logo

جستجو در مقالات منتشر شده


۲ نتیجه برای طبقه‌بندی

فریبا زرانی، صلاح‌الدین اسمعیلی، نیره قشنگ، سوده آقامحمدی، محمود خزائی،
دوره ۱۴، شماره ۱ - ( ۸-۱۳۹۵ )
چکیده

 کتابچه راهنمای تشخیصی و آماری اختلالات روانی (Diagnostic And Statistical Manual of Mental Disorders)، زبان استانداردی را فراهم می‌کند که پزشکان، محققان و متصدیان بهداشت عمومی از آن برای برقراری ارتباط در مورد اختلالات روانی استفاده نمایند. این راهنما اولین بار در سال ۱۹۶۸ اصلاح گردید و آخرین ویرایش آن (نسخه پنجم) (DSM-۵) در سال ۲۰۱۳ ارایه شد. از مهم‌ترین تغییرات صورت گرفته در DSM-۵ می‌توان به تغییر در رسم‌الخط، بازنگری تعریف اختلال روانی، نظم بازنگری شده رده‌بندی‌ها، ملاحظات مربوط به دوره‌ زندگی و مسایل رشد و نموی، گروه‌بندی اختلالات با تمرکز بیشتر بر علوم اعصاب و تأکید کمتر بر بروز علایم، افتراق بین تشخیص اصلی و دلیل مراجعه، مشخص ساختن قطعیت یا موقتی بودن تشخیص، طبقات جدید سایر اختلالات معین (Other specified disorder) و سایر اختلالات نامعین (Unspecified disorder) و جایگزین نامعین (Not otherwise specified یا NOS)، حرکت به سوی ارزیابی ابعادی، افول نظام تشخیص محوری، تأکید بر مسایل فرهنگی و جنسیتی و بازنگری معیارهای تشخیصی اشاره نمود. هدف از انجام مطالعه حاضر، نگاهی یکپارچه، نقادانه و کاربردی به تغییر و تحولات انجام شده بود. بیشترین میزان انتقادات، در رابطه با طبی‌‌نگری افراطی مسایل بهنجار در نسخه جدید DSM می‌باشد. مناقشات اصلی به نحوه تعریف بعضی از اختلالات، مسأله تورم تشخیصی و تأثیر نابجای شرکت‌های دارویی مربوط می‌گردد. در بخش پایانی تحقیق به چشم‌انداز آینده طبقه‌بندی اختلالات روانی اشاره گردید. به نظر می‌رسد که در آینده پروژه، معیارهای ابعادی تحقیق (Research domain criteria)، نقش زیادی در طبقه‌بندی اختلالات روانی ایفا خواهد کرد.
فیروزه رضوی، محمد جعفر تارخ، محمود البرزی،
دوره ۱۸، شماره ۲ - ( ۵-۱۳۹۹ )
چکیده

زمینه و هدف: بیماری آلزایمر شایعترین شکل زوال عقل است که مهمترین نمود آن اختلال در حافظه است. آسیبدیدگی مغزی و اختلال استرس پس از حادثه (حوادث ایجادشده برای جانبازان جنگ، رزمندگان و نیروهای مسلح)، نقش بسزایی در افزایش خطر بیماری آلزایمر دارد. ماهیت ابعاد بالای داده‌های عصبی، درعین‌حال تعداد کمی از نمونه‌های موجود، باعث می‌شود که یک سیستم تشخیص دقیق کامپیوتری ایجاد شود. هدف از انجام مطالعه حاضر به‌کارگیری شبکههای عصبی یادگیری عمیق برای ایجاد یک سیستم خودکار تشخیص بیماری می‌باشد.
مواد و روش‌ها: مطالعه حاضر، بر روی ۲۰۰ نمونه تصاویر مغزی جانبازان جنگ توسط نرم‌افزار پایتون انجام‌شده است. در مدل پیشنهادی این پژوهش ۷۰% از تصاویر پایگاه داده برای آموزش و ۳۰% تصاویر پایگاه داده برای آزمون انتخاب شدند. در مرحله اول آموزش از یادگیری عمیق با شبکه کانولوشن برای استخراج ویژگی سپس در مرحله دوم به‌منظور طبقه‌بندی وضعیت‌ سلامت بر پایه ویژگی‌های یاد گرفته‌شده می‌باشد.
یافته‌ها: نتایج حاصل از خروجی تجزیه‌وتحلیل شده و با روشهای ارائه‌شده در مطالعات قبلی مقایسه شده است. روش پیشنهادی، دقت تشخیص بالاتری دارد که نسبت به روشهای موجود باعث افزایش بیش از ۱۰% در دقت تشخیص در بسیاری از موارد گردیده است.
نتیجه‌گیری: نتایج این پژوهش نشان داد که استفاده از روش‌های هوشمند بر مبنای یادگیری عمیق می‌تواند با دقت مطلوبی بیماری آلزایمر را تشخیص دهد. همچنین از الگوریتم‌های استفاده‌شده در این تحقیق را می‌توان در سایر امور مدیریتی، نظامی و دفاعی نیز استفاده کرد.

صفحه ۱ از ۱