| همجوشی چندوجهی برای تشخیص زودهنگام نارساخوانی: مروری بر پیشرفتهای معماریهای تلفیقی |
| کد مقاله : 1414-PWBE (R2) |
| نویسندگان |
|
محمد امین جاودان فر *1، عباس رئیسی2 1پژوهشکده علوم شناختی و مغز، دانشگاه شهید بهشتی، تهران، ایران 2گروه آموزش علوم تربیتی، دانشگاه فرهنگیان، صندوق پستی 889-14665، تهران، ایران |
| چکیده مقاله |
| چکیده این مقاله مروری نظاممند، تحقیقات مربوط به تشخیص زودهنگام نارساخوانی مبتنی بر هوش مصنوعی را با تمرکز بر پیشرفتهای فنی در معماریهای تلفیق چندوجهی، ترکیب میکند. هدف این مرور، ارزیابی روشهای یکپارچهسازی دادههای چندوجهی، معیارسنجی معماریهای تلفیق، شناسایی سهم کلیدی هر روش داده، تحلیل چالشهای مجموعه دادههای ناهمگن و مقایسه رویکردهای یادگیری عمیق سرتاسری در مقابل رویکردهای ترکیبی بود. با تحلیل نظاممند، مطالعاتی که دادههای تصویربرداری عصبی، ردیابی چشمی، دستخط و گفتار را تلفیق میکنند، و همچنین مدلهایی که از یادگیری عمیق، روشهای گروهی و مکانیزمهای توجه استفاده میکنند، مورد تأکید قرار گرفت. یافتهها نشان میدهد که تلفیق چندوجهی بهطور قابل توجهی دقت تشخیصی را افزایش میدهد (غالباً بیش از %90)، بهطوری که روشهای دادهای مانند EEG، ردیابی چشمی و MRI اطلاعات مکملی ارائه میدهند. راهبردهای تلفیق میانی و معماریهای سبکوزن، تعادل مناسبی بین عملکرد و کارآیی محاسباتی ایجاد میکنند، اگرچه تفسیرپذیری مدلها بهویژه در مدلهای عمیق پیچیده، همچنان محدود است. اعتبارسنجی در مجموعهدادههای ناهمگن و متنوع ازنظر فرهنگی، عمومیتپذیری امیدوارکنندهای را نشان میدهد، اما محدودیتهای ناشی از حجم کم نمونه و سوگیریهای خاص هر روش را برجسته میسازد. این ترکیببندی، بر تعادل بین نوآوری فنی و استقرار عملی تأکید کرده و نیاز به پروتکلهای استاندارد و هوش مصنوعی تفسیرپذیر را برای بهبود استحکام و پذیرش بالینی نشان میدهد. این بینشها، مسیرهای تحقیقاتی آتی را به سوی توسعه ابزارهای مبتنی بر هوش مصنوعی قابل دسترس، تفسیرپذیر و مقیاسپذیر برای غربالگری زودهنگام نارساخوانی در بافتهای آموزشی و بالینی متنوع، هدایت میکند. |
| کلیدواژه ها |
| واژههای کلیدی: تشخیص زودهنگام نارساخوانی، تلفیق چندوجهی، معماریهای تلفیقی، هوش مصنوعی تفسیرپذیر، یادگیری عمیق. |
| وضعیت: پذیرفته شده برای ارسال فایل های ارائه پوستر |
