مقدمه: اوتیسم نوعی اختلال رشدی است که در درجه اول تعاملات و ارتباطات اجتماعی را مختل می‌سازد. این اختلال درمان قطعی ندارد بنابراین تشخیص زودهنگام برای کاهش این اثرات مهم است. هدف از این مطالعه شناسایی افراد مبتلا به اوتیسم براساس اطلاعات ثبت شده از الگوی راه رفتن آن‌ها به وسیله حسگر کینکت است.
روش بررسی: در این پژوهش با استفاده از روش یادگیری ماشین مبتنی بر اطلاعات ثبت شده از موقعیت قرارگیری مفاصل هنگام راه رفتن توسط حسگر کینکت، افراد مبتلا به اوتیسم شناسایی شدند. ابتدا، گروه ویژگی‌های آماری از دادگان کینکت استخراج شد که شامل موقعیت مفاصل و زوایای بین آن‌ها است. سپس ویژگی‌های استخراج شده با استفاده از آزمون آماری تحلیل واریانس بررسی و ویژگی‌های بهینه انتخاب شدند. در نهایت با استفاده از طبقه‌بند درخت تصمیم طبقه‌بندی انجام شد.
یافته‌ها: در این مقاله با استفاده از طبقه بند درخت تصمیم و ۴۲ ویژگی بهینه انتخاب شده مبتنی بر تحلیل آماری، طبقه‌بندی گروه سالم و بیمار انجام شد و صحت ۸۵ درصد به‌دست آمد. میزان حساسیت و ویژه‌بودن به‌دست آمده در این طبقه‌بندی، به ترتیب ۸۸ و ۸۲ درصد است.
نتیجه‌گیری: با توجه به نتایج طبقه‌بندی انجام شده، مشاهده می‌شود که این پژوهش توانست با استفاده از بردار ویژگی با بعد کم که به‌وسیله تحلیل آماری به‌دست آمده بود، به صحت قابل قبولی دست یابد. در این پژوهش نشان داده شد که تنها با داشتن موقعیت قرارگیری چند مفصل می‌توان افراد مبتلا به اوتیسم را از افراد سالم طبقه‌بندی کرد. پیشنهاد می‌گردد در پژوهش‌های آتی با استفاده از این روش میزان بهبودی یا کنترل اوتیسم در افراد را پس از انجام روش‌های درمانی اندازه‌گیری کنند.
