تاثیر یادگیری عمیق بر روند طبقه بندی اختلال بیش فعالی و کمبود توجه

سال انتشار: 1396
محل انتشار: چهارمین کنفرانس ملی فناوری اطلاعات، کامپیوتر و مخابرات
کد COI اختصاصی: ITCT04_088
زبان مقاله: فارسی
تعداد مشاهده: 830

نویسندگان

دانشکده فنی ومهندسی، دانشگاه آزاد اسلامی واحد کرمانشاه،کرمانشاه، ایران

دانشکده کامپیوتر، دانشگاه صنعتی خواجه نصیر الدین طوسی، تهران، ایران

چکیده

اختلال بیش فعالی و کمبود توجه شرایطی را برای کودک ایجاد میکند که نتواند آرام و بدون حرکت بنشیند، رفتارش را کنترل کرده و توجه خود را به یک موضوع خاص معطوف کند. از هر 100 کودک 5 کودک، مبتلا به این بیماری میباشند. پسران سه برابر بیش از دختران در معرض ابتلا به این عارضه قراردارند. اغلب این اختلال قبل از 7 سالگی آغاز میشود و ممکن است والدین تا وقتی که فرزندشان بزرگتر نشده، متوجه مشکل او نگردند . کودکان مبتلا به بیشفعالی و کمبود توجه در معرض خطر بالایی از اختلال رفتار، شخصیت ضد اجتماعی و سوءمصرف مواد مخدر قرار دارند. اکثر کودکان مبتلا بهاین بیماری دچار احساس افسردگی، اضطراب و عدم اعتمادبهنفس میشوند. با توجه به اهمیت این موضوع در این پژوهش، از شبکههای باور عمیق به عنوان یک مدل یادگیری عمیق برای پیشبینی بیماری مذکور استفاده شده است. الگوریتم پیشنهادی روی مجموعه داده استاندارد رقابتهای جهانیADHD-200 که شامل مجموعه داده Neuro Image و NYU است اجراشده و با الگوریتمهای شناختهشده دیگر مورد مقایسه قرار گرفته است. نتایج به دست آمده نشان میدهد که روش پیشنهادی برتری امیدوارکننده ای نسبت به سایر الگوریتم های شناخته شده و محبوب دارد

کلیدواژه ها

اختلال بیشفعالی و کمبود توجه، یادگیری عمیق، شبکههای عصبی، شبکههای باورعمیق، ماشین بولتزمان محدود

مقالات مرتبط جدید

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.