%0 Journal Article %A Dabirvaziri, Amirhossein %A Tehranizadeh, Maryam %T Prediction of Autism Disorder by Artificial Neural Network %J Journal of Research in Behavioural Sciences %V 16 %N 4 %U http://rbs.mui.ac.ir/article-1-629-fa.html %R 10.52547/rbs.16.4.489 %D 2018 %K Artificial neural network, Autism spectrum disorder, Support system, %X زمینه و هدف: 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. مواد و روش‌ها: 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. یافته‌ها: 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. نتیجه‌گیری: 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. %> http://rbs.mui.ac.ir/article-1-629-fa.pdf %P 489-498 %& 489 %! %9 Research %L A-10-39-530 %+ MA Student, Department of Psychology, Payame Noor University, Karaj, Iran %G eng %@ 1735-2029 %[ 2018