پروژه‌های تکنولوژیک

تاثیر نوروفیدبک فرکانس بسیار پایین بر شدت علائم اتیسم و کنش های اجرایی و انرژی باندهای فرکانسی مغز

نوروفیدبک یک روش درمانی نوین است که با اصول شرطی سازی مغز باعث بهبود بسیاری از اختلالات و کاهش علائم ناشی از اختلال می شود یکی از روش های نوین و جدید نوروفیدبک، که امروزه بسیار مورد توجه مراجعان و متخصصان قرار گرفته است نوروفیدبک فرکانس بسیار پایین (ILF) است که از طریق نظم بخشیدن به امواج نامنظم مغز باعث بهبود عملکردهای رفتاری فرد می شود.

در پژوهشی که تحت عنوان «تاثیر نوروفیدبک فرکانس بسیار پایین بر شدت علائم اتیسم و کنش های اجرایی و انرژِی باندهای فرکانسی مغز» توسط آقای دکتر حمیدرضا پوراعتماد و دکتر رضا خسروآبادی و مهندس امید فقیهی و خانم سارا رضایی در دانشگاه شهید بهشتی تهران با همکاری مرکز تهران اتیسم بر روی هشت کودک ۸-۴ ساله دارای اختلال طیف اتیسم با عملکرد بالا اجرا شد نتایج قابل توجهی به دست آمد.

در این مطالعه تعداد ۸ کودک در طیف سنی ۴ تا ۸ که تشخیص رسمی اتیسم دریافت کرده بودند مشارکت داشتند. شرکت‌کنندگان بصورت هدفمند از بین مراجعین به مرکز تهران اتیسم انتخاب شدند. گردآوری اطلاعات در پنج مرحله انجام شد. در مرحله اول، برای ارزیابی‌ شدت اتیسم، آزمون تشخیصی اتیسم توسط والد کودک تکمیل شد. برای ارزیابی‌های شناختی و از جمله کنش‌های اجرایی، مجموعه آزمون‌های عصب شناختی استفاده شد. به منظور ارزیابی الکتروفیزیولوژیکی، ثبت فعالیت الکتریکی مغز، بعمل آمد. مرحله دوم به فاصله دو هفته از مرحله اول و همانند آن اجرا شد. در مرحله سوم (مداخله) مداخلات نوروفیدبک فرکانس بسیار پایین به مدت ۱۵ جلسه، سه روز در هفته به مدت ۲۰ دقیقه انجام گرفت. مرحله چهارم، پس از آخرین جلسه مداخله، ارزیابی‌های رفتاری، شناختی و الکتروفیزیولوژیکی تکرار شد. در جریان مرحله پنجم دو هفته بعد، آزمون‌های مرحله اول تکرار شدند.

نتایج حاکی از اثربخشی درمان نوروفیدبک فرکانس بسیار پایین بر شدت علائم اتیسم و کنش‌های اجرایی کودکان دارای اتیسم بود و تغییرات معناداری در توان نسبی باندهای فرکانسی مغزی (آلفا، بتا و گاما) گزارش شد. توان نسبی باند فرکانسی آلفا در حالت چشم باز افزایش و در حالت چشم بسته کاهش داشته است و در باند فرکانسی بتا (۳۰-۱۹ هرتز) و گاما در هر دو حالت چشم بسته و باز کاهش چشم‌گیری داشته که حاکی از اثربخشی نوروفیدبک فرکانس بسیار پایین بر انرژی باندهای فرکانسی مغز کودکان دارای اختلال اتیسم می‌باشد.

