تشخیص اختلال بیش فعالی مبتنی بر آنالیز کمی بازگشتی متقابل و طبقه بندی جنگل تصادفی

اختلال بیش فعالی اختلالی است که در آن پرتحرکی، بی توجهی و رفتارهای ناگهانی بیشتر و شدیدتر از کودکان دیگر وجود دارد.تشخیص کودکان بیش فعال با استفاده از بررسی های بالینی انجام میشود.از آنجا که بیش فعالی یکی از بحث برانگیزترین اختلالات روانی در دوره کودکی به شمار میرود و عدم تشخیص و درمان به موقع آن، تاثیر سو در روابط فرد با جامعه میگذارد و از طرفی تشخیص سنتی این اختلال وابسته به اظهارات والدین و معلمهای کودک است که احتمال اشتباه در تشخیص را افزایش میدهد. لذا در این مطالعه سعی بر این است تا احتمال اشتباه کاهش یابد.هدر این پژوهش، روشی برای تشخیص بیماری بیش فعالی مبتنی بر پارامترهای آنالیز کمی بازگشتی متقابل (Cross recurrence quantification analysis) پیشنهاد میشود و از الگوریتم شناسایی الگو مبتنی بر یادگیری ماشین استفاده شده است. درمرحله اول برای حذف نویز و فرکانس های غیرمرتبط داده ها، از فیلتر چبیشف پایین گذر مرتبه دو استفاده شده و بعد از آن ویژگیهای آماری و پارامترهای تحلیل کمیت بازگشتی استخراج میشوند. سپس در مرحله انتخاب ویژگی با استفاده از روش لاپلاسین با معیار فاصله کسینوسی وزن دار شده، به ویژگیها امتیاز داده میشود تا بهترینها انتخاب شوند و در نهایت ویژگیهای انتخاب شده برای فرآیند آموزش و تست به طبقه بند جنگل تصادفی (Random Forest) داده میشوند تا طراحی مدل مورد نظر انجام پذیرد. نتایج نشان میدهد که الگوریتم پیشنهادی با دقت ۹۹ درصد عملکرد بسیار بهتری را در مقایسه با رویکردهای مشابه ارائه میدهد.

کلیدواژه ها:

اختلال بیش فعالی ، آنالیز کمی بازگشتی متقابل ، سیگنال مغزی