğitim görülmektedir. Otistik bireylerin eğitiminde ve gelişiminde, eğitimin erken başlamasının olumlu sonuçları arttırdığı bilinmektedir. Bireyin doğumundan itibaren otistik bozuklukların belirtileri görülebilmesine rağmen; ailelerin otizmi tanımaması, belirtilerini bilmemesi nedeniyle otizm tanısı genellikle 3 yaşından sonra, 4- 6 yaş arasında konmaktadır.

Otizmin erken tanısına yönelik olarak kullanılan belirtilerden hangilerinin var olduğuna karar vermek oldukça karmaşık ve deneyim gerektiren bir süreçtir.  Bu nedenle, otizm erken tanısına yönelik yapay zekâ, uzman sistemler, karar destek sistemleri, veri madenciliği gibi teknikler kullanılabilir. Otizmin öncü belirtilerinin tanınması ve bu konudaki bozuklukların erken fark edilmesi, otistik çocuklara yönelik erken eğitim programlarının oluşturulması ve uygulanabilmesi açısından oldukça önemlidir.

References

  • American Psychiatric Association, Diagnostic and Statistical Manual of Mental Disorders (DSM IV), Washington, DC: American Psychiatric Association Press, 1994.
  • A. Kulaksızoğlu, Farklı Gelişen Çocuklar, Epsilon Yayıncılık, İstanbul, 2003.
  • S. Alpaytaç, Otizm üzerine Türkiye’den bir örnek vaka incelemesi, Yüksek Lisans Tezi, Yedi Tepe Üniversitesi, Sosyal Bilimler Enstitüsü, 2007.
  • C. D. Prater, R.G. Zylstra, ―Autism: A medical primer‖, American Family Physician, 66(9), 1667-1674, 2002.
  • B. Korkmaz, Asperger Sendromu, Adam Yayınları, İstanbul, 2003.
  • E.G. Stubbs, K. Cheng, ―Autism Spectrum Disorders‖, Child and Adolescent Psychiatry, K. Cheng, K.M. Myers (Ed.). Philadelphia: Lippincott Williams &Wilkins, (s.227-246), 2005.
  • B. Kara, İstanbul’da yaygın gelişimsel bozuklukların tanısında m-chat testinin geçerliliği, Uzmanlık Tezi, İstanbul Üniversitesi, Tıp Fakültesi, 2009.
  • N. Allahverdi, Uzman Sistemler: Bir Yapay Zeka Uygulaması, Atlas Yayıncılık, İstanbul, 16-20, 2002.
  • A. S. Anagün, ―Selecting Inventory Models Using an Expert System‖, Computers and Industrial Engineering, 33 (1-2), 299-302, 1997.
  • M. Albayrak, Ş. Taşdemir, N. Allahverdi, ―An Expert System Approach to Determine The Computer Hardware Failures‖, The International Conference on Modeling and Simulation AMSE2006, 28-30 Aug 2006, pp. 559-563, Selçuk Üniversitesi-Konya, Turkey.
  • A. Yılmaz, Demir eksikliği anemisi teşhisi için bir bulanık uzman sistem tasarlanması, Yüksek Lisans Tezi, Selçuk Üniversitesi, Fen bilimleri Enstitüsü, 2012.
  • A. Keleş, A. Keleş, ― ESTDD: Expert system for thyroid diseases diagnosis‖, Expert Systems with Applications, 34(1), 242-246, 2008.
  • M. F. Amasyalı, Yeni makine öğrenmesi metotları ve ilaç tasarımına uygulamaları, Doktora Tezi, Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, İstanbul, 2008.
  • S. Akbulut, Veri madenciliği teknikleri ile bir kozmetik markanın ayrılan müşteri analizi ve müşteri segmentasyonu, Yüksek Lisans Tezi, Gazi Üniversitesi, Fen Bilimleri Enstitüsü, 2006. [17] Y. Özkan, Veri Madenciliği Yöntemleri, Papatya Yayıncılık, İstanbul, 2008.
  • M. Erkalan, M. H. Calp, İ. Şahin, ―Çoklu zekâ kuramından yararlanılarak meslek seçiminde kullanılacak bir uzman sistem tasarımı ve gerçekleştirilmesi‖, International Journal Of Informatics Technologies, 5(2), 49-55, 2012.
  • İ. Şahin, M. H. Calp, A. Özkan, ―An expert system design and application for hydroponics greenhouse systems‖, Gazi University Journal of Science, 27(2), 809-822, 2014.
  • Y. Kaya, R. Tekin, ―Epileptik hastalıkların teşhisi için aşırı öğrenme makinesi tabanlı bir uzman sistem‖, International Journal Of Informatics Technologies, 5(2), 33-40, 2012.
  • V. C. Osamor, A. A. Azeta, O. O. Ajulo, ―Tuberculosis– Diagnostic Expert System: An architecture for translating patients information from the web for use in tuberculosis diagnosis‖, Health informatics journal, Vol. 20(4) 275–287, 2014.
  • A. Keleş, A. Keleş, U. Yavuz, ―Expert system based on neuro- fuzzy rules for diagnosis breast cancer‖, Expert Systems with Applications, 38(5), 5719-5726, 2011.
  • E. Avcı, ―A new expert system for diagnosis of lung cancer: GDA—LS_SVM‖, Journal of medical systems, 36(3), 2005-2009, 2012.
  • M. Çınar, Prostat kanser riskinin tespitinde sınıflandırıcı tabanlı uzman sistem kullanımı, Yüksek Lisans Tezi, Ege Üniversitesi, Fen Bilimleri Enstitüsü, 2007.
There are 21 citations in total.

Details

Primary Language Turkish
Journal Section Articles
Authors

Hanife Göker

İsmail Şahin

Hakan Tekedere

Publication Date May 12, 2015
Submission Date May 12, 2015
Published in Issue Year 2015 Volume: 8 Issue: 3

Cite

APA Göker, H., Şahin, İ., & Tekedere, H. (2015). Erken Çocukluk Döneminde Otizm Teşhisine Yönelik Dinamik Uzman Sistem Tasarımı. Bilişim Teknolojileri Dergisi, 8(3), 167. https://doi.org/10.17671/btd.65517