دانشگاه علوم پزشکی شهید بهشتی دوماهنامه علمی - پژوهشی طب توانبخشی 2251-8401 4 1 2015 03 21 Designing an accurate system for differentiating children with attention deficit-hyperactivity disorder from oppositional defiant disorder by using artificial neural network طراحی سیستم افتراق دهنده دقیق کودکان با اختلال نقص توجه-بیش فعالی از کودکان با اختلال رفتار مقابله‌ای با استفاده از شبکه عصبی مصنوعی 90 98 1100012 10.22037/jrm.2015.1100012 FA مونا دلاوریان 1. دانشجوی دکترا، دانشکده روانشناسی و علوم تربیتی، دانشگاه تهران، تهران، ایران الهه نایبی 2. دانشکده روانشناسی و علوم تربیتی، دانشگاه تهران، تهران، ایران پروین دیباج ‌نیا 3. دانشیار، دانشکده علوم توانبخشی، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران 0000-0001-7972-8536 غلامعلی افروز 4. استاد ممتاز، دانشکده روانشناسی و علوم تربیتی، دانشگاه تهران، تهران، ایران شهریار غریب‌زاده 5. دانشیار، دانشکده مهندسی پزشکی، دانشگاه صنعتی امیرکبیر، تهران، ایران فرزاد توحیدخواه 6. استاد، دانشکده مهندسی پزشکی، دانشگاه صنعتی امیرکبیر، تهران، ایران Journal Article 2014 03 09 Background and Aim: Behavioral disorders are one of the most considerable disorders in children during these days. Accurate diagnosis and early identification, especially in disorders with similar sysmptoms, are noticeable and very important. Moreover, most of the affected individuals are rejected by their parents and teachers, decreasing their chances of normal development and their future life will be affected. <br />Due to many similarities among oppositional defiant disorder and attention deficit-hyperactivity disorder, differentiation of these disorders is challenging, although diagnosing and distinguishing of these disorders are very important. <br />Materials and Methods: Due to overlapping between oppositional defiant disorder and attention deficit hyperactivity disorder and normal behavior with temporarely aggression, it was tried to design an artificial neural network to assist in accurate distinguishing these classes. <br />Samples were consisted of 85 children with behavioral disorders (including ADHD and oppositional defiant disorder) and 50 children with normal behavior but temporarly sign of aggresion. Multilayer perceptron neural network was used to designe the system. <br />Results: The average of accuracy of correct classification with the desined network reacehed to 95.55%. The designed system can be used as a reliable assistant for the psychiatrists and it can increase the diagnosis realiability. <br />Conclusion: The designed system can differentiate children with behavioral disorders with high accuracy. It can be used as a screening tool for high risk children. مقدمه و اهداف <br />اختلالات رفتاری در کودکان از جمله اختلالات رایج  و مورد توجه می باشد. از زمانی که به اهمیت تشخیص هر چه سریعتر این اختلالات پی برده شد، مسئله دقت در تشخیص به خصوص تشخیص افتراقی اختلالات با توجه به همپوشانی زیاد نشانه ها بیشتر مورد توجه قرار گرفت. به‌علاوه اینکه، تعداد زیادی از این کودکان توسط والدین و آموزگاران خود طرد می شوند و شانس­ تحصیل و رشد طبیعی را از دست می­دهند و زندگی آینده آنها نیز تحت تاثیر قرار خواهد گرفت. <br />از آنجا که افتراق میان اختلال رفتار مقابله‌ای و ADHD به دلیل همپوشانی زیاد نشانه ها چالش برانگیز است، و از طرفی تشخیص و درمان هر چه سریعتر این کودکان اهمیت زیادی دارد، یکی از اقدامات بسیار مهم تشخیص دقیق و افتراق این اختلالات از یکدیگر می باشد. <br />مواد و روش ها <br />نمونه شامل 39 کودک مبتلا به اختلال  رفتار مقابله‌ای و 46 کودک با تشخیص ADHD و 50 کودک با رفتار طبیعی ولی با نشانه پرخاشگری موقت بود. جهت طراحی سیستم از یک طبقه­بندی کننده شبکه عصبی چندلایه پرسپترون استفاده گردید.با توجه به همپوشی زیاد اختلالات رفتار مقابله‌ای و ADHD و فتار طبیعی با نشانه های موقتی پرخاشگری در میان کودکان، تلاش جهت طراحی یک شبکه عصبی هوشمند جهت کمک به افتراق دقیق و سریع این اختلالات صورت گرفت. <br />یافته ها <br />میانگین دقت شبکه طراحی شده در طبقه­بندی به 95.55% رسید. این سیستم طراحی شده می تواند در کنار پزشک به عنوان یک دستیار دقیق به کار رفته و اطمینان در تشخیص را به میزان زیادی افزایش دهد. <br />نتیجه گیری <br />سیستم طراحی شده قادر به تمیز کودکان با اختلالات رفتاری با دقت بالا می‌باشد. این سیستم می‌تواند به عنوان یک ابزار غربالگری برای تشخیص زودهنگام کودکان با ریسک بالای اختلالات عاطفی-رفتاری، به‌کار گرفته شود. https://medrehab.sbmu.ac.ir/article_1100012_fce9836c9435a03434f0608b2fa52a4e.pdf