Dikkat eksikliği ve hiperaktivite bozukluğu olan çocukların el yazılarının görüntü işleme teknikleri ile analizi

Görüntü işleme gerçek yaşamdaki görüntülerin işlenerek özelliklerinin değiştirilmesiyle yeni bir resim oluşturulması sürecidir görüntü işleme teknikleri ile istenilen görüntüyü alıp satır ve sütundan oluşacak şekilde örnek eklenmesiyle sayısal görüntü oluşur böylelikle görsel karakterler sayısallaştırılması olarak veriler saklanır. Teze örnek konu olarak yapılan çalışmalarda ilkokul düzeyindeki çocukların el yazısı verileri görüntü işleme teknikleri yöntemleri ve algoritmaları ile incelenerek doğru olarak kabul edilen örnek çalışmayla karşılaştırılarak dikkat eksikliği, hiperaktivite ve benzeri bozukluklarının erken dönem tespit edilmesiyle müdahale edilmesidir. Teze konu olan çalışmaların Görüntü işleme adımları ile ilk olarak verilerin sayısallaştırılarak,gerekli algoritmalar ile yeni görüntü elde edilmesi ile resmin üzerindeki en küçük resim elemanı olan pikseller üzerine gerçekleştirilmesidir. Dikkat Eksikliği ve Hiperaktivite Bozukluğu (DEHB), temel olarak dikkatsizlik, aşırı hareketlilik ve dürtüsel davranışlarla karakterize edilen nörogelişimsel bir bozukluktur. Bu rahatsızlığa sahip bireylerde semptomların dağılımı ve yoğunluğu farklılık gösterebilir; bu da her bireyin kendine özgü klinik özellikler sergilemesine neden olmaktadır. Örneğin, dikkat sorunlarının ön planda olduğu çocuklar çoğunlukla düşük enerji seviyelerine sahip, içe dönük, sınıf ortamında iletişimi sınırlı, tepki süreleri yavaş, hayal kurmaya eğilimli ve sosyal etkileşimden uzak bireyler olarak tanımlanabilir. Dikkatlerini uzun süre sürdürememe, görev tamamlama güçlükleri ve çevresel uyaranlara karşı yüksek hassasiyet gibi özellikler bu grupta sıkça gözlenmektedir. İlginçtir ki, bu bireyler akademik görevlerde dikkatlerini toparlayamazken, yüksek uyarıcı içeren dijital oyunlara uzun süre odaklanabilirler. Ayrıca, öğrenilen bilgileri hatırlamada zorluk yaşamaları ve görsel-motor destekli etkinliklerden daha fazla verim almaları da dikkat çeken bulgular arasındadır (V. Berninger et al., 2017). Bu bağlamda, el yazısı becerileri; bireyin dikkat kapasitesi, motor koordinasyonu ve bilişsel süreçleri hakkında doğrudan bilgi sunan önemli bir göstergedir. Literatürde, DEHB tanısı almış bireylerin el yazısında görülen düzensizliklerin ve motor kontrol sorunlarının, bozukluğun tanı sürecinde belirleyici olabileceği vurgulanmaktadır (Çak et al., 2018). Bu çalışmada, çocuklara ait el yazısı örnekleri görüntü işleme teknikleriyle sayısal ortama aktarıldı ve ilgili algoritmalar kullanılarak analiz edildi. Böylece, geleneksel yöntemlerin ötesinde, daha objektif, sistematik ve tekrarlanabilir bir değerlendirme süreci elde edildi. Görüntü işleme teknikleri yöntemleri ve algoritmaları ile ilkokul düzeyindeki çocukların el yazısı incelenerek dikkat eksikliği, hiperaktivite bozukluğu tespitinde kullanılmasıdır. Görüntü işlemede temel yöntemler kullanılarak el yazısının doğru kabul edilen örnek çalışmalar ile kıyaslanarak anlamlı bir ilişki kurulmasıdır. Görüntü dönüşümleri, iyileştirme, onarma, bölümleme, sıkıştırma, algılama ve bazı teknikler ile görüntü işleme algoritmaları doğrusal dönüştürmeler vb. teknikler kullanılarak el yazısı verilerinin analiz sonuçlarının incelenmesidir. Araştırmaların bulgularının eğitim ve klinik pratikteki yansımaları ve erken müdahale olanaklarının vurgulanmasıdır. DEHB tanısıyla ilgili makine öğrenimi çalışmaları genellikle nörogörüntüleme ve elektroensefalografi (EEG) üzerine odaklanmaktadır. EEG, beyin nöronları tarafından üretilen elektriksel aktivitenin beyin dalgaları olarak kağıt üzerine kaydedilmesi işlemidir. Bu tür yaklaşımlar ve benzer yöntemler literatürde giderek daha fazla kullanılmaktadır. El yazısı ve yazma becerisi eksiklikleri, çeşitli çalışmalarda görüldüğü üzere DEHB ve benzeri bozuklukların bir göstergesi olabilmektedir. Örneğin, bir yazma güçlüğü bozukluğu olan disgrafinin tespitinde makine öğrenmesi yöntemleri kullanılmış ve yaş, cinsiyet gibi kişisel özelliklerle birlikte el yazısı örnekleriyle sınıflandırma performansı ortalama %70 civarında gerçekleşmiştir. Tek karakter yazmaya odaklanan bir çalışmada ise yapay sinir ağları kullanılarak %50 ile %75 arasında bir doğruluk oranı elde edilmiştir (Barry, Clarke, et al., 2003). Bu yöntemler ve müdahaleler hem zaman alıcı hem de çocuk için oldukça zorlayıcıdır. Bu testler uzun zaman alır ve çocukların hareketsiz kalması gerekir. Oysa daha kolay yöntemler DEHB tanısı koymada yardımcı olabilir. Bu motivasyonla, bu çalışma DEHB teşhisi için el yazısını kullanarak çok kısa ve basit bir süreçle önemli sonuçlar elde etmiştir. Önerilen model ile okullardaki öğretmenler ve hatta bir mobil uygulama aracılığıyla ebeveynler risk altındaki çocukları tespit edebilir ve gerekli yönlendirmeleri yapabilir. Bu çalışmada el yazısı nesne algılama algoritmaları yardımıyla analiz edilmiş ve DEHB ön tanısı koymada başarılı sonuçlar elde edilmiştir.