کنفرانس بین المللی محاسبات نرم

صفحه اصلی / ششمین کنفرانس بین المللی محاسبات نرم

تشخیص بیماری ADHD با استفاده از هوش مصنوعی

نویسندگان :

علیرضا یعقوبی¹ مرضیه فریدی ماسوله² احمد باقری³

1- موسسه آموزش عالی احرار رشت 2- موسسه آموزش عالی احرار رشت 3- دانشگاه گیلان

کلمات کلیدی :

بیش‌فعالی،عدم تمرکز،ADHD،یادگیری ماشین،هوش مصنوعی

چکیده :

اختلال نقص توجه و بیش‌فعالی (ADHD) یکی از شایع‌ترین اختلالات عصبی‌تحولی در کودکان است که تشخیص آن معمولاً بر اساس ارزیابی‌های ذهنی و رفتارشناسی انجام می‌شود. هدف از این پژوهش، طراحی و پیاده‌سازی مدلی هوشمند برای تشخیص خودکار ADHD تنها بر اساس ویژگی‌های شخصی (Personal Characteristics - PC) و بدون نیاز به داده‌های تصویربرداری مغزی است. در این پژوهش، داده‌های مورد استفاده از مجموعه‌داده‌ی عمومی ADHD-200 استخراج شد که شامل ویژگی‌هایی نظیر سن، جنسیت، ترجیح دست، هوش کلامی، هوش عملکردی و ضریب هوشی کل می‌باشد. پس از پاک‌سازی و نرمال‌سازی داده‌ها، الگوریتم‌های مختلف یادگیری ماشین شامل رگرسیون لجستیک، SVM با کرنل شعاعی (RBF-SVM)، جنگل تصادفی (Random Forest)، XGBoost، CatBoost و Gradient Boosting به کار گرفته شدند. نتایج حاصل نشان داد که مدل‌های Random Forest، GradBoost و XGBoost با دقتی معادل ۹۳٪ بهترین عملکرد را در طبقه‌بندی بیماران ADHD از افراد سالم داشتند. مدل CatBoost با دقت ۹۱٪ و SVM (RBF) با دقت ۷۸٪ در رتبه‌های بعدی قرار گرفتند. این نتایج نشان دادند که حتی بدون داده‌های مغزی، تحلیل ویژگی‌های شخصی بیماران می‌تواند در پیش‌بینی و تشخیص اختلال ADHD بسیار مؤثر باشد.