پس از انجام ارزیابی میزان شدت علائم بیماری و بررسی برخی مولفه‌های کنش‌های اجرایی و ثبت فعالیت‌های الکتریکی مغز کودکان مشاهده شد که مداخله با نوروفیدبک فرکانس بسیار پایین بر شدت علائم اتیسم و کنش‌های اجرایی کودکان اتیسم تاثیر دارد و انرژی باندهای فرکانسی مغز، در نواحی مختلف مغز آنان تغییرات محسوسی را نشان داده است. بر اساس یافته‌های این مطالعه، می‌توان نتیجه گرفت که نوروفیدبک فرکانس بسیار پایین احتمالاً می‌تواند در بسته‌های درمانی کودکان مبتلا به اتیسم مورد استفاده قرار گیرد. هرچند که این موضوع باید در مطالعات دوسوکور تایید شود.

 

برگزاری کارگاه آموزشی – درمانی، جهت توانبخشی افراد با اختلال طیف اتیسم با صنعت فرشبافی

 

هدف این کارگاه آموزش‌های شناختی و اجتماعی به نوجوانان و جوانان با اختلال طیف اتیسم از طریق صنعت فرشبافی به صورت گروهی است. شایان ذکر است که نوع طرح و ابزار بافت فرش متناسب با علائق و ویژگی خاص افراد با اختلال اتیسم است.

اطلاعات بیشتر در پوستر دوره آورده شده است.

 

شرکت کنندگان: گروه‌ نوجوانان ۱۲ سال به بالا و گروه جوانان با اختلال طیف اتیسم با عملکردبالا

این پروژه توسط آقای وحید ثانی و با نظارت پروفسور حمیدرضا پوراعتماد و دکتر سعید صادقی طراحی شده و اجرا می‌گردد.

مکان اجرایی: کلینیک توانبخشی شناختی و مغز دانشگاه شهید بهشتی.

تلفن برای ثبت نام و کسب اطلاعات بیشتر: ۰۹۱۴۱۱۶۷۶۹۳

پیام از طریق واتس اپ: https://api.whatsapp.com/send?phone=989141167693

 

 

 

 

 

 

غربالگری اتیسم بر اساس صدای گریه

 

در این پژوهش یک رویکرد جدید برای غربالگری کودکان مبتلا به اختلال طیف اتیسم بر اساس صدای گریه، به عنوان یک نشان‌گر زیستیِ در دسترس در سنین پایین، معرفی شده است که می‌تواند امکان غربالگری زودهنگام و اتوماتیک را مهیا سازد.

 

 

 

طی این پژوهش، مشخص شد که ویژگی‌های صوتی منحصر به اختلال اتیسم الزاما در تمام کودکان مبتلا به اتیسم و همچنین در تمام نمونه‌های صدای جمع‌آوری‌شده از آن‌ها وجود ندارد. بنابراین، یک رویکرد جدید برای شناسایی الگوی متفاوت در صدای این کودکان ارائه داده شد تا بتوان نمونه‌های دارای ویژگی متمایر و نیز ویژگی‌های متمایز‌کننده را به دست آورد. در نهایت یک مدل هوشمند ایجاد شد که با استفاده از صدای گریه، تمام کودکان معمولی مورد آزمون را از کودکان مبتلا به اتیسم و همچنین ۸۷ درصد از کودکان مبتلا به اتیسم مورد آزمون، در رده سنی ۲ تا ۴ سال را به درستی تشخیص داده‌ است. همچنین، تمام کودکان معمولی پسر زیر سن ۱۸ ماه مورد آزمون را به درستی تشخیص داد. دو کودک ۱۱ ماهه و ۱۷ ماهه، به ترتیب، دارای اختلال عصب‌رشدی و اختلال ژنتیکی و رشدی را در میان شصت کودک زیر ۱۸ ماه به درستی تشخیص داد.

 

محققان

  1. دکتر آیدا خزاعی
  2. دکتر هادی مرادی
  3. دکتر رشاد حسینی
  4. دکتر حمیدرضا پوراعتماد

 

 

اتیسم

Early screening for autism using audio indicators

In this study, the differences between the pre-verbal speech characteristics of children with autism and other children and the role of these differences in the early diagnosis of the disorder have been studied. One of the hallmarks of this disorder, which has been reported in autistic children at an early age, is the presence of stretched and uniform sounds and screams unique to this group.

