عنوان فارسی مقاله:شناسایی اوتیسم در کودکان با استفاده از ویژگیهای ثابت صورت و شبکههای عصبی عمیق
چکیده
اختلال طیف اوتیسم (ASD) یک اختلال رشد عصبی پیچیده است که خود را به طرق مختلف نشان میدهد. کودک مبتلا به ASD و زندگی روزمره والدین آنها را میتوان با تشخیص زودهنگام و مداخله پزشکی مناسب به طور چشمگیری بهبود بخشید. کاربرد ویژگیهای ثابت استخراجشده از عکسهای صورت کودکان اوتیستیک بهعنوان نشانگر زیستی برای متمایز کردن آنها از کودکان معمولی در حال رشد در این مقاله بررسی شده است. ما از پنج مدل CNN از پیش آموزش دیده استفاده کردیم: MobileNet، Xception، EfficientNetB0، EfficientNetB1، و EfficientNetB2 به عنوان استخراج کننده ویژگی و یک مدل DNN به عنوان یک طبقه بندی باینری برای شناسایی دقیق اوتیسم در کودکان. ما از یک مجموعه داده در دسترس عموم برای آموزش مدلهای پیشنهادی استفاده کردیم که شامل تصاویر چهره کودکان مبتلا به اوتیسم و گروههای کنترل طبقهبندی شده به عنوان اوتیسم و غیراوتیسم بود. مدل Xception با AUC 96.36 درصد، حساسیت ۸۸٫۴۶% و NPV 88 درصد عملکرد بهتری داشت. EfficientNetB0 یک امتیاز پیشبینی ثابت ۵۹ درصد برای گروههای اوتیستیک و غیر اوتیستیک با سطح اطمینان ۹۵ درصد ایجاد کرد.
- لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
- همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
- ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.