#بکارگیری روشهای غیرخطی در تشخیص و طبقهبندی کودکان مبتلا به ADHD با استفاده از پاسخ شنوایی ساقه مغز و طبقهبندیکنندهSVM- Wavelet
#س، ۱۰۰ ص.: شکل
1
#ADHDاختلالی است که در آن پرتحرکی، بی توجهی و رفتارهای ناگهانی بیشتر و شدیدتر از کودکان دیگر وجود دارد. 3 تا5 درصد کودکان مبتلا به این اختلال هستند و در پسرها شایع تر است .علائم این بیماری قبل از7 سالگی شروع میصشود ولی اغلب در مدرسه مشکلات جدی ایجاد میگردد .در حال حاضر تشخیص کودکان ADHD بر اساس استانداردIV - DSMو وابسته به رفتار کودک است .تشخیص سنتی این اختلال وابسته به پاسخهایی است که والدین و معلم کودک به پرسشنامهصها می-دهند و اشتباهات، عدم درک مفاهیم سوال و کتمان حقایق از عمده دلایلی است که احتمال اشتباه در تشخیص را افزایش می-دهد و عدم تشخیص این اختلال و عوارض ناشی از آن آینده کودک و زندگی اجتماعی او را به مخاطره میصاندازد .لذا برای جلوگیری از وقوع چنین اشتباهاتی، در این مطالعه سعی بر این بوده است از روش هایی استفاده شود که احتمال اشتباه را کاهش دهد .با توجه به سهل، ارزان و سریعتر بودن ثبت سیگنال ABR نسبت به سیگنال EEG ، در این مطالعه برآن شدیم تا از سیگنالABR به منظور تشخیص این اختلال استفاده کنیم. بنابراین از دو دسته کودک که شامل 37 کودک سالم و 31 کودک ADHD بودند، سیگنال ABR ثبت شد .از سیگنال پاسخ ساقه مغز ثبت شده، ویژگیهایی در حوزه زمان-فرکانس و نیز ویژگیهایی غیرخطی استخراج گردیدهاست .سپس این ویژگی ها از نظر میزان معناداری و تفکیک پذیر بودن مورد بررسی قرار گرفتند و در نهایت با استفاده از الگوریتم ماشین بردار پشتیبان و کرنلهای متنوع آن یک طبقه بندی با استفاده از ویژگیهای زمان-فرکانسی، ویژگیهای بازگشتی و تلفیقی از این دو نوع ویژگی به عمل آمد؛ در بهترین حالت به صحتی برابر 98.57 دست پیدا کردیم که مربوط به طبقه بندی کل ویژگیها با استفاده از الگوریتم طبقه بندی ماشین بردار پشتیبان با کرنل ویولت می باشد .طبق نتایج بدست آمده، طبقه بندی با استفاده از تلفیق ویژگیهای غیرخطی و ویژگیهای زمان-فرکانسی دقت بهتر و نتایج قابل قبولتری از خود نشان میدهد .