Экспертные нейросетевые системы для диагностики синдрома дефицита внимания с гиперактивностью Текст научной статьи по специальности «Компьютерные и информационные науки»

Резниченко Наталья Сергеевна Красноярский государственный педагогический университет имени В.П.Астафьева, кафедра специальной психологии, аспирант, г.Красноярск

Экспертные нейросетевые системы для диагностики синдрома дефицита внимания с гиперактивностью

Согласно данным различных исследователей, около 87% детей имеют отклонения в физическом и психическом развитии, среди которых одно из ведущих мест занимает синдром дефицита внимания с гиперактивностью (СДВГ). Распространенность данной патологии в развитых странах достигает в среднем: в России 4 - 18 %, в США - 4 - 20 %, Великобритании - 1 -3 %, Италии - 3 - 10 %, В Китае - 1 - 13 %, в Австралии - 7 - 10 %, причем мальчиков среди них в 9 раз больше, чем девочек [3, с.35].

В основе механизма развития СДВГ лежит дефицит определенных химических веществ (дофамина и норадреналина) в некоторых областях головного мозга. Эти данные подчеркивают тот факт, что СДВГ - это заболевание, требующее соответствующей диагностики и правильного лечения. Симптомокомплекс СДВГ включает в себя невнимательность, гиперактивность, импульсивность, трудности в обучении и межличностных отношениях, поведенческие и тревожные расстройства, задержки в формировании языка и речи, а также школьных навыков [2, с. 47]. Однако помимо СДВГ эти нарушения могут служить внешними признаками других психопатологий, что делает диагностику данного синдрома весьма затруднительной. Существующая неудовлетворенность решения этой проблемы определяет актуальность разработки новых подходов и алгоритмов для диагностики данной патологии, которые могут быть построены на основе аналитических технологий нового типа, активно развивающихся в последнее время. Такими технологиями могут служить искусственные нейронные сети (ИНС).

ИНС представляет собой математическую модели, а также ее программные или аппаратные реализации, построенные по принципу организации и функционирования биологических нейронных сетей - сетей нервных клеток живого организма. Одно из главных преимуществ ИНС - это возможность обучения. В процессе обучения нейронная сеть способна выявлять сложные зависимости между входными данными и выходными, а также выполнять обобщение [4, с. 23]. В последнее время все больше внимания уделяется применению ИНС для решения медико-биологических проблем. В практической медицине нейросетевые системы находят применение в диагностике сердечно-сосудистых и онкологических заболеваний, а также в диагностике патологий желудочно-кишечного тракта. В этой связи следует отметить работы Манчук В.Т., Свиридова А.П. 2011г.; Смирнова О.В. 2010г.; Истоминой Т.В., 2010г.; Локтюхина В.Н. Черепнина А.А. 2009г.; Прасоловой А.Е., 2008г.; Ускова В.М., 2006г.; Боженко В.К., Сотникова В.М., 2004г.; Лазарева В.М., Горбань А.Н., Россиев Д.А. 1996г. и т.д. При этом подобных работ в сфере психологии крайне мало. Дубынин И.О. (2004г.) описал применение нейросетевых построений в практической работе психолога. Была показана возможность применения нейросети для определения статуса интеллектуальной одаренности учащихся на основании ответов на личностный опросник. Беребина М.А. и Пашкова С.В. (2006г.) построили нейросети для дефференциальной диагностики и прогноза нарушений психической адаптации сотрудников силовых структур [11, с.63]. Однако подобные работы в сфере дефектологии нам найти не удалось.

В связи с этим нами предпринято экспериментальное исследование, целью которого являлось разработка нейросетевой экспертной системы, интерпретирующей данные

различных методов позволяющие произвести скрининговую диагностику СДВГ у детей 5-7 лет. Первые этапы исследование показали, что наиболее часто встречающееся показатели у детей с данной патологией, это: диагностические критерии СДВГ по общепринятой классификации DSM-IV, шкалы оценки степени гиперактивности, импульсивности и нарушения внимания SNAP-IY, психологический тест TOVA, показатели а-ритма электроэнцефалограммы. Следующий этап исследования - построения экспертных систем. Мы выбрали полносвязные нейросети, т.к при одинаковом числе нейронов полносвязные сети имеют большее количество межнейронных связей, что увеличивает информационную емкость сети. Окончательно выбранный вариант сети обучается на исходном наборе наблюдений [3,с.40]. Обученная ИНС практически мгновенно выдает результат диагностики. На этапе апробации нейросеть выдавала правильный прогноз более чем в 89% случаев. Отметим, что для улучшения результата необходимо увеличение объема обучающей выборки и проведение повторного обучение нейросети.

Полученные результаты наглядно свидетельствуют о высокой эффективности работы нейросетевой экспертной системы для целей диагностики. Дальнейшая разработка программного комплекса на основе нейросетевого подхода поможет повысить эффективность диагностики не только синдрома дефицита внимания с гиперактивностью, но и многих других мозговых дисфункций у детей.

Литература

1. Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере. Новосибирск: Наука. РАН, 1996. 276с.

2. Грибанов А.В. Синдром дефицита внимания с гиперактивностью у детей. М.:Академ. проект,2004.176с.

3. Заваденко Н.Н. Школьная дезадаптация при синдроме дефицита внимания с гиперактивностью и дислексии: диагностика и коррекция // Качество жизни. Медицина. 2008. № 1. С. 34-42.

4. Короткий С. Нейронные сети: основные положения. СПб., 2002. 357с.

5. Лазарев В.М., Свиридов А.П. Нейросети и нейрокомпьютеры. Монография. М.: 2011.131с.