To fully and comprehensively examine the characteristics of children’s voices, a collection of 237 different features that are categorized into eight separate categories is extracted.

To implement an efficient classifier that can separate the voices of children with autism from those of other children, we need to use feature selection methods to remove features that are not accepted in the same two categories of values and do not create much separation. Due to the difficulty of collecting appropriate audio data from children under the age of four, reducing the size of the feature vector will help prevent bias.

Comparison of the three feature selection methods shows that perceptual features along with MFCC features are the best features for separating the collecting data. Also, three different methods have been used to classify the data, each with different strengths and weaknesses.

The design and evaluation of the parameters of these classifiers are based on data from four healthy children and five children with the disorder and using the selected features, and in the best design, it leads to the correct classification rate of about 97%.

 

  1. Hamid Ebrahimi
  2. Hadi moradi
  3. Hamidreza Pouretemad

 

 

Humanoid robots to improve the social and cognitive skills of children with autism

One of the ongoing research projects in the country with the cooperation of Sharif University, Shahid Beheshti University of Technology and also the Center for Organizing Treatment and Rehabilitation of Autistic disorders, using two humanoid robots with the names of Nima and Mina as assistant therapists in improving social and cognitive skills of children with autism.

 

 

To this end, a variety of educational and therapeutic scenarios and games have been designed that have been implemented in more than 10 sessions of clinical intervention on boys with autism. The results show the improvement and persistence of social and cognitive skills of high level of high performance children; it has also been shown to reduce maladaptive behaviors and autism traits in children with low performance. It is hoped that the results of these efforts will make the treatment process of these patients in the country faster and more efficient and reduce the costs imposed on the society.

 

  1. Alireza Taheri
  2. Ali Meghdari
  3. Hamidreza Pouretemad
  4. Mino Alemi
ماشین اسباب‌بازی هوشمند برای تشخیص اختلال اتیسم

ماشین اسباب‌بازی هوشمند برای تشخیص اختلال اتیسم

در این پژوهش ماشین اسباب‌بازی هوشمندی طراحی و ساخته شده است که وظیفه اصلی آن غربالگری کودکان مبتلا به اختلال اتیسم می‌باشد. ویژگی قابل ذکر این روش آن است که غربالگری بدون حضور پزشک متخصص و در محیطی کاملا طبیعی صورت می‌گیرد. به همین دلیل و به دلیل ارزان قیمت بودن آن می‌تواند در سراسر کشور و حتی در نقاط محروم به راحتی و در منزل همانند دیگر اسباب‌بازی‌های کودک مورد استفاده قرار گیرد. این سیستم با تحلیل حرکات ماشین اسباب‌بازی که به وسیله کودک صورت می‌گیرد، تشخیص می‌دهد که آیا کودک احتمال ابتلا به اتیسم دارد یا خیر. اگر پاسخ آری بود، به والدین هشدار می‌دهد و پیشنهاد می‌کند تا با مراجعه به پزشک متخصص از وضعیت کودک خود اطلاع بیشتری کسب کنند. با توجه به آزمایشاتی که تا پیش از این بر روی این اسباب‌بازی صورت گرفته است، دقت پاسخگویی آن بالا بوده و به همین علت می توان به تشخیص غربالگری این وسیله اعتماد داشت.

یکی از علائم رایج بین افراد اتیستیک علاقه به انجام کارهای تکراری به مدت زمان طولانی است. در این پژوهش با توجه به این ویژگی و با استفاده از الگوریتم‌های یادگیری ماشین، کودکان اتیستیک تشخیص داده می‌شوند. انتظار می‌رود که کودکان اتیستیک در هنگام بازی با این ماشین، از خود حرکات تکراری به مدت طولانی بروز دهند. با تحلیل حرکات ماشین اسباب‌بازی که به وسیله دست کودک صورت می‌گیرد می‌توان پی به تکراری بودن حرکات برد. برای این کار از الگوریتم های بازشناسی الگو استفاده شده است، به این صورت که بعد از استخراج ویژگی (feature)های مناسب از داده‌های شتاب لحظه‌ای، از الگوریتم طبقه‌بندی Support Vector Machine برای تشخیص کودکان اتیستیک از غیر اتیستیک استفاده شده است.

