طراحی غربالگر عصبی-شناختی پویا توسط الگوریتم هوشمند بهینه: پیش بینی اختلالات یادگیری و سایر اختلالات عصبی-تحولی رایج

نوع مقاله : مقاله پژوهشی

نویسندگان

1 فوق دکترای نوروسایکولوژی، دکتری روان‌شناسی کودکان استثنایی، دانشگاه تهران

2 استاد ممتاز روان شناسی کودکان استثنایی، دانشگاه تهران

10.22098/jld.2020.952

چکیده

هدف پژوهش حاضر تدوین غربالگر عصبی-شناختی پویا توسط الگوریتم هوشمند بهینه جهت پیش‌بینی کودکان پیش‌دبستانی مستعد اختلالات عصبی-تحولی رایج بود. شیوة جمع‌آوری داده، بصورت پیمایشی از نوع ارزیابی و تشخیص است. جهت جمع‌آوری داده ها، برنامة رایانه‌ای عصبی-شناختی به­کار رفت. برنامه توسط کودکان پیش‌دبستانیِ انتخاب شده با روش خوشه‌ای تصادفی اجرا و عملکرد هر یک طی دو سال تا تشخیص قطعی، در فایل‌های اکسل ذخیره و سپس در طراحی دو شبکه غربالگر عصبی-شناختی استفاده شد. در مقایسه شبکه‌ها، دقت بالاتر با غربالگر هوشمند تابع پایه شعاعی حاصل شد. دقت غربالگر طراحی شدة بهینه، 41/95% و حساسیت و اختصاصی بودن آن در غربالگری کودکان مستعد اختلالات مذکور 65/93 و 01/96 به­دست آمد؛ لذا، با اطمینان از دقت و حساسیت بالای این غربالگر عصبی-شناختی می‌توان جهت تشخیص زودهنگام کودکان پیش دبستانی مستعد اختلالات مذکور، از آن استفاده نمود.

کلیدواژه‌ها

عنوان مقاله [English]

Designing a dynamic neuro-cognitive screener with the optimal intelligent algorithm: Predicting learning disabilities and other common neuro-developmental disorders

نویسندگان [English]

  • M Delavarian 1
  • Gh Afrooz 2
1 PhD in Psychology, Post doc in Neuropsychology
2 Distinguished Professor in Exceptional Child psychology, Tehran university
چکیده [English]

The aim of this research was developing an optimal dynamic neuro-cognitive screener for prediction of pre-schoolers at risk of common neurodevelopmental disorders. This research is a kind of assessment and diagnostic research, according to its data collection method. The computerized neuro-cognitive program designed by Delavarian et al. was applied for data collection. The selected preschoolers, with cluster random sampling, executed the program and the results were saved and followed for two years, till the definite diagnosis was achieved. These data were applied in designing two neuro-cognitive screeners. In comparison of the networks, the intelligent radial basis functions screener was selected with the more accuracy, sensitivity and specificity (91.41%, 93.65%, and 96.01%, respectively), in screening children at risk of the common neurodevelopmental disorders. Therefore, this designed neuro-cognitive screener could be confidentially applied in early diagnosis of preschoolers at risk of the mentioned disorders.

کلیدواژه‌ها [English]

  • Dyslexia
  • attention deficit-hyperactivity disorder
  • artificial neural network
  • neuo-cognitive program
  • Screening

