Τεχνολογίες και προσεγγίσεις στη διάγνωση της διαταραχής του αυτιστικού φάσματος

dc.contributor.authorΦιτσοπούλου, Ελευθερίαel
dc.contributor.authorΤσίμα, Ιουλίαel
dc.date.accessioned2024-10-24T07:00:04Z
dc.date.available2024-10-24T07:00:04Z
dc.identifier.urihttps://olympias.lib.uoi.gr/jspui/handle/123456789/38486
dc.identifier.urihttp://dx.doi.org/10.26268/heal.uoi.18191
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 United States*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
dc.subjectΑυτισμόςel
dc.subjectΔιαταραχή αυτιστικού φάσματος (ΔΑΦ)el
dc.subjectΜηχανική μάθησηel
dc.subjectΤεχνολογίες διάγνωσηςel
dc.subjectΤεχνητή νοημοσύνηel
dc.titleΤεχνολογίες και προσεγγίσεις στη διάγνωση της διαταραχής του αυτιστικού φάσματοςel
dc.titleTschnologies and approaches to the diagnosis of autism spectrum disorderen
heal.abstractΗ 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.el
heal.abstractThis 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.en
heal.academicPublisherΣχολή Επιστημών Υγείας. Τμήμα Λογοθεραπείαςel
heal.academicPublisherIDuoi
heal.accessfree
heal.advisorNameΤόκη, Ευγενίαel
heal.classificationΛογοθεραπεία
heal.committeeMemberNameΤόκη, Ευγενίαel
heal.dateAvailable2024-10-24T07:01:04Z
heal.fullTextAvailabilitytrue
heal.languageel
heal.numberOfPages70 σ.
heal.publicationDate2024
heal.recordProviderΠανεπιστήμιο Ιωαννίνων. Σχολή Επιστημών Υγείαςel
heal.typebachelorThesis
heal.type.elΠροπτυχιακή/Διπλωματική εργασίαel
heal.type.enBachelor thesisen

Αρχεία

Πρωτότυπος φάκελος/πακέτο

Προβολή: 1 - 1 of 1
Φόρτωση...
Μικρογραφία εικόνας
Ονομα:
ΠΕ_Φιτσοπούλου_Τσίμα_SLT_2024.pdf
Μέγεθος:
795.48 KB
Μορφότυπο:
Adobe Portable Document Format
Περιγραφή:
Πτυχιακή εργασία

Φάκελος/Πακέτο αδειών

Προβολή: 1 - 1 of 1
Φόρτωση...
Μικρογραφία εικόνας
Ονομα:
license.txt
Μέγεθος:
1.71 KB
Μορφότυπο:
Item-specific license agreed upon to submission
Περιγραφή: