مرضیه خدامی - کارشناسی ارشد نرم افزار، موسسه آموزش عالی غیردولتی غیرانتفاعی چهلستون، اصفهان

اختلال طیف اوتیسم (ASD) یکی از اختلالات جدی در زمینه ی رشد است که معمولا قبل از سه سالگی تشخیص داده شده است. هرچند علایم و شدت آن در افراد مختلف، متفاوت است، همه انواع اوتیسم بر توانایی برقراری ارتباط با دیگران تاثیر می گذارد. علاوه بر روش های بالینی، تکنیک های داده کاوی به طور موفقیت آمیزی برای کوتاه کردن مدت تشخیص و افزایش عملکرد تشخیص بیماریASD مورد استفاده قرار گرفته است. در این مطالعه، برای تشخیص سریع و دقیق وضعیت ASD وعلائم آن ها با استفاده از داده های نوجوانان مبتلا به ASD و نوجوانان سالم، که از الگوریتم های K- نزدیکترین همسایه، ماشین بردار پشتیبان، بیزین ساده و شبکه عصبی استفاده و عملکرد این روشها مقایسه می شود. دقت طبقه بندی در الگوریتم های نزدیکترین همسایه، ماشین بردار پشتیبان، بیزین ساده و شبکه عصبی به ترتیب 89%، 95%، 97 ٪ و 100 ٪ می باشد. مقدار صحت 100 % توسط الگوریتم شبکه عصبی نشان دهنده ی عملکرد بهتری نسبت به الگوریتم های بیزین ساده، ماشین بردار پشتیبان و K- نزدیکترین همسایه است. این مطالعه به متنخصصان برای تشخیص دقیق بیماری ASD کمک می کند.

داده کاوی، اختلال طیف اوتیسم، ماشین بردار پشتیبانی، بیزین ساده، شبکه عصبی