چکیده مقاله
اختلال طیف اوتیسم ASD یک وضعیت ژنتیکی و عصبی است که منجر به دشواری در ارتباطات و تعاملات می شود این مقاله به بررسی جامع و به روز راهکارهای پژوهشی در حوزه انفورماتیک تصویربرداری پزشکی می پردازد، و ترجمه بالینی این فناوری ها را مورد بحث قرار می دهد و مسیرهای آینده برای ارتقای عملکرد بالینی را پیشنهاد می کند به طور خاص، پیشرفت های صورت گرفته در فناوری های تصویربرداری پزشکی در انواع مدالیته ها را خلاصه کرده و بر ضرورت راهبردهای موثر برای مدیریت داده های پزشکی تاکید دارد اختلال طیف اوتیسم ASD یک وضعیت ژنتیکی و عصبی است که منجر به دشواری در ارتباطات و تعاملات می شود این مطالعه به بررسی روش های نوین تشخیص اوتیسم ASD با استفاده از الگوریتم های یادگیری ماشین الگوریتم نایو بیز، ماشین بردار پشتیبان SVM و جنگل تصادفی RF می پردازد هدف اصلی، افزایش دقت تشخیص و قابل فهم بودن مدل ها برای پزشکان است سه مجموعه داده عمومی بر اساس گروه های سنی کودکان، نوجوانان، بزرگسالان بررسی شده اند مشخص شد که الگوریتم RF با دقت و توازن ۹۹% بهتریم عملکرد را دربین الگوریتم های دیگر داشته برای قابل توضیح بودن مدل ها، از تکنیک SHAP استفاده شده تا ویژگی های موثر در تشخیص برای پزشکان روشن تر شود نوآوری این پژوهش در ترکیب هوش مصنوعی قابل توضیح با مدل سازی دقیق بر اساس سن و داده های واقعی است که می تواند به تشخیص زودهنگام و موثر اوتیسم کمک کند
کلیدواژهها
نویسندگان
نارگل طالقانی
دانشجو کارشناسی ارشد دانشگاه علوم و تحقیقات در رشته مهندسی IT
نعیم عزتی
دانشجوی دکتری روانشناسی شخصیت دانشگاه علوم و تحقیقات کاردرمانگر کودکان استثنایی
شیوه ارجاع
�القانی، نارگل و عزتی، نعیم،1404،استفاده از مدل ترکیبی یادگیری ماشین (ML)برای تشخیص دقیق طیف اوتیسم (ASD)،بیست و هشتمین کنفرانس ملی مهندسی برق، کامپیوتر و مکانیک،شیروان
ارائهشده در
مجموعه مقالات سی امین کنفرانس ملی مهندسی برق، کامپیوتر و مکانیک30 اردیبهشت 1405 · شیروان