دوره 11، شماره 2 - ( 6-1402 )                   جلد 11 شماره 2 صفحات 45-30 | برگشت به فهرست نسخه ها

XML English Abstract Print

تشخیص اختلال طیف اوتیسم با بهره‌گیری از تحلیل مولفه های اصلی جهت استخراج بهترین ویژگی‌ها با استفاده از شبکه‌های عصبی مصنوعی
حبیبه هوشمند1 ، نجمه خردنیا1 ، عباس قدرتی2 ، آتنا عبیدی 3
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.
واژه‌های کلیدی: اختلال طیف اوتیسم، ‌ شبکه‌ عصبی مصنوعی، تحلیل مولفه اصلی، استخراج ویژگی
متن کامل [PDF 538 kb]   (439 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: عمومى
دریافت: 1402/5/11 | پذیرش: 1402/9/20 | انتشار: 1402/11/11
بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.