سایت تخصصی روانشناسی

مدیر سایت: دکتر سکینه سلطانی کوهبنانی

سایت تخصصی روانشناسی

مدیر سایت: دکتر سکینه سلطانی کوهبنانی

سایت تخصصی روانشناسی
دکتر سکینه سلطانی کوهبنانی
استادیار دانشگاه فردوسی مشهد
مدیر پلی کلینیک روانشناسی بالینی و مشاوره دانشگاه فردوسی مشهد

آدرس محل کار:

آدرس دانشگاه: مشهد ، میدان آزادی ، دانشگاه فردوسی ، دانشکده علوم تربیتی و روانشناسی ، گروه علوم تربیتی ، تلفن تماس : 05138805000داخلی 5892
پلی کلینیک روانشناسی بالینی و مشاوره دانشگاه فردوسی مشهد : شماره داخلی 3676

آدرس مرکز مشاوره : مشهد، پنج راه سناباد، تقاطع خیابان پاستور، ساختمان پزشکان مهر، مرکز مشاوره و خدمات روانشناختی اندیشه و رفتار، شماره های تماس: 05138412279


سایر موضوعات
Blog.ir بلاگ، رسانه متخصصین و اهل قلم، استفاده آسان از امکانات وبلاگ نویسی حرفه‌ای، در محیطی نوین، امن و پایدار bayanbox.ir صندوق بیان - تجربه‌ای متفاوت در نشر و نگهداری فایل‌ها، ۳ گیگا بایت فضای پیشرفته رایگان Bayan.ir - بیان، پیشرو در فناوری‌های فضای مجازی ایران
آخرین نظرات

پژوهشگران آمریکایی در دو پژوهش جدید خود، از سیستم‌های مبتنی بر هوش مصنوعی برای تشخیص نشانه‌های اختلالات روان‌پریشی استفاده کردند.

به گزارش ایسنا و به نقل از نیوساینتیست، نوآوری‌های ارائه شده در حوزه هوش مصنوعی، به پژوهشگران امکان می‌دهند تا روان‌پریشی را بهتر تشخیص دهند. پژوهشگران "دانشگاه هاروارد"(Harvard University) و "دانشگاه اموری" (Emory University) آمریکا، دو سیستم مبتنی بر یادگیری ماشینی را برای تشخیص روانپریشی از گفتار انسان به کار گرفتند.

تشخیص اسکیزوفرنی از روی گفتار

پژوهشگران، نوعی روش یادگیری ماشینی ابداع کرده‌اند که گفتار را برای یافتن نشانه‌های روان‌پریشی تحلیل می‌کند. ویژگی‌های کوچک روش گفتار انسان‌ها، نشانگر خوبی برای تشخیص خطر ابتلاء به بیماری‌های روحی در آینده است و یادگیری ماشینی می‌تواند روش سریع و دقیقی برای شناسایی این ویژگی‌ها ارائه دهد. پژوهشگران با ابداع سیستمی که بار معنایی و کاربرد واژگان را در گفتار شخص ارزیابی می‌کند، توانستند افرادی که در معرض ابتلاء به روان‌پریشی هستند، با دقت شناسایی کنند.

افرادی که به روان‌پریشی مبتلا می‌شوند، بار معنایی کمتر و ابهام بیشتری در گفتار خود دارند. اختلالات روان‌پریشی مانند اسکیزوفرنی، توهمات شنیداری در بیماران ایجاد می‌کنند و موجب می‌شوند که بیماران به صحبت با صداهای خیالی بپردازند. پژوهشگران با به کار بردن روشی موسوم به "باز کردن بردار"(vector unpacking) توانستند بار معنایی گفتار افراد را شناسایی و ارزیابی کنند.

پژوهشگران برای این بررسی، از مکالمات آنلاین ۳۰ هزار نفر در فضای مجازی استفاده کردند تا نوعی "هنجار" شامل ۴۰۱ میلیون واژه برای محتوای گفتار ابداع کنند. آنها پس از مقایسه گفتار بیماران با این هنجار توانستند ناهنجاری‌هایی که نشانه‌های ابتدایی روانپریشی را مشخص می‌کنند، نشان دهند.

