فهرست نشریات علمی دسترسی آزاد ایران

بیماری اوتیسم یک اختلال عصبی و تکاملی است که اشخاص مبتلا به آن اغلب علایم یا رفتارهای محدود را نشان می‌دهند و بر اساس آزمون رفتاری تشخیص داده می‌شود. این اختلال عصبی با دیگر اختلالات عصبی مشابه می‌باشد، به این علت تشخیص بیماری اوتیسم کار پیچیده‌ای است. اگر بیماری در سنین کم و به موقع تشخیص داده شود، شدت بیماری و عوارض آن کم می‌شود. در سال‌های اخیر محققان با استفاده از بررسی سیگنال الکتروانسفالوگرافی (EEG) به تشخیص بیماری اوتیسم پرداخته‌اند. در تشخیص بیماری اوتیسم با استفاده از سیگنال EEG از الگوریتم‌های یادگیری ماشین استفاده شده که کاربر انسانی توانسته است با تجزیه و تحلیل ویژگی‌های استخراج شده با درصد دقت خوبی این بیماری را تشخیص دهد. در این پژوهش، الگوریتم‌های مورد استفاده در هر یک از مقالات، بررسی شده و نتایج به دست آمده از بررسی داده‌های متناسب با آنها مبنای ادامه کار برای پژوهش‌های آتی می‌باشد. در این پژوهش، ضمن بررسی روش‌های ارائه شده پیشین، مزایا و معایب روش‌ها بررسی می‌شوند. نتایج نشان می‌دهد که نقش روش‌های بکار گرفته شده به منظور پیش‌پردازش، استخراج و انتخاب ویژگی از روی تصاویر EEG و نوع طبقه‌بندها، عوامل موثر در دقت طبقه‌بندی می‌باشند. شبکه‌های عصبی کانولوشنی با توجه به ارائه بهترین نتایج دقت، بیشترین کاربرد را در مقایسه با سایر روش‌های مبتنی بر یادگیری داشته‌اند.