تشخیص اختلال یادگیری در دانش­آموزان به کمک سیگنال eeg و مدل یادگیری عمیق

ناتوانی یادگیری یک اختلال عصبی-رشدی است و تشخیص زود هنگام اختلالات یادگیری به دلیل هزینه های مالی و عاطفی و خطرات جبران ناپذیری که بر دانش آموزان و خانواده آنها تحمیل می کند، از اهمیت بسزایی برخوردار است. کودکان دارای اختلال، به اندازه ی بقیه باهوشند، اما نحوه ی درک و پردازش اطلاعات در مغز آنها متفاوت است. در این مقاله از الگوریتم شبکه عصبی پرسپترون با دو لایه پنهان، به عنوان یکی از روش های یادگیری عمیق استفاده شده است، تا بتواند کودکان دارای اختلال را از کودکان سالم تفکیک کند. داده ی ورودی الگوریتم، طیف توان سیگنال الکتروانسفالوگرام است که از تبدیل فوریه سریع حاصل شده است. برای هر کودک از 19 الکترود جهت گرفتن تست سیگنال الکتروانسوفالوگرام استفاده شده است و سیگنال مربوط به هر فرد به 5 باند فرکانسی تقسیم شده است. پس برای هر فرد یک ماتریس 19 در 5 در اختیار است که درایه های آن، طیف توان بدست آمده از تبدیل فوریه سریع است. دقت بدست آمده برای کلاس بندی کودکان سالم از کودکان دارای اختلال بالای 80درصد است که نتیجه ی قابل قبولی است.