مراجع

افروز، غلامعلی. (1392). اختلالات یادگیری. چاپ پانزدهم، انتشارات دانشگاه پیام نور، تهران، ایران.
دلاوریان، مونا؛ نایبی، الهه؛ دیباج‌نیا، پروین؛ افروز، غلامعلی؛ غریب‌زاده، شهریار و توحیدخواه، فرزاد. (1394). طراحی سیستم افتراق دهنده دقیق کودکان با اختلال نقص توجه-بیش فعالی از کودکان با اختلال رفتار مقابله‌ای با استفاده از شبکه عصبی مصنوعی. فصلنامه طب توانبخشی، 4 (2)، 90-98.
توحیدخواه، فرزاد و یاوری، فاطمه. (1393). کاربرد فناوری اطلاعات در پزشکی. انتشارات دانشگاه صنعتی امیرکبیر (پلی‌تکنیک تهران)، تهران، ایران.
دلاوریان، مونا؛ افروز، غلامعلی؛ توحیدخواه، فرزاد و رسول زاده طباطبایی، سیدکاظم. (1393). طراحی برنامة عصبی شناختی رایانه- محور جهت اندازه‌گیری و بررسی حافظه فعال با هدف غربالگری کودکان در معرض اختلال خواندن یا دیسلکسیا، فصلنامه. علمی-پژوهشی طب توانبخشی، (3) 5، 83-75.
دلاوریان، مونا؛ افروز، غلامعلی؛ توحیدخواه، فرزاد و رسول زاده طباطبایی، سیدکاظم (1394). مقایسة حافظة فعال دیداری و شنیداری کودکان مستعد دیسلکسیا با کودکان بهنجار: توسط برنامة عصبی-شناختی طراحی شده.مجله­ی ناتوانی های یادگیری، (2)5، 43-53.
رجبی، سعید؛ ابوالقاسمی، عباس؛ نریمانی، محمد و قائمی، فاطمه. (1391). اثربخشی آموزش کنترل تکانه بر خودکارآمدی و ابعاد آن در دانش­آموزان دارای نشانه های ADHD. مجله­ی روان شناسی مدرسه، 1(4)، 57-33.
زاغیان، مهشید؛ عابدی، احمد و فرامرزی، سالار. (1391). مقایسه نیمرخ حافظه فعال دانش‌آموزان عادی با دانش‌آموزان دارای ناتوانی یادگیری خواندن و اختلال نقص توجه-بیش فعالی. چهارمینهمایشبینالمللیروانپزشکیکودکانونوجوانان.
زارع، حسین؛ امیری آهویی؛ فرزانه و تاراج، شیرین. (1388). تأثیر بازی‌های آموزشی بر حافظه کوتاه مدت و املای دانش‌آموزان پایه ابتدایی با ناتوانی‌های ویژه یادگیری. فصلنامه کودکان استثنایی، 9 (4)، 367-374.
شکوهی یکتا، محسن؛ لطفی، صلاح‏الدین؛ رستمی، رضا؛ ارجمندنیا، علی‏اکبر؛ معتمد یگانه، نگین و شریفی، علی. (1393). اثربخشی تمرین رایانه‌ای شناختی بر عملکرد حافظة فعال کودکان نارساخوان. شنوایی‌شناسی، (3) 23، 56-46.
کیانی، بهناز و هادیان فرد، حبیب. (1395). تأثیر درمان مبتنی بر آموزش مراقبه ذهن آگاهی بر بی نظمی هیجانی در نوجوانان ADHD غیر بالینی. مجله­ی روان شناسی مدرسه، 5(1)، 138-118.
غیاثی گیشی، مهدی؛ مشهدی، علی و غنائی چمن آباد، علی. (1397). اثربخشی آموزش کنش‌های اجرایی و نوروفیدبک بر ارتقاء عملکرد تحصیلی دانش‌آموزان. مجله­ی روان شناسی مدرسه، 7(2)، 177-195.
مرادیان، زهرا؛ مشهدی، علی؛ آقامحمدیان، حمیدرضا و اصغری نکاح، سید محسن. (1393). اثربخشی قصه درمانی مبتنی بر کنش‌های اجرایی بر بهبود بازداری و برنامه‌ریزی/سازماندهی دانش‌آموزان مبتلا به اختلال نارسایی توجه/فزون‌کنشی. مجله­ی روان شناسی مدرسه، 3(2)، 186-204.
نریمانی، محمد؛ سلیمانی، اسماعیل و تبریزچی، نرگس. (1394). بررسی تأثیر توانبخشی شناختی بر بهبود نگهداری توجه و پیشرفت تحصیلی ریاضی دانش آموزان دارای اختلال ADHD. مجله ی روان شناسی مدرسه، 4(2)، 134-118.
نریمانی، محمد؛ شاهعلی، اعظم و کیامرثی، آذر. (1393). اثربخشی آموزش مدیریت والدین بر انگیزش تحصیلی دانش‌آموزان مبتلا به اختلال بیش فعالی/کم توجهی. مجله­ی روان شناسی مدرسه، 3(4)، 142-128.
Altay, O., & Ulas, M. (2018). Prediction of the autism spectrum disorder diagnosis with linear discriminant analysis classifier and K-nearest neighbor in children. In 2018 6th  International Symposium on Digital Forensic and Security        (ISDFS) (pp. 1-4). IEEE.
American Psychiatric Association. (2015). Neurodevelopmental Disorders: Dsm-5(r)-Selections-By-American-Psychiatric-Association.
American Psychiatric Association. (2013). Diagnostics and statistical manual of Psychiatric Disorders.
Afrooz, G. A. (2014). Learning Disorders. 15 th., Payam Noor, Tehran, Iran. (Persian).
American psychiatric Association (2013). Diagnostic and Statistical Manual of Mental Disorders, Fifth Edition (DSM-V).
