17055

تشخيص بيماري اوتيسم توسط هوش‌مصنوعي با به‌كارگيري تابع گاوسن

1400

دكتر جواد وحيدي

ندارد

ختلال طيف اوتيسم را بيشتر مي‌توان يك اختلال رشدي فراگير بيان كرد كه خود را در سال‌هاي اوليه رشد كودك نمايان مي‌كند. اين اختلال در بيماران باعث مي‌شود كه مغز فرد مبتلا به اوتيسم نتواند در زمينه رفتارهاي اجتماعي و مهارت‌هاي ارتباطي به‌درستي عمل كند و باعث ايجاد موانعي براي يادگيري چگونگي ارتباط و تعامل با ديگران به‌طور اجتماعي مي‌شود. امروزه بكارگيري رويكردهاي مبتني بر سيستم هاي كامپيوتري و فرايندهاي هوشمند، كاربرد قابل توجهي به ويژه در زمينه پژشكي پيدا كرده است. در اين زمينه بيماري اوتيسم يكي از مواردي است كه محققان زيادي به آن توجه كرده و از راهكارهاي مبتني بر فرايندهاي كامپيوتري استفاده نموده اند. در اين راستا، يك راهكار تشخيص بيماري اوتيسم توسط هوش مصنوعي با بكارگيري تابع گاوسن ارائه شده است كه قادر به بهبود فرايند تشخيص بيماري هست. در رويكرد پيشنهادي به‌منظور افزايش سرعت و دقت در تشخيص بيماري و همچنين افزايش كارايي اقدامات درماني در بيماران مبتلا به اوتيسم يك راهكار مبتني بر هوش مصنوعي پيشنهادي ميگردد كه از تابع گاوسن براي طبقهبندي بيماران بر اساس ويژگيهاي بيماري استفاده ميشود. به طور كلي، نوآوري روش پيشنهادي، ضمن استفاده از يك مدل يادگيري ماشين مبتني بر هوش مصنوعي با استفاده از تابع گاوسن است كه قادر به ارزيابي ويژگيهاي چندگانه دادههاي بيماران براي طبقهبندي آنها به منظور افزايش دقت تشخيص هست. ساختار مدل يادگيري ماشين مورد استفاده در اين پژوهش بر اساس شبكه LSTM پياده سازي و اجرا ميشود. شبكه‌ي LSTM وع خاصي از شبكه‌ي RNN است كه مشكل حافظه‌ي بلندمدت شبكه‌ي RNN را حل مي‌كند. شبكه‌ي LSTM سازوكارهايي داخلي به‌اسم گي دارد. اين گيت‌ها جريان اطلاعات را كنترل مي‌كنند؛ همين‌طور مشخص مي‌كنند چه داده‌هايي در توالي مهم هستند و بايد هم‌چنان حفظ بشوند و چه داده‌هايي بايد حذف بشوند. در اين پژوهش به منظور طبقهبندي بيماران اوتيسيمي بر اساس ويژگيهاي ارائه شده در مجموعه اطلاعات ارائه شده آنها، قادر به اولويتبندي سطح بيماري خواهيم بود. با ارزيابي نتايج پژوهش مشخص گرديد كه مقادير دقت، صحت، امتياز F1 و بازخواني فرايند طبقه بندي كلاس‌هاي تصاوير بيماران به‌منظور تفكيك بيماران از هم، نسبت به رويكردهاي مقايسه شده به ترتيب به طور ميانگين، 1.5 درصد، 2.36 درصد، 3.32 درصد و 1.89 درصدكارايي بالاتري داشته است. همچنين ارزيابي‌ها نشان داد كه روش پيشنهادي در فرايند طبقه بندي بيماران نسبت به رويكردهاي مقايسه شده زمان اجرا و تأخير پايين تري دارد.

9/15/2025 12:00:00 AM

90381

1405/03/02

Diagnosis of autism by artificial intelligence using the Gaussian function

بيماري اوتيسم , هوش‌مصنوعي , يادگيري عميق , شبكه عصبي , تابع گاوسن

Autism disease , artificial intelligence , Deep learning , Neural network , Gaussian function