استفاده از روش های طبقه بندی هوش مصنوعی در تشخیص بیماری وسواس

باتوجه به کیفی بودن تستهای روانشناسی، تشخیصها خیلی دقیق نمی باشد. بهمین دلیل نویسندگان مقاله دیتابیسی را در یک کلینیک تخصصی وسواس، طی مدت شش ماه تهیه نمودند که شامل نتایج تست روانشناسی بندرگشتالت از بیماران وسواس و افراد سالم می باشد. در این دیتابیس ویژگی های فشار، سرعت، زمان، اختلاف زاویه ای و زاویه قلم با صفحه، مربوط به اشکال، بصورت آنلاین ثبت شده اند. برای دسته بندی ویژگیهای حاصل، از دو طبقه بندی کننده آماری و غیرآماری HMM و SVM استفاده شده که نتایج بدست آمده نشان می دهند برای استفاده درست از این ویژگیهای پویا، باید از مدلهای پویا و یک مدل آماری قوی استفاده شود. در این مقاله با استفاده از ترکیب تکنیکهای مدل مخفی مارکوف و فازی به کمی سازی تست جهت تشخیص بیماران وسواسی از افراد سالم پرداخته شده است. این کلاسیفایر با توجه به عدم قطعیت موجود در این تصمیم گیری، انتخاب شده و با استفاده از مدلهای استاتیک و دینامیک مانند شبکه عصبی تست و به دقت 90 % دست یافته است. در ابتدا طبقه بندی کننده HMM برای داده ها استفاده شده که بطور متوسط به دقت 90 % دست یافته، سپس با استفاده از طبقه بندی کننده Fuzzy HMM (FHMM) دقت متوسط 95 % است.

کلیدواژه ها:

HMM ، SVM ، EM(Expectation Maximum) ، FEM(Fuzzy EM) ، تست بندرگشتالت