فهرست نشریات علمی دسترسی آزاد ایران

تست آی­کیو یک راه حل متداول برای تشخیص و اندازه‌گیری میزان هوش افراد است اما بررسی­ها نشان داده که ساختار مغزی افراد باهوش در مقایسه با افراد معمولی و با ضریب هوش پایین‌ تفاوت چشم‌گیری دارد که این اختلاف را می‌توان به کمک آشکارسازهای پیش‌رفته‌ی مغناطیسی یا تصاویر ام­آر­آی مغزی تشخیص داد. در این راستا هدف این مقاله ارائه‌ی مدلی مبتنی بر هوش مصنوعی برای تخمین بهره‌ی هوشی افراد از روی تصاویر آم­آر­ای مغزی است. برای رسیدن به این هدف در این مقاله از ترکیب شبکه‌ی عصبی کانولوشنی و الگوریتم تقویت گرادیان فوق‌العاده استفاده شده است. شبکه‌های عصبی کانولوشنی در استخراج ویژگی‌های محلی از تصاویر برتری دارند که آن‌ها را برای پردازش محرک‌های بصری مرتبط با تست بهره‌ی هوشی موثر می‌سازد. از سوی دیگر الگوریتم تقویت گرادیان فوق‌العاده یک الگوریتم گروهی قدرتمند است که می‌تواند به طور موثر پیش‌بینی‌های چندین مدل را برای بهبود دقت کلی ترکیب کند. در این راستا در مدل پیشنهادی از شبکه­های عصبی کانولوشنی ResNet-50 و VGG16 به عنوان استخراج کننده‌ی ویژگی و از الگوریتم تقویت گرادیان فوق‌العاده به عنوان یک شناسایی کننده در سطح بالای شبکه برای دسته‌بندی استفاده شده است. مدل پیشنهادی روی مجموعه‌ی داده‌ی تصاویر مغز تبادل اطلاعات تصویربرداری مغز اوتیسم (ABIDE) مورد آزمایش قرار گرفته است. بر اساس نتایج حاصل از آزمایشات، استفاده از شبکه‌ی عصبی کانولوشنی از پیش آموزش داده شده‌ی VGG16 به نسبت شبکه‌ی عصبی کانولوشنی از پیش آموزش داده شده‌ی ResNet-50 در بخش استخراج ویژگی عمل‌کرد بهتری نشان داده و ترکیب آن با الگوریتم تقویت گرادیان فوق‌العاده به دقت 83% در برابر دقت 60% شبکه‌ی عصبی کانولوشنی ResNet-50 دست یافته است.