Bayram, S., Camnalbur, M. & Esgin, E. (2012). Analysis of dyslexic students’ reading disorder with eye movement Tracking. Cypriot Journal of Educational Sciences, 7(2), 129-148.
Biswas, S. D., Chakraborty, R., & Pramanik, A. (2020). A Brief Survey on Various Prediction Models for Detection of ADHD from Brain-MRI Images. In Proceedings of the 21st International Conference on Distributed Computing and Networking, 1-5.
Carnine, L & Carnine, C. (2004). The interaction of reading skills and science content knowledge when teaching struggling secondary students. Reading & Writing Quarterly, 20, 203–218.
Chai, W. & Qiao, J. (2013). Non-linear system identification and fault detection method using RBF neural networks with set membership estimation. International Journal of Modelling, Identification and Control, 20(2), 114-120.
Chiappedi, M., Zoppello, M., Rossi, R., Scarabello, EM & Piazza, F. (2007). Specific learning disabilities and psychopathological aspects: the importance of early diagnosis. Minerva Pediatrica, 59 (3), 281-287.
Christo, C., Davis, J.M. & Brock, S.E. (2009). Identifying, assessing and treating dyslexia at school. Springer Verlag.
Delavarian, M., Afrooz, G., Towhidkhah, F. & Rasoolzadeh Tabatabaei, K. (2016). Designing a computer-based neuro-cognitive program for measurement and evaluation of working memory to screen children at risk for        reading disorder. The Scientific Journal of Rehabilitation Medicine, 5(3), 75-83. (Persian).
Delavarian, M., Afrooz, G., Towhidkhah, F. & Rasoolzadeh Tabatabaei, K (2016). The comparison of visual and auditory working memory between children at risk of dyslexia and normal readers: through designed neuro-cognitive program, Journal of Learning Disabilities, 5(2), 43-53. (Persian).
Delavarian, M., Nayebi, E., Dibajnia, P., Afrooz, G. A., Gharibzadeh, S., & Towhidkhah, F. (2015). Designing an accurate system for differentiating children with attention deficit-hyperactivity disorder from oppositional defiant disorder by using artificial neural network. The Scientific Journal of Rehabilitation Medicine, 4(1), 90-98. (Persian.)
Delavarian, M., Towhidkhah, F., Gharibzadeh, S & Dibajnia, P. (2011). Automatic classification of hyperactive children: comparing multiple artificial intelligence approaches. Neuroscience Letters, 12, 498(3), 190-193.
Delavarian, M., Towhidkhah, F., Dibajnia, P & Gharibzadeh, S. (2012). Designing a decision support system for distinguishing ADHD from similar children behavioral disorders. Journal of Medical Systems, 36(3), 1335-1343.
Ding, S. & Chand, X.H. (2013). A MATLAB-Based Study on the Realization and Approximation Performance of RBF Neural Networks. Applied Mechanics and Materials, 325, 1746-1749.
Dreyfus G. (2005). Neural networks: an overview. Neural networks methodology and applications (EBook), 497.
Facoetti, A., Paganoni, P., Turatto, M., Marzola, V., & Mascetti, G. G. (2000). Visual-spatial attention in developmental dyslexia. Cortex, 36 (1), 109-123.
Frieden, L. (2004). Improving outcomes for students with disabilities. Washhington, DC: National Council on Disabilities.
Glazzard, J. (2010). The impact of dyslexia on pupils’ self-esteem. Support for learning, 25 (2), 63-69.
Ghiyasi, M., Mashhadi, A. & Ghanaei Chaman Abad, A. (2018). The effectiveness of executive-function training and neuro-feedback on improving students’ academic performance. Journal of School Psychology, 7(2), 177-195. (Persian).
