این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
ماشین بینایی و پردازش تصویر، جلد ۸، شماره ۴، صفحات ۱۳-۳۶
عنوان فارسی مروری بر مجموعه داده ها، الگوریتم های طبقه بندی داده ها و سیستم های تشخیص خودکار اختلالات روانی در آزمون های ترسیمی روانشناسی
چکیده فارسی مقاله جهت تشخیص بیماری­ های شناختی و شخصیتی افراد از دست خط، نحوه ترسیم نقاشی و یا الگوها می­توان استفاده کرد. خودکارسازی آزمون­ های روانشناسی سبب تشخیص زود هنگام بیماری شده و از تشدید بیماری و عواقب جبران­ ناپذیری جلوگیری می­ کند. خودکارسازی آزمون­ های ترسیمی روانشناسی نیازمند بررسی مجموعه داده­ های آزمون­ های ترسیمی روانشناسی، بررسی الگوریتم ­های طبقه ­بندی تصاویر به عنوان مهم­ترین مرحله و در آخر بررسی نحوه امتیازدهی به آزمون ­ها مطابق با استانداردهای تعیین شده، می ­باشد. در این پژوهش به بررسی کامل مطالعات انجام شده اخیر در زمینه مجموعه داده­ های آزمون­ های ترسیمی و دست نویس، انواع روش­های طبقه­ بندی آزمون­ های ترسیمی، روش­های امتیازدهی به آزمون­ ها و چالش­ های پیش­رو پرداخته شده است. تا کنون چنین پژوهش جامعی بر روی مجموعه داده ­ها، الگوریتم ­های طبقه ­بندی و تشخیص خودکار در آزمون­ های ترسیمی روانشناسی انجام نشده است. همچنین مقایسه جامعی از نحوه جمع­ آوری مجموعه داده ­ها، رویکردهای طبقه­ بندی آزمون­ های ترسیمی، روش­ های مقایسه آزمون­ ها با استانداردها، مزایا و معایب هر روش ارائه شده است. چالش­ های پیش رو در مراحل تشخیص خودکار در آزمون­ های ترسیمی روانشناسی نیز بحث شده است. هدف این پژوهش شناسایی روش ­های سریع، دقیق، بار پردازشی کم و قابلیت اطمینان بالا است. در این پژوهش با مقایسه روش ­های ارائه شده این نتیجه برداشت می­ شود که در طبقه ­بندی تصاویر و تشخیص بیماری روانی، الگوریتم ­های شبکه ­های عصبی دقت بالاتری نسبت به الگوریتم­ های یادگیری ماشین دارد اما کندتر عمل می­ کند.
کلیدواژه‌های فارسی مقاله مجموعه داده، طبقه بندی داده ها، تشخیص خودکار اختلالات روانی، پردازش تصویر در آزمون‌های ترسیمی،
عنوان انگلیسی A survey of Datasets, Data Classification Algorithms, and Automatic detection of mental disorders Systems in Psychological Drawing Test
چکیده انگلیسی مقاله Handwriting, drawing, or patterns can be used to detect cognitive and personality disorders. Automating psychological tests can help to detect mental disorders early and prevent it from getting worse and with irreversible consequences. Automation of psychological drawing tests requires reviewing datasets of psychological drawing tests, reviewing image classification algorithms as an essential step, and finally reviewing the scoring of tests according to the standards. In this study, the recent researches in the field of datasets of drawing and handwritten tests, various methods of classification of drawing tests, scoring techniques to the tests and challenges ahead have been thoroughly investigated. So far, no such comprehensive research has been conducted on datasets, classification algorithms, and automatic detection in psychological drawing tests. Also, a comprehensive comparison of how datasets are collected, drawing test classification methods, test comparison techniques with the standards, advantages, and disadvantages of each method is presented. Challenges in the process of automatic diagnosis in psychological drawing tests are also discussed. This study aims to identify fast, accurate methods with low processing load and high reliability. In this study, by comparing the presented methods, it is concluded that in classifying images and detecting mental disorders, neural network algorithms have higher accuracy than machine learning algorithms, but are slower.
کلیدواژه‌های انگلیسی مقاله مجموعه داده, طبقه بندی داده ها, تشخیص خودکار اختلالات روانی, پردازش تصویر در آزمون‌های ترسیمی
نویسندگان مقاله مریم فتحی احمدسرائی |
دانشجوی دکتری مهندسی کامپیوتر، واحد کرج، دانشگاه آزاد اسلامی، کرج، ایران

اعظم باستان فرد |
گروه مهندسی کامپیوتر، واحد کرج، دانشگاه آزاد اسلامی، کرج، ایران

امینه امینی |
گروه مهندسی کامپیوتر، واحد کرج، دانشگاه آزاد اسلامی، کرج، ایران

نشانی اینترنتی https://jmvip.sinaweb.net/article_129851_7edbb84aa736f11be7714f905472246e.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات