انجمن علمی کودکان استثنایی ایران توانمندسازی کودکان استثنایی 2588-3488 6 3 2015 09 23 سامانه حمایتگر تشخیص بالینی جهت تشخیص دقیق نوع اختلال کودکان با نشانۀ بیش فعالی سامانه حمایتگر تشخیص بالینی جهت تشخیص دقیق نوع اختلال کودکان با نشانۀ بیش فعالی 1 14 66318 FA مونا دلاوریان دانشجوی دکتری، دانشکده روانشناسی و علوم تربیتی، دانشگاه تهران، تهران، ایران. غلامعلی افروز استاد ممتاز، دانشکده روانشناسی و علوم تربیتی، دانشگاه تهران، تهران، ایران. 0000-0001-9819-6790 فرزاد توحیدخواه استاد، دانشکده مهندسی پزشکی، دانشگاه صنعتی امیرکبیر، تهران، ایران الهه نایبی کارشناس ارشد، دانشکده روانشناسی و علوم تربیتی، دانشگاه تهران، تهران، ایران Journal Article 2018 07 22 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. 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. https://www.ceciranj.ir/article_66318_05a1e9ff55c1fc65f04ce37e3e942acc.pdf