fa پیش‌بینی اختلال طیف اوتیسم از طریق طراحی شبکه عصبی مصنوعی عمومى General پژوهشي Research <p><strong>زمینه و هدف:</strong><strong> </strong>اختلال طیف اوتیسم (Autism Spectrum Disorders) در تمام نقاط دنیا رو به افزایش است به‌طوری‌که در سال ۲۰۱۸ در هر ۵۹ نفر ۱ نفر مبتلا به اوتیسم گزارش شده است. با توجه به اهمیت رفتار انطباقی برای کارکرد روزمره در خانه و مدرسه و نیز هزینه‌های اجتماعی و مراقبت در طول عمر این افراد، اهمیت تشخیص زودهنگام اوتیسم برجسته می‌شود و بدین‌وسیله بهبود رفتارشناختی، تطبیقی و کاهش شدت اوتیسم صورت می‌پذیرد.</p> <p><strong>مواد و روش‌ها: </strong>نمونه شامل ۱۷۰ نفر متشکل از ۱۰۰ کودک اوتیسم و ۷۰ کودک سالم و شاداب بود. با استفاده از شبکه عصبی چندلایه پرسپترون، یک سیستم پشتیبانی از تصمیم بالینی برای پیش‌بینی اوتیسم بر اساس نشانه‌ها و علائم طراحی شد.</p> <p><strong>یافته‌ها: </strong>میانگین صحت شبکه عصبی طراحی‌شده پس از ۱۰ بار اجرا ۱۱/۹۶ درصد بود. درنتیجه سیستم طراحی‌شده با دقت مناسبی می‌تواند دستیار و پشتیبان قابل‌اعتمادی برای متخصصین این حوزه در تشخیص کودکان اوتیسم از سالم باشد.</p> <p><strong>نتیجه‌گیری: </strong>میانگین سن تشخیص اوتیسم در ۴ سال و ۴ ماهگی (۵۲ ماهگی) است به‌طوری‌که با جنسیت، نژاد و قومیت تفاوت معنی‌داری نمی‌کند. بنابراین طراحی سیستم پشتیبانی تصمیم بالینی در این مطالعه برای رنج سنی ۳ تا ۶ سال می‌تواند به‌عنوان یک ابزار غربالگری مهم، ضروری و قابل‌اعتماد به‌منظور جلوگیری از تأخیر در تشخیص و مداخله زودهنگام مورد استفاده قرار گیرد.</p> <p><strong>Aim and Background: </strong>The autism spectrum disorder is increasing in all parts of the world, so that in 2018, one in every 59 people with autism is reported. Given the importance of adaptive behavior in everyday life at home and at school, as well as social costs and care during their lives, the importance of early diagnosis in autism is highlighted, thereby improving cognitive, adaptive behavior and reducing the severity of autism.</p> <p><strong>Methods and Materials: </strong>The sample consists of 170 children, 100 autistic children and 70 healthy and juvenile children. Using a perception multi-layer neural network, a clinical decision support system was designed to predict autism based on signs and symptoms.</p> <p><strong>Findings: </strong>The average accuracy of the neural network design was 96.11% after performing 10, as a result of a carefully designed system; it could be a reliable assistant and supporter of this area for the diagnosis of autistic children.</p> <p><strong>Conclusions: </strong>The mean age of diagnosis of autism is 4 years and 4 months (52 months), which does not significantly differ with gender, race, and ethnicity. Therefore, the design of the clinical decision support system in this study for a range of 3 to 6 years old can be used as an important, necessary and reliable screening tool to prevent delay in early diagnosis and intervention.</p> اختلال طیف اوتیسم, سیستم پشتیبانی, شبکه عصبی مصنوعی, Artificial neural network, Autism spectrum disorder, Support system 489 498 http://rbs.mui.ac.ir/browse.php?a_code=A-10-39-530&slc_lang=fa&sid=1 Amirhossein Dabirvaziri امیرحسین دبیروزیری a.dabirvaziri@student.pnu.ac.ir 10031947532846002711 10031947532846002711 Yes MA Student, Department of Psychology, Payame Noor University, Karaj, Iran دانشجوی کارشناسی ارشد، دانشکده روانشناسی، دانشگاه پیام نور، کرج، ایران Maryam Tehranizadeh مریم طهرانی زاده tehranizadeh_maryam@yahoo.com 10031947532846002712 10031947532846002712 No Assistant Professor, Department of Psychology, Payame Noor University, Karaj, Iran استادیار، گروه روانشناسی، دانشکده روانشناسی، دانشگاه پیام نور، کرج، ایران