جستجو
بررسی روشهای تشخیص زودهنگام اختلال طیف اوتیسم با استفاده از یادگیری عمیق و تحلیل دادههای چندوجهی
هبه عباس1 مژگان صالحی نسب2 عبداله چاله چاله3
چکیده :
تشخیص زودهنگام اختلال طیف اوتیسم برای مداخلات درمانی مؤثر حیاتی است. روشهای سنتی تشخیص که مبتنی بر مشاهده رفتاری و ارزیابیهای بالینی هستند، زمانبر بوده و اغلب با تأخیر در تشخیص همراهند. یادگیری عمیق به عنوان زیرمجموعهای از هوش مصنوعی، پتانسیل بالایی در خودکارسازی و افزایش دقت تشخیص از طریق تحلیل دادههای پیچیده بالینی، تصویربرداری و رفتاری دارد. در این مقاله، پس از معرفی بیماری اوتیسم و روشهای سنتی تشخیص، به بررسی روشهای مدرن مبتنی بر هوش مصنوعی پرداخته شده و معماریهای مختلف شبکههای عصبی از جمله CNN، RNN، Transformer و روشهای چندوجهی مورد مقایسه قرار گرفتهاند. نتایج مطالعات نشان میدهد که مدلهای ترکیبی مانند CNN-LSTM با مکانیزم توجه و روشهای مبتنی بر ردگیری چشم، دقت بالایی (تا ۹۹.۷۸٪) در تشخیص ASD داشتهاند. همچنین چالشهایی نظیر کمبود داده، توضیحپذیری پایین و مسائل اخلاقی بررسی و راهکارهایی نظیر یادگیری فدرال و هوش مصنوعی تفسیرپذیر پیشنهاد شده است.
کلمات کلیدی : اختلال طیف اوتیسم یادگیری عمیق تصاویر mri دادههای eeg هوش مصنوعی پردازش تصویر دیجیتال
زبان مقاله : فارسی
محور مقاله : فناوری های کاربردی هوش مصنوعی و کاربردهای آن در علوم مختلف
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری
آدرس وب سایت کنفرانس : itnaf.ir
کد IOI مقاله : AAHD-ABKDZC
لینک مستقیم مقاله : https://isnac.ir/AAHD-ABKDZC
سایر مقالات محل انتشار
- A Study on Design Understandability and Interaction of the therapy-specific Robots
- طراحی و مهندسی یک حسگر زیستی نوری چند مدی پلاسمونیک مبتنی بر تشدیدگرهای حلقه شکاف برای سنجش جامع آنتیژن
- طراحی یک اسیلاتورکنترل شونده با ولتاژ با نویز فاز بسیار پایین و بازه وسیع فرکانسی با تکنولوژی نانولوله کربنی برای کاربردهای PLL
- یک چارچوب هوشمند آگاه به زمینه برای ارتباطات V2V و V2Iدر شبکههای خودرویی شهرهای هوشمند با استفاده از دادههای ترافیکی شبکه سلولی
- An Ensemble Non-Dominated Feature Selection Method: A Case Study on Prostate Cancer
- تشخیص زودهنگام پوسیدگی دندان با استفاده از شبکههای عصبی
- Simulation and Performance Comparison of Torque Tube and LVDT Sensors in Displacer-Based Level Measurement Systems
- ارتقا سامانه ناوبری پهپاد مهاجر ۶ با استفاده از فناوری
- کاربرد نانوذرات مگنتیت (Fe3O4) در پزشکی (از سنتز تا عملکرد)
- Simulation and Modeling of Floating-Gate Non-Volatile Memory Performance: Focus on Oxide Thickness, Programming Speed, and Charge Transport Mechanisms
- Fraud Analytics with Big Data: A Literature Review on Machine Learning Algorithms in Bankruptcy Prediction and Financial Fraud Detection
- تحلیل آیندهپژوهانه همگرایی هوش مصنوعی، فناوری نانو و فناوری اطلاعات در مسیر تحول صنعتی آینده
- نقش تحول دیجیتال در خدمات کتابخانههای عمومی برای توانیابان جسمی و ذهنی
- Prediction and Optimization of Oxygen Production under Microgravity Conditions Using Machine Learning
- Simulation and Performance Comparison of Ultrasonic, Non-Contact Radar, and Guided Wave Radar Sensors in Level Measurement Systems