بکارگیری تئوری بازی با قابلیت فازی عمیق برای طبقه بندی و تشخیص اختلالات اوتیسم براساس سیگنال های EEG

اختلالات طیف اوتیسم یک ناتوانی مزمن در سیستم عصبی است. گرچه به نظر می رسد اوتیسم اختلالی نادر است، ولی مطالعات اخیر نشانگر شیوع این بیماری به طوری که بیش از ۱% کودکان مبتلا به این بیماری بوده و شیوع آن بیش از شیوع سندرم داون است. کودکان مبتلا به بیماری اوتیسم دچار عدم توانایی در برقراری ارتباط با دیگران بوده و قادر نیستند از زبان به عنوان وسیله ای برای برقراری ارتباط استفاده کنند. اوتیسم یکی از پنج بیماری است که در مجموع به ان ها «اختلالات نافذ رشد» یا به اختصار PDD می گویند. علایم و نشانه های اوتیسم بیشتر وقات قبل از سن ۳ سالگی شروع به ظهور می کند. در اوایل والدین کودک مبتلا به اوتیسم متوجه می شوند. که کودکشان شروع به صحبت نکرده و مانند سایر کودکان هم سنش رفتار نمی کنند. با توجه به اینکه این اختلال برای بهبود نیاز به مراقبت و پیشگیری دارد، شناسایی و تشخیص آن از اولویت بالایی برخوردار است. از این رو، این مقاله در تلاش است تا یک سیستم تشخیص پزشکی هوشمند برای شناسایی و تشخیص اختلال اوتیسم براساس داده های معتبر BIoGS ارائه دهد. روش پیشنهادی به این صورت است که ورودی سیستم فازی و خروجی توسط داده های موجود تعیین می شود. با نظر بک متخصص، داده ها توسط قوانین کنترل می شوند. با این حال، از آنجا که منطق فازی در اموزش کم است. نیاز به یک رویکرد طبقه بندی کننده بهینه مورد نیاز است. اما قبل از طبقه بندی، استخراج ویژگی جزء ضروری است ورودی های این برنامه به صورت سیگنال های مغزی یا EEG می باشد. نظریه بازی فازی عمیق برای طبقه بندی و تشخیص اختلال اوتیسم در داده های موجود استفاده خواهد شد.

کلیدواژه ها:

اختلالات اوتیسم ، شبکه عصبی عمیق ، منطق فازی ، نظریه بازی فازی ، سیگنال EEG