استفاده از هوش مصنوعی برای پیشبینی و ارزیابی ریسک ابتلا به افسردگی با استفاده از دادههای پرسشنامه ها با مدل ترکیبی Voting Classifier
- سال انتشار: 1404
- محل انتشار: نخستین همایش ملی "هوش مصنوعی و پژوهش های نوظهور:همگرایی انسان و سیستم های هوشمند
- کد COI اختصاصی: AIER01_072
- زبان مقاله: فارسی
- تعداد مشاهده: 24
نویسندگان
دانشجوی کارشناسی ارشد رشته مهندسی پزشکی–بیوالکتریک دانشگاه آزاد اسلامی واحد تهران جنوب
دانشجوی کارشناسی ارشد رشته مهندسی پزشکی–بیوالکتریک دانشگاه آزاد اسلامی واحد تهران جنوب
دانشجوی کارشناسی ارشد رشته مهندسی پزشکی–بیوالکتریک دانشگاه آزاد اسلامی واحد تهران جنوب
چکیده
افسردگی یکی از شایع ترین اختلالات روانی در جهان است که تشخیص به موقع آن می تواند نقش تعیین کننده ای در بهبود کیفیت زندگی بیماران داشته باشد. این پژوهش با هدف پیش بینی و ارزیابی ریسک ابتلا به اختلال افسردگی انجام شده است. در این راستا، از مدل ترکیبی Voting Classifier بهره گیری شده که از ترکیب چند الگوریتم یادگیری ماشین (نظیر Random Forest، Logistic Regression و SVM) استفاده می کند تا دقت پیش بینی افزایش یابد. داده های مورد استفاده از پرسش نامه های معتبر مانند PHQ-۹، QIDS-۱۶ و HAM-D-۱۷ استخراج شده اند. عملکرد مدل ها با استفاده از معیارهایی مانند AUC، دقت، یادآوری و F۱-score ارزیابی شد. نتایج نشان داد که مدل Voting Classifier در مقایسه با رویکردهای سنتی مبتنی بر امتیاز مجموع پرسش نامه ها، عملکرد بهتری در شناسایی افراد در معرض افسردگی دارد. این مدل می تواند به عنوان ابزاری کارآمد برای غربالگری افسردگی در محیط های بالینی و غیرکلینیکی مورد استفاده قرار گیرد.کلیدواژه ها
افسردگی, یادگیری ماشین, Voting Classifier, PHQ-۹, QIDS-۱۶, HAM-D-۱۷, پیش بینی ریسکمقالات مرتبط جدید
- سودآوری مشتریان در خردهفروشی قطعات یدکی ماشین آلات راهسازی با رویکرد یادگیری ماشین
- ارائه روشی کارآمد جهت شناسایی کودکان نیازمند به پیوند مغز استخوان با استفاده از ترکیب طبقه بند ماشین بردار پشتیبان و الگوریتم بهینه سازی فاخته
- استخراج بهینه پارامترهای تاثیر گذار الگوریتم بهینه سازی بوفالوی آفریقایی با هدف استخراج ویژگی های مهم به منظور افزایش کارایی طبقه بندی داده ها
- ارائه روشی کارآمد برای بهبود عملکرد الگوریتم بهینه سازی کلاغ سیاه به منظور افزایش صحت خوشه بندی داده ها
- استفاده از الگوریتم باور بیزین در لایه کاملا متصل شبکه عصبی کانولوشن با هدف افزایش دقت تشخیص تصاویر
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.