شماره ركورد :
1089235
عنوان مقاله :
پيش‌بيني اختلال طيف اوتيسم از طريق طراحي شبكه عصبي مصنوعي
عنوان به زبان ديگر :
Prediction of Autism Disorder by Artificial Neural Network
پديد آورندگان :
دبيروزيري، اميرحسين دانشگاه پيام نور- كرج- دانشكده روانشناسي , طهراني زاده، مريم دانشگاه پيام نور- كرج- دانشكده روانشناسي
تعداد صفحه :
10
از صفحه :
489
تا صفحه :
498
كليدواژه :
اختلال طيف اوتيسم , شبكه عصبي مصنوعي , سيستم پشتيباني
چكيده فارسي :
زمينه و هدف: اختلال طيف اوتيسم (Autism Spectrum Disorders) در تمام نقاط دنيا رو به افزايش است به‌طوري‌كه در سال 2018 در هر 59 نفر 1 نفر مبتلا به اوتيسم گزارش شده است. با توجه به اهميت رفتار انطباقي براي كاركرد روزمره در خانه و مدرسه و نيز هزينه‌هاي اجتماعي و مراقبت در طول عمر اين افراد، اهميت تشخيص زودهنگام اوتيسم برجسته مي‌شود و بدين‌وسيله بهبود رفتارشناختي، تطبيقي و كاهش شدت اوتيسم صورت مي‌پذيرد. مواد و روش‌ها: نمونه شامل 170 نفر متشكل از 100 كودك اوتيسم و 70 كودك سالم و شاداب بود. با استفاده از شبكه عصبي چندلايه پرسپترون، يك سيستم پشتيباني از تصميم باليني براي پيش‌بيني اوتيسم بر اساس نشانه‌ها و علائم طراحي شد. يافته‌ها: ميانگين صحت شبكه عصبي طراحي‌شده پس از 10 بار اجرا 11/96 درصد بود. درنتيجه سيستم طراحي‌شده با دقت مناسبي مي‌تواند دستيار و پشتيبان قابل‌اعتمادي براي متخصصين اين حوزه در تشخيص كودكان اوتيسم از سالم باشد. نتيجه‌گيري: ميانگين سن تشخيص اوتيسم در 4 سال و 4 ماهگي (52 ماهگي) است به‌طوري‌كه با جنسيت، نژاد و قوميت تفاوت معني‌داري نمي‌كند. بنابراين طراحي سيستم پشتيباني تصميم باليني در اين مطالعه براي رنج سني 3 تا 6 سال مي‌تواند به‌عنوان يك ابزار غربالگري مهم، ضروري و قابل‌اعتماد به‌منظور جلوگيري از تأخير در تشخيص و مداخله زودهنگام مورد استفاده قرار گيرد.
چكيده لاتين :
Aim and Background: The autism spectrum disorder is increasing in all parts of the world, so that in 2018, one in every 59 people with autism is reported. Given the importance of adaptive behavior in everyday life at home and at school, as well as social costs and care during their lives, the importance of early diagnosis in autism is highlighted, thereby improving cognitive, adaptive behavior and reducing the severity of autism. Methods and Materials: The sample consists of 170 children, 100 autistic children and 70 healthy and juvenile children. Using a perception multi-layer neural network, a clinical decision support system was designed to predict autism based on signs and symptoms. Findings: The average accuracy of the neural network design was 96.11% after performing 10, as a result of a carefully designed system; it could be a reliable assistant and supporter of this area for the diagnosis of autistic children. Conclusions: The mean age of diagnosis of autism is 4 years and 4 months (52 months), which does not significantly differ with gender, race, and ethnicity. Therefore, the design of the clinical decision support system in this study for a range of 3 to 6 years old can be used as an important, necessary and reliable screening tool to prevent delay in early diagnosis and intervention.
سال انتشار :
1397
عنوان نشريه :
تحقيقات علوم رفتاري
فايل PDF :
7684691
عنوان نشريه :
تحقيقات علوم رفتاري
لينک به اين مدرک :
بازگشت