@article { author = {delavariyan, Mona and Afroz, Gholam ali and Tohidkhah, Farzad and Nayebi, Elahe}, title = {سامانه حمایتگر تشخیص بالینی جهت تشخیص دقیق نوع اختلال کودکان با نشانۀ بیش فعالی}, journal = {Empowering Exceptional Children}, volume = {6}, number = {3}, pages = {1-14}, year = {2015}, publisher = {Iranian Exceptional Children Foundation}, issn = {2588-3488}, eissn = {2645-3630}, doi = {}, abstract = {نشانۀ بیش‌فعالی از جمله نشانه‌های رایج میان بسیاری از اختلالات روانپزشکی در کودکان است. اغلب کودکان با این نشانه توسط والدین و آموزگاران خود طرد می شوند و بسیاری از شانس‌های زندگی خود از جمله شانس­ تحصیل و رشد طبیعی را از دست می­دهند و درنتیجه زندگی آینده آنها تحت تاثیر قرار خواهد گرفت. تشخیص و مداخلۀ هر چه سریعتر این کودکان می‌تواند به میزان زیادی آینده این کودکان را متحول سازد و برای این درمان دقیق ارزیابی رفتارهای کودکان در موقعیت‌های مختلف و تشخیص دقیق نوع اختلال  اهمیت زیادی دارد. شیوع و شباهت‌های زیاد میان علایم اختلالات اضطراب، افسردگی، سلوک و ADHD در میان کودکان منجر به  تلاش جهت طراحی یک شبکه عصبی هوشمند جهت کمک به تشخیص دقیق و سریع گردید. بدین منظور نمونه‌ای شامل 176 کودک با بیش‌فعالی (شامل اختلالات ADHD، اضطراب، و سلوک) و 50 کودک با رفتار طبیعی برای طراحی این سامانه مورد استفاده قرار گرفتند. جهت طراحی سامانه از یک طبقه­بندی کننده شبکه عصبی چندلایه پرسپترون استفاده گردید. در نهایت میانگین دقت شبکه طراحی شده در طبقه­بندی به 95.91 رسید. دقت طبقه‌بندی شبکه عصبی طراحی شده به اندازه‌ای است که می‌تواند در کنار پزشک به عنوان یک دستیار به کار رفته و دقت تشخیص را به میزان زیادی افزایش دهد.}, keywords = {ADHD,اختلال سلوک,اختلال اضطراب,شبکه عصبی چندلایه پرسپترون,هوش مصنوعی}, title_fa = {سامانه حمایتگر تشخیص بالینی جهت تشخیص دقیق نوع اختلال کودکان با نشانۀ بیش فعالی}, abstract_fa = {نشانۀ بیش‌فعالی از جمله نشانه‌های رایج میان بسیاری از اختلالات روانپزشکی در کودکان است. اغلب کودکان با این نشانه توسط والدین و آموزگاران خود طرد می شوند و بسیاری از شانس‌های زندگی خود از جمله شانس­ تحصیل و رشد طبیعی را از دست می­دهند و درنتیجه زندگی آینده آنها تحت تاثیر قرار خواهد گرفت. تشخیص و مداخلۀ هر چه سریعتر این کودکان می‌تواند به میزان زیادی آینده این کودکان را متحول سازد و برای این درمان دقیق ارزیابی رفتارهای کودکان در موقعیت‌های مختلف و تشخیص دقیق نوع اختلال  اهمیت زیادی دارد. شیوع و شباهت‌های زیاد میان علایم اختلالات اضطراب، افسردگی، سلوک و ADHD در میان کودکان منجر به  تلاش جهت طراحی یک شبکه عصبی هوشمند جهت کمک به تشخیص دقیق و سریع گردید. بدین منظور نمونه‌ای شامل 176 کودک با بیش‌فعالی (شامل اختلالات ADHD، اضطراب، و سلوک) و 50 کودک با رفتار طبیعی برای طراحی این سامانه مورد استفاده قرار گرفتند. جهت طراحی سامانه از یک طبقه­بندی کننده شبکه عصبی چندلایه پرسپترون استفاده گردید. در نهایت میانگین دقت شبکه طراحی شده در طبقه­بندی به 95.91 رسید. دقت طبقه‌بندی شبکه عصبی طراحی شده به اندازه‌ای است که می‌تواند در کنار پزشک به عنوان یک دستیار به کار رفته و دقت تشخیص را به میزان زیادی افزایش دهد.}, keywords_fa = {ADHD,اختلال سلوک,اختلال اضطراب,شبکه عصبی چندلایه پرسپترون,هوش مصنوعی}, url = {https://www.ceciranj.ir/article_66318.html}, eprint = {https://www.ceciranj.ir/article_66318_4fe583edc11c7871c606b383c7e18d21.pdf} }