Please use this identifier to cite or link to this item:
https://olympias.lib.uoi.gr/jspui/handle/123456789/39452Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.author | Γκανάτσιου, Ελευθερία | el |
| dc.contributor.author | Gkanatsiou, Eleutheria | en |
| dc.date.accessioned | 2025-10-02T05:19:47Z | - |
| dc.date.available | 2025-10-02T05:19:47Z | - |
| dc.identifier.uri | https://olympias.lib.uoi.gr/jspui/handle/123456789/39452 | - |
| dc.rights | Attribution-NonCommercial-NoDerivs 3.0 United States | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/us/ | * |
| dc.subject | Διαταραχή αυτιστικού φάσματος (ΔΑΦ) | el |
| dc.subject | Τεχνητή νοημοσύνη | el |
| dc.subject | Μηχανική μάθηση | el |
| dc.subject | Autism spectrum disorder (ASD) | en |
| dc.subject | Artificial intelligence | en |
| dc.subject | Machine learning | en |
| dc.subject | Eye tracking | en |
| dc.title | Τεχνολογία και πρώιμη ανίχνευση του αυτισμού | el |
| dc.title | Technology and early screening in autism | en |
| heal.type | bachelorThesis | el |
| heal.type.en | Bachelor thesis | en |
| heal.type.el | Προπτυχιακή/Διπλωματική εργασία | el |
| heal.classification | Αυτισμός | el |
| heal.dateAvailable | 2025-10-02T05:20:47Z | - |
| heal.language | el | el |
| heal.access | free | el |
| heal.recordProvider | Πανεπιστήμιο Ιωαννίνων. Σχολή Επιστημών Υγείας. Τμήμα Λογοθεραπείας | el |
| heal.publicationDate | 2025 | - |
| heal.abstract | Η παρούσα συστηματική ανασκόπηση της βιβλιογραφίας επικεντρώνεται στη μελέτη και αξιολόγηση σύγχρονων τεχνολογικών προσεγγίσεων που συμβάλλουν στον εντοπισμό της διαταραχής του αυτιστικού φάσματος (ΔΑΦ). Πιο συγκεκριμένα, εξετάζονται τεχνολογίες όπως το Eye Tracking, η Μηχανική Μάθηση (Machine Learning), το Ηλεκτροεγκεφαλογράφημα (EEG), η Μαγνητική Τομογραφία (MRI) αλλά και πιο καινοτόμες λύσεις όπως οι Φορετοί Αισθητήρες, τα Ρομπότ, οι Ψηφιακές Εφαρμογές (Apps), η Τεχνητή Νοημοσύνη (AI). Η παρούσα μελέτη στηρίζεται σε εμπεριστατωμένη ανασκόπηση 33 επιστημονικών δημοσιεύσεων, επιλεγμένων με αυστηρά κριτήρια εγκυρότητας και συνάφειας που βασίζονται στο PRISMA 2020. Μέσα από την ανάλυση αυτών των πηγών, αναδεικνύονται οι πλέον πρόσφατες τεχνολογικές εξελίξεις και οι καινοτόμες προσεγγίσεις που εφαρμόζονται στη πρώιμη ανιχνευτική διαδικασία της Διαταραχής Αυτιστικού Φάσματος (ΔΑΦ). Στα αποτελέσματα, κάθε τεχνολογία αναλύεται επαρκώς, ως προς τον τρόπο εφαρμογής της, τα οφέλη που προσφέρει αλλά και τους περιορισμούς που τη συνοδεύουν. Ιδιαίτερη έμφαση δίνεται στον συνδυασμό τεχνολογιών, με τους αλγορίθμους της μηχανικής μάθησης και της τεχνητής νοημοσύνης. Καθώς οι τεχνολογίες συνεχώς εξελίσσονται, καθίσταται απαραίτητη η συνέχιση της έρευνας στον τομέα αυτό, παραθέτοντας προτάσεις, με στόχο την συνεχή βελτίωση και αξιοπιστία των ανιχνευτικών εργαλείων, προσφέροντας τη δυνατότητα για έγκαιρη παρέμβαση, στοχευμένη υποστήριξη και ουσιαστική βελτίωση της ποιότητας ζωής τόσο του ατόμου όσο και του ευρύτερου οικογενειακού του περιβάλλοντος. | el |
| heal.abstract | This systematic literature review focuses on the study and evaluation of modern technological approaches that contribute to the detection of Autism Spectrum Disorder (ASD). More specifically, technologies such as Eye Tracking, Machine Learning (ML), Electroencephalography (EEG), Magnetic Resonance Imaging (MRI), as well as more innovative solutions like Wearable Sensors, Robots, Digital Applications (Apps), and Artificial Intelligence (AI) are examined. This study is based on a thorough review of 33 scientific publications, selected according to strict criteria of validity and relevance, based on PRISMA 2020. Through the analysis of these sources, the most recent technological developments and innovative approaches applied to the early detection process of Autism Spectrum Disorder (ASD) are highlighted. In the results, each technology is adequately analyzed in terms of its application, the benefits it offers, as well as the limitations that accompany it. Particular emphasis is placed on the combination of technologies with algorithms of machine learning and artificial intelligence. As these technologies are constantly evolving, it is necessary to continue research in this field, citing proposals, to continuously improve and reliability of detection tools, enabling the possibility of early intervention, targeted support, and thus significant improvement in the quality of life both for the individuals and their broader family environment. | en |
| heal.advisorName | Τόκη, Ευγενία | el |
| heal.committeeMemberName | Τόκη, Ευγενία | el |
| heal.academicPublisher | Σχολή Επιστημών Υγείας. Τμήμα Λογοθεραπείας | el |
| heal.academicPublisherID | uoi | el |
| heal.numberOfPages | 78 σ. | el |
| heal.fullTextAvailability | true | - |
| Appears in Collections: | Πτυχιακές Εργασίες Προπτυχιακών Φοιτητών | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| Π.Ε. Γκανάτσιου Ελευθερία (2025).pdf | 1.1 MB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License
