1- دانشگاه تربت حیدریه
2- دانشگاه علوم پزشکی تربت حیدریه
3- دانشگاه آزاد اسلامی، بوشهر
چکیده: (538 مشاهده)
زمینه و هدف: طیف اوتیسم یکی از اختلالات روانشناختی کودکان محسوب میشود. تشخیص بهموقع و با دقت این اختلال، اهمیت فراوانی در تأمین مراقبت و درمان مناسب کودکان دارد. هدف اصلی این تحقیق، تأکید بر اهمیت ویژگیهای مرتبط با بیماری اوتیسم و تشخیص آن با استفاده از یک مدل هوشمند است، چراکه برخی از این ویژگیها از درجه اولویت بالاتری برخوردارند.
روش ها: بدین منظور، از روش تحلیل مولفه اصلی(PCA) برای اولویتبندی ویژگیها استفاده شد و پس از استخراج ویژگی های بهینه، با استفاده از شبکه های عصبی مصنوعی، به تشخیص خودکار بیماری پرداخته شده است.
نتایج: دادههای مورد استفاده در این مطالعه از مجموعهداده Kaggle جمعآوری شدهاندکه شامل 1054 فرد بوده، که از این تعداد 728 نفر مبتلا به اوتیسم و 326 نفر سالم بودهاند. بررسیهای این مطالعه نشان می دهد که حذف تدریجی ویژگیها و تقلیل از 18 به 12 ویژگی، میتواند به حصول همان دقت در تشخیص طیف اوتسیم با استفاده از شبکههای عصبی مصنوعی، منجر شود.
نتیجه گیری: کاهش تعداد ویژگیها در مدلهای هوش مصنوعی برای تشخیص اوتیسم، ضمن کمک به بهبود و بهینهسازی فرآیند تشخیص بیماری، می تواند منجر به کاهش استرس والدین و حفظ حریم خصوصی آنها بدلیل تعداد کمتر سوالات شده و در نهایت منجر به تولید مدلهایی با عملکرد بهتر و تفسیرپذیرتر شود.
نوع مطالعه:
پژوهشي |
موضوع مقاله:
عمومى دریافت: 1402/5/11 | پذیرش: 1402/9/20 | انتشار: 1402/11/11