Thesis (M.Sc)-Cairo University, 2024.

Bibliography: pages 53-56.

In recent years, awareness of autism spectrum disorder has grown faster than before. As everyone is aware, it is a disorder of neurodevelopment that also encompasses problems with conduct and social interaction. The degree of symptom severity and everyone’s experience with autism spectrum vary. Any age can be used to diagnose autism. According to research, violence, self-harm, elopement. tantrums, preoccupation, and lack of obedience are behavior patterns most frequently observed in people with autism. Therefore, it is imperative to spot any sign of severe it as soon as possible. the proposed research model for diagnosing autism spectrum disorder by collecting data through a general questionnaire while ensuring data privacy. The questionnaire, based on the Autism Spectrum Quotient-10, was supplemented with individual features identified by specialized experts. The research model consists of four phases: pre-processing data, adding features and improving algorithms, developing a combined model, and creating an implementation model. In the pre-processing phase, data quality was improved, and Additional individual features were incorporated through the questionnaire to enhance machine learning algorithm performance. The results show better performance for the Support Vector Machine algorithm. A comparative performance analysis among the algorithms was used to build the combined model, built by integrating three algorithms using Ensemble learning. Finally, Test scenarios for proposed model achieved a 98.9 % With accuracy the majority of algorithms exhibited good accuracy when applied in this domain.

اضطراب طيف التوحد هو اضطراب نمو عصبي معقد يؤثر على التطور الطبيعي لمهارات الاندماج الاجتماعي والتواصل فهناك خلل في التفاعلات الاجتماعية والتواصل اللفظي والغير لفظي ومشاكل في كيفية استيعاب المعلومات عن طريق الحواس وأنماط محددة من السلوكيات المتكررة اشتمل مصطلح (اضطراب طيف التوحد) على أمراض النمو الأكثر انتشاراً اضطراب التوحد الكلاسيكي، اضطراب اسبرجر، وُصف الاضطراب بالطيف لان حدة اعراضه تتراوح بين خفيفة إلى شديدة، فالأعراض إٍذ مثل الطيف له نطاقات مختلفة.
من أجل تشخيص اضطراب طيف التوحد، يجب وجود مشكلة واحدة على الأقل من النواحي الآتية قبل (3 سنوات) مشاكل في التواصل أو التفاعل الاجتماعي أو وجود السلوك المقيد، حيث إنها تستغرق وقتاً كبيراً وتعتمد على خبرة الطبيب كما انه يضع عبأ كبير على الاسرة وخضوعهم داخل دائرة بيزنس تعديل السلوك فيؤدي ذلك الي تأخير تحديد ما إذا كان مصاباً أم لا. من المهم سرعة اكتشاف الاضطراب وتحديد مستواه لتقديم المساعدة للمريض وذويه لتحسين الحياة المقدمة له والعمل على تنمية مهاراته العقلية والاجتماعية. لذلك، فهناك احتياج كبير في مجال الذكاء الاصطناعي لنظام تشخيص دقيق بمساعدة الحاسوب لمساعدة الأطباء وأخصائيين التخاطب وحتى أولياء امر المريض فالتشخيص السريع للاضطراب.
تتطلب أساليب التعلم الآلي التقليدية استخراج المعالم وهي عملية يدوية تستغرق وقتاً طويلاً وتتطلب معرفة سابقة بمجال المشكلة. ومع التطور الكبير للتعلم الآلي فالآونة الأخيرة فالمجال الطبي أظهرت خوارزميات التعلم الآلي أداءاً متفائلاً في أنظمة التنبؤ والتشخيص الطبي بدقه عالية.
وفي هذه الأطروحة، نقترح تصنيفاً قائماً على (AQ-10) أداة حاصل طيف التوحد مع البالغين المصابين بالتوحد المحتمل والذين لا يعانون من إعاقة تعلم متوسطة وشديدة تساعد في تحديد ما إذا كان ينبغي إحالة الفرد لتقييم شامل للتوحد أم لا.




لقد استخدمنا العديد من نماذج التعلم الخاضعة للإشراف المتوفرة في إحدى مكتبات بايثون، بما في ذلك أشجار القرار والغابات العشوائية، (SVM)، , (KNN) ,(NB) والانحدار اللوجستي، للتنبؤ بوجود اضطراب طيف التوحد (ASD). في الأفراد. تم جمع مجموعة البيانات التي استخدمناها من خلال استبيان عام بعد استشارة خبراء المجال لإضافة ميزات فردية مهمة وتحسين أداء خوارزميات التعلم الآلي. استخدمنا أيضًا ترميزًا سريعًا لتحويل المتغيرات الفئوية إلى شكل رقمي وتقسيم البيانات إلى مجموعات تدريب واختبار. وأخيرًا، قمنا بتقييم أداء كل نموذج باستخدام التحقق المتبادل بخمسة أضعاف. أظهرت نتائجنا أن SVM وأشجار القرار ونماذج الانحدار اللوجستي كانت الأكثر فعالية في مهمة التصنيف هذه. حققت هذه النماذج مستويات عالية من الدقة والتذكر والإحكام، مما يشير إلى قدرتها على تشخيص اضطراب طيف التوحد. لقد قمنا أيضًا بدمج هذه الخوارزميات الثلاثة لبناء نموذج أكثر دقة وكفاءة واستطعنا تحقيق نسبه دقه ۹٨.۹%. تسلط دراستنا الضوء على أهمية تنظيف البيانات وخطوات المعالجة المسبقة لضمان دقة وموثوقية البيانات للتحليل.

Issues also as CD.

Text in English and abstract in Arabic & English.