سامانه حمایتگر تشخیص بالینی جهت تشخیص دقیق نوع اختلال کودکان با نشانۀ بیش فعالی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری، دانشکده روانشناسی و علوم تربیتی، دانشگاه تهران، تهران، ایران.

2 استاد ممتاز، دانشکده روانشناسی و علوم تربیتی، دانشگاه تهران، تهران، ایران.

3 استاد، دانشکده مهندسی پزشکی، دانشگاه صنعتی امیرکبیر، تهران، ایران

4 کارشناس ارشد، دانشکده روانشناسی و علوم تربیتی، دانشگاه تهران، تهران، ایران

چکیده

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.

کلیدواژه‌ها


عنوان مقاله [English]

سامانه حمایتگر تشخیص بالینی جهت تشخیص دقیق نوع اختلال کودکان با نشانۀ بیش فعالی

نویسندگان [English]

  • Mona delavariyan 1
  • Gholam ali Afroz 2
  • Farzad Tohidkhah 3
  • Elahe Nayebi 4
چکیده [English]

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.

کلیدواژه‌ها [English]

  • ADHD
  • اختلال سلوک
  • اختلال اضطراب
  • شبکه عصبی چندلایه پرسپترون
  • هوش مصنوعی