تشخیص افسردگی های مرتبط با انسان با کمک ابزارهای هوش مصنوعی

افسردگی بخش های خاصی از مغز را تحت تاثیر قرار می دهد. تحقیقات نشان داده، که مناطقی از مغز که تحت تاثیر افسردگی قرار گرفته ؛ در افراد مختلف بسیار شبیه به هم هستند. بنابراین تنها با نگاه کردن به این ساختارهای مغز در اسکن MRI می توانیم با دقت بیش از ۸۰ درصد پیش بینی کنیم ، که آیا فردی افسردگی دارد یا خیر.تحقیقات دیگری با استفاده از مدل های پیشرفته هوش مصنوعی از این یافته حمایت کرده و نشان می دهد، که ساختار مغز می تواند یک ابزار مفید برای تشخیص مبتنی بر هوش مصنوعی باشد.مطالعات با استفاده از داده های تصویربرداری MRI بر روی عملکرد مغز در حالت استراحت نیز می تواند افسردگی را در بیش از ۸۰ درصد موارد به درستی پیش بینی کند. با این حال ترکیب اطلاعات عملکردی و ساختار ی ازMRI بهترین دقت را به دست می دهد؛ افسردگی را در بیش از ۹۳ درصد موارد به درستی پیش بینی می کند ؛ این نشان می دهد، که استفاده از تکنیک های تصویربرداری مغزی متعدد برای هوش مصنوعی برای تشخیص افسردگی ممکن است مفیدترین راه پیش رو باشد.ابزارهای هوش مصنوعی مبتنی بر MRI در حال حاضر فقط برای اهداف تحقیقات ی استفاده می شوند، اما از آنجایی که اسکن های MRIارزان تر، سریع تر و در دسترس تر می شوند،احتمالا این نوع فناور ی به زودی بخشی از جعبه ابزار پزشک شما خواهد بود؛ که به وی در بهبود تشخیص و افزایش مراقبت از بیمار کمک می کند . بیماری افسردگی از جمله اختلالات مرسوم در جوامع امروز می باشد؛ این اختلال در شدتها ی مختلف بروز می نماید، که اگر در مراحل اولیه تشخیص داده شود به راحتی و با هزینه و زمان کمتری درمان می شود. در این پژوهش با استفاده از داده های مربوط به تست های مختلف شخصیتی و برچسب گذاری شده توسط متخصص معتبر که از جامعه آماری مراجعه کنندگان شهر شیراز بدست آمده، میخواهیم با استفاده از الگوریتم های کلاسه بند ی مدلی برای پیش بینی افسردگی مراجعه کنندگان انتخاب کنیم . در این پژوهش اطلاعات بدست آمده از مراجعه کنندگان را ابتدا پیش پردازش نموده و سپس با استفاده از نرم افزار داده کاوی وکا ربر روی تعدادی از الگوریتم ها ی کلاسه بندی اعمال و نتایج بدست آمده را بر اساس روش اعتبار سنجی متقابل مقایسه می کنیم .

کلیدواژه ها:

افسردگی ، هوش مصنوعی ، طبقه بندی ، وکا ، اعتبار سنجی متقابل