این گروه پژوهشی برای آزمایش سیستم خود، ۴۰ شرکت‌کننده را مورد ارزیابی قرار دادند و سپس بررسی خود را یک بار در هر شش ماه ادامه دادند تا نشانه‌های روان‌پریشی در شرکت‌کنندگان ظاهر شد. در این مدت، از مصاحبه شرکت‌کنندگان فیلمبرداری شد تا محتوای گفتار آنها مشخص شود؛ سپس فیلم‌ها با یک سیستم هوش مصنوعی بررسی شد تا احتمال ابتلاء به روان‌پریشی پیش‌بینی شود. پژوهشگران دریافتند که پلتفرم هوش مصنوعی آنها می‌تواند امکان ابتلاء به روان‌پریشی را با ۹۳ درصد تشخیص دهد. آنها نتیجه گرفتند که این سیستم، نه تنها ابزار خوبی برای پیش‌بینی امکان ابتلاء به روان‌پریشی است، بلکه می‌تواند بسیاری از اختلالات روحی دیگر را نیز به خوبی تشخیص دهد.

تشخیص اسکیزوفرنی با کمک اف‌ام‌آرآی

پژوهشگران در بررسی دیگری توانستند قابلیت هوش مصنوعی را در تشخیص اسکیزوفرنی با کمک "اسکن تصویرسازی تشدید مغناطیسی کارکردی" یا "اف‌ام‌آرآی"(fMRI) نشان دهند. پیش از این نیز پژوهش‌هایی برای تشخیص اسکیزوفرنی با کمک یادگیری ماشینی صورت گرفته بود اما پژوهشگران در این پروژه نشان دادند که بررسی در بیشتر پژوهش‌های پیشین، معمولاً به بیماران تحت درمان نیاز دارد.

این موضوع موجب می‌شود که چنین پژوهش‌هایی، کاربرد کمی در پزشکی دنیای واقعی داشته باشند. این پژوهش‌ها، فقط در نمونه‌های کوچک انجام شده‌اند و قابلیت اطمینان داده‌ها را کاهش می‌دهند. پژوهشگران برای رفع این نواقص، یک سیستم مبتنی بر هوش مصنوعی ابداع کردند که می‌تواند اسکیزوفرنی را با بررسی اسکن‌های اف‌.ام‌.آر.آی تشخیص دهد. آنها این سیستم را روی مجموعه بزرگتری از داوطلبان آزمایش کردند که ۸۱ نفر از آنها مبتلا به اسکیزوفرنی و ۹۳ نفر سالم بودند و هیچیک از آنها تحت درمان خاصی قرار نداشتند.

این پلتفرم یادگیری ماشینی موسوم به "EMPaSchiz" توانست احتمال ابتلاء به اسکیزوفرنی را بر اساس فعالیت مغز و اتصالات عملکردی در اسکن‌های اف‌.ام‌.آر.آی تشخیص دهد.

دقت این پلتفرم در کار خود، ۸۷ درصد بیش از سیستم‌های یادگیری ماشینی دیگر بود. به گفته پژوهشگران EMPaSchiz نخستین فناوری یادگیری ماشینی است که می‌تواند احتمال ابتلاء به اسکیزوفرنی را بدون نیاز به مصرف دارو توسط شرکت‌کنندگان تشخیص دهد.

نتایج این پژوهش، پیشرفت امیدوارکننده‌ای را برای کاربرد ابزار تشخیصی خودکار نشان می‌دهد که از تصویربرداری مغزی و هوش مصنوعی استفاده می‌کنند.

نتایج این دو پژوهش‌، در مجله "npj Schizophrenia" به چاپ رسید.

نظرات  (۰)

هیچ نظری هنوز ثبت نشده است

ارسال نظر

ارسال نظر آزاد است، اما اگر قبلا در بیان ثبت نام کرده اید می توانید ابتدا وارد شوید.
شما میتوانید از این تگهای html استفاده کنید:
<b> یا <strong>، <em> یا <i>، <u>، <strike> یا <s>، <sup>، <sub>، <blockquote>، <code>، <pre>، <hr>، <br>، <p>، <a href="" title="">، <span style="">، <div align="">
تجدید کد امنیتی