مشخصات پژوهش

صفحه نخست /شناسایی کودکان مبتلا به ...
عنوان شناسایی کودکان مبتلا به اوتیسم از روی تصویر چهره با استفاده از شبکه‌های عصبی عمیق
نوع پژوهش پایان نامه
کلیدواژه‌ها .
چکیده اختلال طیف اوتیسم (ASD) یک اختلال رشد عصبی پیچیده است که مهارت‌های بدنی، اجتماعی و زبانی را تحت تأثیر قرار می‌دهد. هیچ داروی خاصی برای درمان این بیماری وجود ندارد. تنها مداخله زودهنگام می‌تواند عملکرد مغز را بهبود بخشد. ASD اغلب به سختی قابل تشخیص است، زیرا می‌تواند با طیف گسترده‌ای از علائم ظاهر شود. کودکان مبتلا به ASD اغلب دارای ویژگی‌های ظریف صورت هستند که می‌توان آن‌ها را از کودکان معمولی در حال رشد متمایز کرد. بنابراین تصاویر چهره می‌تواند به‌عنوان یک ابزار ساده و مفید برای تشخیص استفاده شود. شبکه‌های عصبی عمیق (DNN) نوعی الگوریتم یادگیری ماشینی هستند که می‌توانند برای استخراج خودکار ویژگی‌ها از تصاویر و همچنین دسته‌بندی آن‌ها استفاده شوند. نشان داده‌شده است که DNN ها در شناسایی کودکان مبتلا به ASD بسیار مؤثر هستند.یکی از چالش‌های استفاده از DNN برای شناسایی کودکان مبتلا به ASD این است که DNN به مقدار زیادی داده آموزشی نیاز دارد. این چالش با استفاده از یادگیری انتقالی قابل‌حل است. شبکه‌های عصبی عمیق مبتنی بر یادگیری انتقالی یک رویکرد جدید امیدوارکننده برای شناسایی کودکان مبتلا به ASD است. DNN ها می‌توانند برای غربالگری جمعیت زیادی از کودکان از نظر ASD استفاده شوند و همچنین می‌توان از آن‌ها برای بهبود دقت تشخیص بالینی استفاده کرد. در این پژوهش، با انجام آزمایشات متعدد و تنظیم هایپرپارامترها، سه مدل (Xception، Mobilenet و Inception) یادگیری عمیق مورد بررسی قرار گرفتند. در نهایت، با استفاده از روش یادگیری انتقالی و اصلاح مدل اولیه، یک مدل مناسب از Mobilenet انتخاب شد. که، توانستیم با آن یک روش عملی برای غربالگری اوتیسم با استفاده از تصاویر چهره کودکان ایرانی ۴ تا ۱۲ ساله و بهره‌گیری از یادگیری عمیق مبتنی بر یادگیری انتقالی ارائه دهیم. در این پروژه، برای اولین بار موفق شدیم یک مدل مبتنی بریادگیری عمیق بر پایه Mobilenet را برای تشخیص اوتیسم در کودکان ایرانی توسعه دهیم. در بهترین حالت، مدل اصلاح‌شده Mobilenet به نتایج زیر دست یافت: دقت (Accuracy) برابر با 97%، دقت پیش‌بینی (Precision) برابر با 97%، و حساسیت (Sensitivity/Recall) برابر با 96%. واژگان کلیدی: ASD ، CNN، DNN، اوتیسم ، یادگیری عمیق ، شبکه‌های عصبی کانولوشن ،هوش مصنوعی ، بینایی ماشین .
پژوهشگران مجتبی کرمی (استاد راهنما)، کامبیز مرادی (دانشجو)