%0 Journal Article %T سامانه حمایتگر تشخیص بالینی جهت تشخیص دقیق نوع اختلال کودکان با نشانۀ بیش فعالی %J توانمندسازی کودکان استثنایی %I انجمن علمی کودکان استثنایی ایران %Z 2588-3488 %A دلاوریان, مونا %A افروز, غلامعلی %A توحیدخواه, فرزاد %A نایبی, الهه %D 2015 %\ 09/23/2015 %V 6 %N 3 %P 1-14 %! سامانه حمایتگر تشخیص بالینی جهت تشخیص دقیق نوع اختلال کودکان با نشانۀ بیش فعالی %K ADHD %K اختلال سلوک %K اختلال اضطراب %K شبکه عصبی چندلایه پرسپترون %K هوش مصنوعی %R %X 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. %U https://www.ceciranj.ir/article_66318_4fe583edc11c7871c606b383c7e18d21.pdf