Τεχνολογίες και προσεγγίσεις στη διάγνωση της διαταραχής του αυτιστικού φάσματος
Φόρτωση...
Ημερομηνία
Συγγραφείς
Φιτσοπούλου, Ελευθερία
Τσίμα, Ιουλία
Τίτλος Εφημερίδας
Περιοδικό ISSN
Τίτλος τόμου
Εκδότης
Σχολή Επιστημών Υγείας. Τμήμα Λογοθεραπείας
Περίληψη
Τύπος
Είδος δημοσίευσης σε συνέδριο
Είδος περιοδικού
Είδος εκπαιδευτικού υλικού
Όνομα συνεδρίου
Όνομα περιοδικού
Όνομα βιβλίου
Σειρά βιβλίου
Έκδοση βιβλίου
Συμπληρωματικός/δευτερεύων τίτλος
Περιγραφή
Η πτυχιακή εργασία με τίτλο «Τεχνολογίες και Προσεγγίσεις στη Διάγνωση του Αυτιστικού
Φάσματος» εξετάζει την εφαρμογή σύγχρονων τεχνολογικών μεθόδων για τη διάγνωση της
Διαταραχής Αυτιστικού Φάσματος (ΔΑΦ). Ειδικότερα, εστιάζει στην αξιοποίηση της τεχνητής
νοημοσύνης, της μηχανικής μάθησης και πρωτοποριακών απεικονιστικών τεχνικών, όπως η
παρακολούθηση των ματιών (eye tracking), το ηλεκτροεγκεφαλογράφημα (ΗΕΓ) και η
λειτουργική μαγνητική τομογραφία (fMRI), για την ανίχνευση και την αξιολόγηση των
χαρακτηριστικών του αυτισμού. Μέσα από μια συστηματική ανασκόπηση 20 επιστημονικών
άρθρων, τα οποία επιλέχθηκαν βάσει αυστηρών κριτηρίων ένταξης, αναδεικνύονται οι τελευταίες
εξελίξεις και καινοτομίες στον τομέα της διάγνωσης του αυτισμού. Η ανάλυση των άρθρων
υποδεικνύει ότι οι τεχνολογικές αυτές προσεγγίσεις μπορούν να προσφέρουν υψηλή διαγνωστική
ακρίβεια και αποτελεσματικότητα, ιδιαίτερα όταν συνδυάζονται πολυδιάστατες μέθοδοι, όπως η
μαγνητική τομογραφία και οι τεχνικές μηχανικής μάθησης. Επιπλέον, η εργασία υποδεικνύει τις
δυνατότητες αλλά και τις προκλήσεις που συνδέονται με την εφαρμογή αυτών των τεχνολογιών
στην κλινική πράξη, υπογραμμίζοντας την ανάγκη για περαιτέρω έρευνα για την αύξηση της
διαγνωστικής ακρίβειας που επιτρέπει την έγκαιρη παρέμβαση σε άτομα με ΔΑΦ. Τα ευρήματα
της μελέτης υποδεικνύουν επίσης βέλτιστες πρακτικές για την ενσωμάτωση αυτών των
τεχνολογιών στη διαδικασία της διάγνωσης, συμβάλλοντας κατ' αυτόν τον τρόπο στη βελτίωση
της ποιότητας ζωής των ατόμων που βρίσκονται στο αυτιστικό φάσμα.
This undergraduate thesis titled "Technologies and Approaches in the Diagnosis of Autism Spectrum Disorder" explores the application of modern technological methods for diagnosing Autism Spectrum Disorder (ASD). Specifically, it focuses on using artificial intelligence, machine learning, and innovative imaging techniques such as eye tracking, electroencephalography (EEG), and functional magnetic resonance imaging (fMRI) to detect and assess the characteristics of autism. Through a systematic review of 20 scientific articles selected based on strict inclusion criteria, the thesis highlights the latest advancements and innovations in autism diagnosis. The analysis of these articles demonstrates that these technological approaches can offer high diagnostic accuracy and effectiveness, particularly when combined with multidimensional methods, such as MRI and machine learning techniques. Moreover, the thesis underscores the potential and challenges associated with implementing these technologies in clinical practice, emphasizing the need for further research and improvement to enhance diagnostic accuracy and promote early interventions for individuals with ASD. The study's findings suggest best practices for integrating these technologies into the diagnostic process, improving the quality of life for individuals on the autism spectrum.
This undergraduate thesis titled "Technologies and Approaches in the Diagnosis of Autism Spectrum Disorder" explores the application of modern technological methods for diagnosing Autism Spectrum Disorder (ASD). Specifically, it focuses on using artificial intelligence, machine learning, and innovative imaging techniques such as eye tracking, electroencephalography (EEG), and functional magnetic resonance imaging (fMRI) to detect and assess the characteristics of autism. Through a systematic review of 20 scientific articles selected based on strict inclusion criteria, the thesis highlights the latest advancements and innovations in autism diagnosis. The analysis of these articles demonstrates that these technological approaches can offer high diagnostic accuracy and effectiveness, particularly when combined with multidimensional methods, such as MRI and machine learning techniques. Moreover, the thesis underscores the potential and challenges associated with implementing these technologies in clinical practice, emphasizing the need for further research and improvement to enhance diagnostic accuracy and promote early interventions for individuals with ASD. The study's findings suggest best practices for integrating these technologies into the diagnostic process, improving the quality of life for individuals on the autism spectrum.
Περιγραφή
Λέξεις-κλειδιά
Αυτισμός, Διαταραχή αυτιστικού φάσματος (ΔΑΦ), Μηχανική μάθηση, Τεχνολογίες διάγνωσης, Τεχνητή νοημοσύνη
Θεματική κατηγορία
Λογοθεραπεία
Παραπομπή
Σύνδεσμος
Γλώσσα
el
Εκδίδον τμήμα/τομέας
Σχολή Επιστημών Υγείας. Τμήμα Λογοθεραπείας
Όνομα επιβλέποντος
Τόκη, Ευγενία
Εξεταστική επιτροπή
Τόκη, Ευγενία
Γενική Περιγραφή / Σχόλια
Ίδρυμα και Σχολή/Τμήμα του υποβάλλοντος
Πανεπιστήμιο Ιωαννίνων. Σχολή Επιστημών Υγείας
Πίνακας περιεχομένων
Χορηγός
Βιβλιογραφική αναφορά
Ονόματα συντελεστών
Αριθμός σελίδων
70 σ.
Λεπτομέρειες μαθήματος
item.page.endorsement
item.page.review
item.page.supplemented
item.page.referenced
Άδεια Creative Commons
Άδεια χρήσης της εγγραφής: Attribution-NonCommercial-NoDerivs 3.0 United States