طبقه بندی شدت اختلال ‌اُتیسم بااستفاده از روش‌های فازی مبتنی بر محاسبات نرم

نوع مقاله: مقاله پژوهشی

نویسندگان

1 گروه آموزشی مهندسی کامپیوتر- هوش مصنوعی، دانشکده مهندسی، دانشگاه آزاد اسلامی واحد شهر قدس

2 گروه آموزشی یرق، دانشکده مهندسی، دانشگاه آزاد اسلامی واحد شهر قدس، تهران، ایران

3 گروه آموزشی مهندسی کامپیوتر، دانشکده مهندسی، دانشگاه آزاد اسلامی واحد شهر قدس، تهران، ایران

چکیده

جمعیت قابل‌ملاحظه‌ای از افراد، در هر جامعه‌ای مبتلا به اختلال اُتیسم هستند. یکی از معضلات در زمینه تشخیص اختلال ‌اُتیسم وجود عدم قطعیت در تعیین سطح شدت این بیماری است. بدین منظور در این پژوهش برای بر طرف نمودن این مشکل روش‌های مبتنی بر سیستم‌های فازی ارائه گردیده است. روش‌های ارائه‌شده بر روی 112 داده‌ مربوط به کودک و نوجوان بین گروه سنی ۳ تا ۱۴ سال است. که از مراکز مختلف توان‌بخشی واقع در تهران جمع‌آوری و اعمال گردیده است. میانگین صحت عملکرد روش‌های مطرح‌شده بااستفاده از روش الگوریتم ژنتیک با میزان سطح زیر منحنی ROC 4/97 درصد از قابلیت اطمینان و کارایی بهتری در مقایسه با سایر روش‌های پیشنهادی (الگوریتم سیستم استنتاج عصبی فازی تطبیقی) در این پژوهش برخوردار است. سیستم طراحی‌شده در این مقاله می‌تواند به‌عنوان یک روش کمک تشخیص پزشکی برای پزشکان مورداستفاده قرار گیرد.

کلیدواژه‌ها


عنوان مقاله [English]

Classification of Autism Disorder Severity Using Fuzzy Methods Based on Soft Computing

نویسندگان [English]

  • Nahid Saberipour 1
  • Mahdi Mazinani 2
  • Rahil Hosseini 3
1 Department of computer Engineering,Faculty of Engineering, Shahr-e-Qods Branch, Islamic Azad University, Tehran, Iran
2 Department of Electrical Engineering, Engineering Faculty, Islamic Azad University, Shahr-e-Qods Branch
3 Department of Computer Engineering, Faculty of Engineering, Shahr-e-Qods branch, Islamic Azad University, Tehran,Iran
چکیده [English]

A significant proportion of population in each community suffer from autism disorder. One of the challenges in diagnosing autism is the uncertainty in determining the severity of the disease. To this end, fuzzy systems based methods have been adopted in this study. The presented methods are based on 112 data driven from children and adolescents between the ages of 3 to 14 years. These data were collected from various rehabilitation centers in Tehran. The average performance accuracy of the proposed methods Using Genetic Algorithm with area under curve ROC compared to other methods (adaptive fuzzy neural inference system algorithm) proved to be 97/4% more reliable and efficient. The system designed in this article can be used as a medical diagnostics help tool for physicians.

کلیدواژه‌ها [English]

  • Autism Disorder
  • Adaptive Neural-Fuzzy Inference System
  • GARS test
  • Genetic algorithm
  • Fuzzy System
CAPTCHA Image