 

 

ماشین اسباب‌بازی هوشمند برای تشخیص اختلال اتیسم
ماشین اسباب‌بازی هوشمند برای تشخیص اختلال اتیسم

 

ربات طوطی

ربات طوطی

ربات‌های اجتماعی به عنوان ابزارهایی که در سال‌های اخیر مورد توجه محققین قرار گرفته‌اند، در زمینه‌های گوناگونی در حال گسترش هستند. تحقیقات اخیر نشان می‌دهد که تعامل انسان-ربات می‌تواند کاربردهای گسترده و متنوعی در زمینه مداخلات درمانی برای کودکان با اختلالات رشدی، از جمله اختلالات طیف اتیسم داشته باشد. کودکان مبتلا به اتیسم دارای سه دسته عمده نارسایی، یعنی نارسایی در تعامل اجتماعی، برقراری ارتباط و رفتارهای تکراری هستند. به دلیل اهمیتی که تشخیص زودهنگام و درمان مستمر این اختلال دارد، هدف این پروژه طراحی یک ربات به منظور کمک به غربالگری و درمان اتیسم، به ویژه استفاده در گفتاردرمانی است. به دلیل علاقه کودکان به حیوانات، زیبایی و قابلیت صحبت کردن طوطی، رباتی به شکل طوطی طراحی و ساخته شد که توسط دو موتور قادر به حرکت دادن بدن، چشم‌ها و نوک است. برای افزایش جذابیت ربات، صدای انسان به صدای طوطی شبیه‌سازی شد. سپس به منظور تحریک دیداری و شنیداری کودکان، با استفاده از نظام استاندارد DSM-IV-TR، ویژگی‌های ربات را به سه دسته‌ی حرکتی، کلامی و ادراکی تقسیم کردیم. در نهایت، تعاملات دو گروه کودکان مبتلا به اتیسم و کودکان عادی با ربات نشان داد که ربات توجه اکثر کودکان را به خود جلب کرده است و با در نظر گرفتن ساختار مناسب، می‌تواند در درمان اتیسم مورد استفاده قرار گیرد. علاوه بر این تعامل کودکان مبتلا به اتیسم، تفاوت‌های عمده‌ای با کودکان عادی در طول مدت توجه به ربات، رفتارهای تکراری و متفاوت بودن نوع بازی با ربات داشت، بنابر این ویژگی‌ها با دقت بیش از ۹۰ درصد موفق به جداسازی کودکان عادی از کودکان مبتلا به اتیسم شدیم.

 

ربات طوطی
ربات طوطی

 

افراد

پگاه سلیمان ( pegahsoleiman@gmail.com)
آزمایشگاه رباتیک پیشرفته و سیستم‌های هوشمند – دانشگاه تهران

سهیل صالحی
آزمایشگاه رباتیک پیشرفته و سیستم‌های هوشمند – دانشگاه تهران

مرتضی قوامی
آزمایشگاه شبکه‌های اجتماعی – دانشگاه تهران

 

