DI-UMONS : Dépôt institutionnel de l’université de Mons

Recherche transversale
Rechercher
(titres de publication, de périodique et noms de colloque inclus)
2017-03-07 - Colloque/Présentation - poster - Anglais - 0 page(s)

Itani Sarah , Lecron Fabian , Fortemps Philippe , "On Objective Models to Aid in Diagnosing Attention Deficit Hyperactivity Disorder" in Huitième édition montoise du MdC : le Mardi des Chercheurs 2017, UMons, Belgique, 2017

  • Codes CREF : Modèles mathématiques d'aide à la décision (DI1151), Informatique médicale (DI3314), Technologies de l'information et de la communication (TIC) (DI4730), Ingénierie biomédicale (DI3900)
  • Unités de recherche UMONS : Management de l'Innovation Technologique (F113), Mathématique et Recherche opérationnelle (F151)
  • Instituts UMONS : Institut de Recherche en Technologies de l’Information et Sciences de l’Informatique (InforTech)
  • Centres UMONS : Centre de Recherche en Technologie de l’Information (CRTI)

Abstract(s) :

(Anglais) Attention Deficit Hyperactivity Disorder (ADHD) amounts approximately to five percent of children worldwide. This mental trouble leads to a lack of concentration and/or hyperactive-impulsive behaviors. The assessment of ADHD is based on reports from the patients’ surroundings, but there is still no consensus on the neurophysiological bases of the disorder. Therefore, the diagnosis is undeniably subjective. Our work aims at developing models in order to aid in diagnosing ADHD objectively. For such a purpose, we resort to machine learning techniques, in particular, decision trees based on clinical and physiological data.


Mots-clés :
  • (Anglais) Attention Deficit Hyperactivity Disorder
  • (Anglais) Decision trees
  • (Anglais) Machine learning