طراحي سيستم افتراق دهنده دقيق كودكان با اختلال نقص توجه-بيش فعالي از كودكان با اختلال رفتار مقابله‌اي با استفاده از شبكه عصبي مصنوعي

Designing an accurate system for differentiating children with attention deficit-hyperactivity disorder from oppositional defiant disorder by using artificial neural network

مقدمه و اهداف اختلالات رفتاري در كودكان از جمله اختلالات رايج و مورد توجه مي باشد. از زماني كه به اهميت تشخيص هر چه سريعتر اين اختلالات پي برده شد، مسيله دقت در تشخيص به خصوص تشخيص افتراقي اختلالات با توجه به همپوشاني زياد نشانه ها بيشتر مورد توجه قرار گرفت. به‌علاوه اينكه، تعداد زيادي از اين كودكان توسط والدين و آموزگاران خود طرد مي شوند و شانس تحصيل و رشد طبيعي را از دست مي دهند و زندگي آينده آنها نيز تحت تاثير قرار خواهد گرفت. از آنجا كه افتراق ميان اختلال رفتار مقابله‌اي و ADHD به دليل همپوشاني زياد نشانه ها چالش برانگيز است، و از طرفي تشخيص و درمان هر چه سريعتر اين كودكان اهميت زيادي دارد، يكي از اقدامات بسيار مهم تشخيص دقيق و افتراق اين اختلالات از يكديگر مي باشد. مواد و روش ها نمونه شامل 39 كودك مبتلا به اختلال رفتار مقابله‌اي و 46 كودك با تشخيص ADHD و 50 كودك با رفتار طبيعي ولي با نشانه پرخاشگري موقت بود. جهت طراحي سيستم از يك طبقه بندي كننده شبكه عصبي چندلايه پرسپترون استفاده گرديد.با توجه به همپوشي زياد اختلالات رفتار مقابله‌اي و ADHD و فتار طبيعي با نشانه هاي موقتي پرخاشگري در ميان كودكان، تلاش جهت طراحي يك شبكه عصبي هوشمند جهت كمك به افتراق دقيق و سريع اين اختلالات صورت گرفت. يافته ها ميانگين دقت شبكه طراحي شده در طبقه بندي به 95.55% رسيد. اين سيستم طراحي شده مي تواند در كنار پزشك به عنوان يك دستيار دقيق به كار رفته و اطمينان در تشخيص را به ميزان زيادي افزايش دهد. نتيجه گيري سيستم طراحي شده قادر به تميز كودكان با اختلالات رفتاري با دقت بالا مي‌باشد. اين سيستم مي‌تواند به عنوان يك ابزار غربالگري براي تشخيص زودهنگام كودكان با ريسك بالاي اختلالات عاطفي-رفتاري، به‌كار گرفته شود.

Background and Aim: Behavioral disorders are one of the most considerable disorders in children during these days. Accurate diagnosis and early identification, especially in disorders with similar sysmptoms, are noticeable and very important. Moreover, most of the affected individuals are rejected by their parents and teachers, decreasing their chances of normal development and their future life will be affected. Due to many similarities among oppositional defiant disorder and attention deficit-hyperactivity disorder, differentiation of these disorders is challenging, although diagnosing and distinguishing of these disorders are very important. Materials and Methods: Due to overlapping between oppositional defiant disorder and attention deficit hyperactivity disorder and normal behavior with temporarely aggression, it was tried to design an artificial neural network to assist in accurate distinguishing these classes. Samples were consisted of 85 children with behavioral disorders (including ADHD and oppositional defiant disorder) and 50 children with normal behavior but temporarly sign of aggresion. Multilayer perceptron neural network was used to designe the system. Results: The average of accuracy of correct classification with the desined network reacehed to 95.55%. The designed system can be used as a reliable assistant for the psychiatrists and it can increase the diagnosis realiability. Conclusion: The designed system can differentiate children with behavioral disorders with high accuracy. It can be used as a screening tool for high risk children.