Jamhar, M. A., Salwana, E., Zulkifli, Z., Nayan, N. M., & Abdullah, N. (2019). Prediction of Learning Disorder: A-Systematic Review. In International Visual Informatics Conference, 429-440.
Kecman, V. (2001). Learning and soft computing: support vector machines, neural networks, and fuzzy logic models. MIT     press.
Kemppinen, J., Korpela, J., Elfvengren, K., Salmisaari, T., Polkko, J., & Tuominen, M. (2013). A clinical decision support system for adult ADHD diagnostics process. 46th Hawaii International Conference on System Sciences IEEE, 2616-2625.
Kershner, J. R. (2015). A Mini-Review: Toward a Comprehensive Theory of Dyslexia, Journal of Neurology and Neuroscience.
Kiani, B. & Hadianfard, H. (2016). The impact of therapy based on mindfulness meditation training on emotion dysregulation in subclinical ADHD adolescents. Journal of School Psychology, 5(1), 118-138. (Persian).
Mahone, E. M., & Slomine, B. S. (2008). Neurodevelopmental disorders. Textbook of clinical neuropsychology, 105-127.
Manghirmalani, P., More, D. & Jain, K. (2012). A fuzzy approach to classify learning disability. International journal of advanced research in artificial intelligence, 1(2), 76-89.
Manghirmalani, P., Panthaky, Z., Jain, K. (2011). Learning disability diagnosis and classification- a soft computing approach. IEEE World Congress on Information and Communication Technologies (WICT).
Moradian, Z., Mashhadi, A., Aghamohammadian, H., Asghari Nekah, M. (2014). The effectiveness of narrative therapy based on executive functions on the improvement of inhibition and planning/organizing performance of student with ADHD. Journal of School Psychology, 3(2), 186-204. (Persian).
Murias, M., Swanson, J. M., & Srinivasan, R. (2007). Functional connectivity of frontal cortex in healthy and ADHD children reflected in EEG coherence. Cerebral Cortex, 17(8), 1788-1799.
Narimani, M., Taghizadeh Hir, S., Sadeghi, G., Basharpoor, S. (2020). Effectiveness of Visual Perception Training in the Improvement of the Working Memory of Students with Attention-Deficit Hyperactivity Disorder. Journal of Research in Psychopathology, 1(1)456-66.
Narimani, N., Shahali, A. & Kiamarsi, A. (2015). The effectiveness of parent management training on educational motivation in students with attention deficit / hyperactivity disorder. Journal of School Psychology, 3(4), 128-142. (Persian).
Narimani, M., Soleymani, E. & Tabrizchi, N. (2015). The effect of cognitive rehabilitation on attention maintenance and math achievement in ADHD students. Journal of School Psychology, 4(2), 118-134. (Persian).
Nayan, N. M., & Abdullah, N. (2019). Prediction of Learning Disorder: A-Systematic Review. In Advances in Visual          Informatics: 6th International Visual Informatics Conference, IVIC 2019, Bangi, Malaysia, November 19–21, 2019, Proceedings, 429.
Nik Mat, N.S.F., Nor Wan Shamsuddin, S., Husain, R., Makhtar, M., Wan Isa, W.M & Susilawati Mohamad, F. (2014). A Conceptual Framework for Designing a Computer-based Dyslexia Screening Test. Proceedings of the Third               International Conference on Informatics & Applications, Kuala Terengganu, Malaysia.
Özyılmaz L. & Yıldırım T. (2003). Artificial Neural Networks for Diagnosis of Hepatitis Disease. In International Joint          Conference on Neural Networks,1, 586–589.
Palacios, A. M., Sanchez, L. & Couso, I. (2010). Diagnosis of dyslexia with low quality data with genetic fuzzy systems. International journal of approximate reasoning, 51 (8), 993-1009.
