بکارگیری روش های غیرخطی در تشخیص و طبقه بندی کودکان مبتلا به adhd با استفاده از پاسخ شنوایی ساقه مغز و طبقه بندی کننده wavelet-svm

adhd اختلالی است که در آن پرتحرکی، بی توجهی و رفتارهای ناگهانی بیشتر و شدیدتر از کودکان دیگر وجود دارد. 3 تا 5 درصد کودکان مبتلا به این اختلال هستند و در پسرها شایع تر است. علائم این بیماری قبل از 7 سالگی شروع می شود ولی اغلب در مدرسه مشکلات جدی ایجاد می گردد. در حال حاضر تشخیص کودکان adhd بر اساس استاندارد dsm-iv و وابسته به رفتار کودک است. تشخیص سنتی این اختلال وابسته به پاسخ هایی است که والدین و معلم کودک به پرسشنامه ها می دهند و اشتباهات، عدم درک مفاهیم سوال و کتمان حقایق از عمده دلایلی است که احتمال اشتباه در تشخیص را افزایش می دهد و عدم تشخیص این اختلال و عوارض ناشی از آن آینده کودک و زندگی اجتماعی او را به مخاطره می اندازد. لذا برای جلوگیری از وقوع چنین اشتباهاتی، در این مطالعه سعی بر این بوده است از روش هایی استفاده شود که احتمال اشتباه را کاهش دهد. با توجه به سهل، ارزان و سریعتر بودن ثبت سیگنال abr نسبت به سیگنال eeg ، در این مطالعه بر آن شدیم تا از سیگنال abrبه منظور تشخیص این اختلال استفاده کنیم. بنابراین از دو دسته کودک که شامل 37 کودک سالم و 31 کودک adhd بودند، سیگنال abr ثبت شد. از سیگنال پاسخ ساقه مغز ثبت شده، ویژگی هایی در حوزه زمان-فرکانس و نیز ویژگی هایی غیرخطی استخراج گردیده است. سپس این ویژگی ها از نظر میزان معناداری و تفکیک پذیر بودن مورد بررسی قرار گرفتند و در نهایت با استفاده از الگوریتم ماشین بردار پشتیبان و کرنل های متنوع آن یک طبقه بندی با استفاده از ویژگی های زمان-فرکانسی، ویژگی های بازگشتی و تلفیقی از این دو نوع ویژگی به عمل آمد؛ در بهترین حالت به صحتی برابر 98.57% دست پیدا کردیم که مربوط به طبقه بندی کل ویژگی ها با استفاده از الگوریتم طبقه بندی ماشین بردار پشتیبان با کرنل ویولت می باشد. طبق نتایج بدست آمده، طبقه بندی با استفاده از تلفیق ویژگی های غیرخطی و ویژگی های زمان-فرکانسی دقت بهتر و نتایج قابل قبول تری از خود نشان میدهد.