2026 say 1 Maşin öyrənməsi̇ və dəri̇n öyrənmədən i̇sti̇fadə edi̇lən süni̇ Zəka əsasli multi̇modal ddhp di̇aqnozu

DOI :   https://doi.org/10.30546/670832.2026.013.1043

Xülasə:  Diqqət Defisiti/Hiperaktivlik Pozuntusu (DDHP) uşaqlar və yeniyetmələr arasında ən çox yayılmış neyroinkişaf pozuntularından biridir, lakin dəqiq və erkən diaqnoz qoymaq hələ də çətindir. Ənənəvi diaqnostik metodlar, çox vaxt subyektiv və gecikməyə meylli olan davranış müşahidələrinə, klinik müsahibələrə və valideynlər və müəllimlər tərəfindən doldurulan qiymətləndirmə şkalalarına əsaslanır. Son illərdə süni intellekt - xüsusən də maşın öyrənməsi və dərin öyrənmə - daha obyektiv və vaxtında DDHP diaqnozunu dəstəkləmək üçün perspektivli bir yanaşma kimi ortaya çıxmışdır. Bu icmalda neyrogörüntüləmə, EEG siqnalları, davranış qiymətləndirmələri və koqnitiv testlərdən əldə edilən məlumatları birləşdirən süni intellekt əsaslı multimodal metodların uşaqlarda DDHP simptomlarını aşkar etmək üçün necə tətbiq olunduğu araşdırılır. Tapıntılar göstərir ki, multimodal yanaşmalar ümumiyyətlə tək modallıq modellərindən daha yaxşı nəticə göstərir və Random Forest, Convolutional Neyron Networks və LSTM şəbəkələri kimi metodlar güclü təsnifat nəticələri göstərir. Bununla belə, kiçik və balanssız məlumat dəstləri, məhdud model şərhi və kiçik uşaqları hədəf alan uzunmüddətli tədqiqatların olmaması da daxil olmaqla əhəmiyyətli çətinliklər qalmaqdadır. Bu icmalda bu boşluqlar müəyyən edilir və klinik cəhətdən etibarlı və izah edilə bilən süni intellekt diaqnostikası vasitələrinin hazırlanmasına yönəlmiş gələcək tədqiqatlar üçün istiqamətlər müzakirə olunur.

Açar sözlər: DDHD, süni intellekt, maşın öyrənməsi, dərin öyrənmə, multimodal diaqnoz, uşaqlar, erkən aşkarlama, neyrogörüntüləmə, EEG.