Pierce, J. S., Hostutler, C & Watson, T. S. (2012). A pilot study using a computer-based rule following task to distinguish adolescents with and without a behavior disorder. Computers in Human Behavior, 28, 1103–1108
Price, R. K. Spitznagel, E. L. Downey, T. J. Meyer, D. J. Risk, N. K. & El-Ghazzawy, O. G. (2000). Applying artificial neural network models to clinical decision making. Psychological Assessment, 12, 40–51.
Protopapas, A., Skaloumbakas, C. & Bali, P. (2008). Validation of Unsupervised Computer-Based Screening for Reading          Disability in Greek Elementary Grades 3 and 4. Learning Disabilities: A Contemporary Journal, 6(1), 45-69.
Rajabi, S., Abolghasemi, A., Narimani, M. & Ghaemi, F. (2013). The effectiveness of impulse control training on the selfefficacy of students with ADHD symptoms. Journal of School Psychology, 1(4), 57-73. (Persian).
Roid G. H, Tipish A, Pamplin, Z. & Master, F. J. (2011). A review of Stanford-Binet intelligence scales, 5th Ed for use with learning disabilities children. The Journal of Social Psychology, 36(29), 296-302.
Rutter, M. (1967). A children's behaviour questionnaire for completion by teachers: preliminary findings. Journal of Child Psychology and Psychiatry, 8, 1-11
Sadock, B. J., & Sadock, V. A. (2011). Kaplan and Sadock's synopsis of psychiatry: Behavioral sciences/clinical psychiatry. Lippincott Williams & Wilkins.
Shokoohi-Yekta, M., Salahadin Lotfi, S., Reza Rostami, R., Akbar Arjmandnia, A., Motamed-Yeganeh, N. & Sharifi, A. (2014). The effectiveness of computerized cognitive training on the working memory performance of children with dyslexia. Audiol, 23(3), 46-56. (Persian).
Towhidkhah, F. & Yavari, F. (2014). Application of Information Technology in Medicine. Publication of University ofAmirkabir (Tehran Polytechnic), Tehran, Iran. (Persian).
      Underwood, E. (2013). Family Brain Connections in Dyslexia. Science, 1126
Van Dyke, J. A., Johns, C.L. & Kukona, A. (2014). Low working memory capacity is only spuriously related to poor reading comprehension. Cognition, 131, 373–403.
Vidyasagar, N & Bhogle, S. (2015). ART: A Cognitive Screening Tool for Reading and Arithmetic Difficulties. The International Journal of Indian Psychology, 2(4), 7-19
Wu, T. K., Meng, Y. R., & Huang, S. C. (2006). Identifying & Diagnosing Students with LD Using ANN &SVM‖. IEEE          International Joint Conference on Neural Networks, Vancouver, BC.
Yazdani, F., Akbarfahimi, M., Hassani Mehraban, A., Jalaei, Sh. & Torabi-nami, M. (2015). A computer-based selective visual attention test for first-grade school children: design, development and psychometric properties. Medical journal of Islamic Repulic of Iran, 29, 184-195. (Persian).
Zaghian, M., Tofighi, Z., & Azad, M. A. (2015). Effectiveness of Working Memory Training on the Reading Performance of          Elementary Students with Learning Disabilities in Reading, 3(2), 112-119. MAGNT Research Report. (Persian).
Zare, H., Amiri, F. & Taraj, S. (2010). The effect of educational games on short-term memory and dictation of Primary school students with specific learning disabilities. Journal of Exceptional Children, 9 (4), 367-374. (Persian).
Zeiger, V. M. (2008). Screening for autism spectrum disorders pediatric eight years after publication of practice guidelines. Doctoral Dissertation: Indiana university of Pennsylvania.
 

فایل ها

هم رسانی

ارجاع به این مقاله

آمار