ربات دستیار اجتماعی برای بهبود کارکرد شناختی کودکان اتیستیک

اخیراً استفاده از رباتیک در تشخیص و درمان اختلالات رفتاری مورد توجه پژوهشگران بسیاری قرار گرفته است. اتیسم از جمله اختلالاتی است که با استفاده از ربات‌های دستیار اجتماعی تلاش‌هایی در جهت بهبود آن صورت گرفته است. طیف بیماران اتیسم، گروهی از افراد هستند که دارای اختلالات عصبی که توانایی‌های اجتماعی را تحت تأثیر قرار می‌دهند. این طیف از بیماران در تشخیص زبان بدن، برقراری ارتباط چشمی و فهم احساسات بقیه افراد مشکل دارند.
ربات‌های دستیار اجتماعی به توسعه ویژگی‌هایی نظیر بیان احساسات، تعامل با افراد، طراحی ظاهر ربات و توانایی مقاومت در برابر آسیب‌های فیزیکی نیز می‌پردازند. رباتی که بیشتر شبیه انسان باشد، به کودکان اوتیستیک در تشخیص عملکرد اجتماعی مورد نظر کمک می‌کند. رباتی که کمتر شبیه انسان باشد، با ظاهر فیزیکی و بزرگنمایی نشانه‌های اجتماعی، بیشتر روی یک مهارت و حس خاص تمرکز کرده و آن را به طور خاص بهبود بخشد.
این پروژه برای بهبود کارکردهای شناختی کودکان دارای اتیسم از یک ربات انسان‌نمای پلتفرم استاندارد بهره ببرد. شبه‌انسان بودن، مهم‌ترین ویژگی این ربات است؛ چراکه تعامل کودک مبتلا به اتیسم با یک ربات شبه‌انسان ما را به نتایج و تحلیل‌های واقعی‌تری در مورد اختلال رفتاری کودک مانند جلب نشدن توجه رهنمون می‌سازد. برای بهبود اختلالات ذکرشده سناریوهایی با هدف تحلیل تعامل کودک و ربات طراحی خواهد شد؛ سناریوهایی که بر بهبود کارکردهای شناختی کودک از قبیل افزایش میزان جلب توجه و… تمرکز دارند.

افراد

۱. مجید جگریان ( majid.jegarian@aut.ut.ac.ir)
کارشناس مهندسی مکانیک و دانشجوی کارشناسی ارشد مهندسی رباتیک در دانشگاه صنعتی امیرکبیر

۲. الهام ایروانی ( e_iravani@aut.ac.ir)
کارشناس مهندسی کامپیوتر و دانشجوی کارشناسی ارشد مهندسی رباتیک در دانشگاه صنعتی امیرکبیر

 

سیستم هوشمند ارزیابی مقدماتی اتیسم

بنا به نتایج تحقیقات در حوزه جهانی برای تشخیص و بررسی اوتیسم، میزان این بیماری در سطح جهان در حال افزایش است. از طرف دیگر، در زمینه‌ی تشخیص این چنین بیماری‌هایی متخصصین کمی در سطح کشور فعالیت می‌کنند و معمولا خانواده‌ها برای رفع نگرانی‌ خود در مورد فرزندانشان مجبور به منتظر ماندن به مدت طولانی می‌شوند و این زمان از دست رفته می‌تواند شانش درمان برای مبتلایان احتمالی را کاهش دهد. سیستم هوشمند طراحی شده در قالب یک وب سایت می باشد و از تمامی نقاط به راحتی قابل دسترس است. این سیستم می‌تواند با بررسی اطلاعات وارد شده و مطابقت آنها با تجربه‌های گذشته موارد مشکوک را تشخیص بدهد. برای این منظور والدین می بایست به سوالاتی که در بخش پرسشنامه به آنها نشان داده می شود پاسخ بدهند و پس از آن سیستم با استفاده از الگوریتم های به کار گرفته شده درصد احتمال ابتلا به اوتیسم را پیش بینی کرده و در اختیار والدین قرار میدهد. همچنین والدین می توانند از بین موسسات عضو در سیستم یکی را انتخاب کرده تا نتیجه پرسشنامه آنان در اختیار موسسه مربوطه نیز قرار بگیرد. بدین ترتیب این امکان وجود دارد تا در اسرع وقت، کودکان مشکوک به ابتلا به اوتیسم توسط عامل انسانی معاینه شوند و در صورت ابتلا، هر چه زودتر نسبت به درمان یا جلوگیری از پیشرفت سندروم آنها اقداماتی صورت گیرد.