Senarai Penerbitan
Terdapat sebilangan besar penyelidikan berkaitan autisme yang boleh dijumpai di Malaysia yang umumnya menumpukan pada ASD, gangguan pembelajaran, alat bantu komunikasi, terapi dan banyak lagi. Senarai penerbitan disediakan di bawah:
- Klik ini untuk mencari menggunakan kata kunci yang ditentukan oleh pengguna.
- Ia akan membawa kepada laman web baru dengan kotak carian teks.
- Taip kata kunci anda di kotak carian
- Klik pada Kata kunci untuk mencari sebarang penerbitan. Kata yang lebih besar menunjukkan tanda yang paling banyak digunakan dan kata yang lebih kecil menunjukkan yang paling sedikit digunakan.
- Klik pada butang lungsur untuk memilih bertahun-tahun, jenis penerbitan atau pengarang pilihan anda.
- Klik pada perkataan bergaris bawah dalam perincian penerbitan untuk melihat lebih banyak maklumat.
2018 |
Cth, N A N; Ibrahim, M Saya; Rahman, A A; Bakar ia, R S; Yahaya, N A; Hussin, S; Arifin, W N Jurnal Antarabangsa Penyelidikan Alam Sekitar dan Kesihatan Awam, 15 (11), 2018, ISSN: 16617827, (dipetik oleh 2). Abstrak | Pautan | BibTeX | Tag: Dewasa, Artikel, Autisme, Gangguan Spektrum Autisme, Pengasuh, Penjagaan Kanak-kanak, Hubungan Ibu Bapa Anak, Anak-anak, Kajian Lintas Bahagian, Analisis Faktor, Perempuan, Garis panduan, Sikap Kakitangan Kesihatan, Perkhidmatan kesihatan, Pekerja kesihatan, Manusia, Kelantan, Fungsi Kemungkinan, Skala Likert, Malaysia, Lelaki, Analisis Kemungkinan Maksimum, Kesihatan mental, Perkhidmatan Kesihatan Mental, Ibu bapa, Skala Kepuasan Ibu Bapa Versi Bahasa Melayu, Kepuasan Peribadi, Garis Panduan Amalan, Skala Penarafan Psikologi, Psikologi, Penerbitan, Soal selidik, Kebolehulangan, Kebolehulangan Keputusan, Kepuasan hati, Model Statistik, Statistik, Tinjauan, Pusat Jagaan Tertiari, Terjemahan, Kajian Pengesahan, West Malaysia @artikel{Adib2018, tajuk = {Terjemahan dan pengesahan skala kepuasan ibu bapa versi bahasa melayu (Pss-m) untuk penilaian kepuasan penjaga terhadap perkhidmatan penjagaan kesihatan untuk kanak-kanak yang mengalami gangguan spektrum autisme}, pengarang = {N A N Adib and M I Ibrahim and A A Rahman and R S Bakar and N A Yahaya and S Hussin and W N Arifin}, url = {https://www.scopus.com/inward/record.uri?eid=2-s2.0-85056090545&doi=10.3390/ijerph15112455&rakan kongsi = 40&md5=53650806d46343cc3e95c9b30442f79c}, doi = {10.3390/ijerph15112455}, terbitan = {16617827}, tahun = {2018}, tarikh = {2018-01-01}, jurnal = {Jurnal Antarabangsa Penyelidikan Alam Sekitar dan Kesihatan Awam}, isi padu = {15}, nombor = {11}, penerbit = {MDPI AG}, abstrak = {Latar belakang: Skala Kepuasan Ibu Bapa versi Bahasa Melayu (PSS-M) diperlukan untuk menyiasat faktor-faktor yang menyumbang kepada kepuasan pengasuh Melayu terhadap pengurusan penjagaan kesihatan untuk kanak-kanak yang mengalami gangguan spektrum autisme. (ASD). Matlamat kajian adalah untuk menterjemah dan mengesahkan soal selidik untuk menilai kepuasan penjaga terhadap perkhidmatan penjagaan kesihatan. Kaedah: Kajian keratan rentas telah dijalankan di kalangan 110 penjaga kanak-kanak dengan ASD berumur antara 2 dan 17 tahun yang menerima rawatan di dua pusat jagaan tinggi di Kelantan. Kebenaran untuk menggunakan borang soal selidik PSS versi asal telah diperolehi. Versi Inggeris asal PSS telah diterjemahkan ke dalam versi Bahasa Melayu berikutan 10 langkah yang dicadangkan oleh garis panduan yang ditetapkan. Pra-ujian PSS telah dijalankan dengan 30 penjaga sebelum analisis faktor pengesahan (CFA) ditubuhkan menggunakan 110 penjaga. Mereka diminta menilai kefahaman mereka terhadap soal selidik. Soal selidik satu dimensi terdiri daripada 11 barang, termasuk sikap kakitangan, ketersediaan kakitangan, sokongan, dan suka menolong. Skala Likert 5 mata memberikan penilaian daripada 1 (sangat tidak setuju) ke 5 (sangat bersetuju). Analisis faktor pengesahan dilakukan menggunakan penganggar kemungkinan maksimum yang teguh. Keputusan: Analisis menunjukkan data kesesuaian model dengan kebolehpercayaan yang baik. Kesimpulannya: PSS-M menunjukkan kecergasan model keseluruhan berdasarkan indeks tertentu, dengan kesahan konstruk yang baik dan kebolehpercayaan mutlak yang sangat baik untuk menentukan tahap kepuasan penjaga kanak-kanak dengan ASD berkenaan dengan perkhidmatan penjagaan kesihatan. © 2018, MDPI AG. Hak cipta terpelihara.}, nota = {dipetik oleh 2}, kata kunci = {Dewasa, Artikel, Autisme, Gangguan Spektrum Autisme, Pengasuh, Penjagaan Kanak-kanak, Hubungan Ibu Bapa Anak, Anak-anak, Kajian Lintas Bahagian, Analisis Faktor, Perempuan, Garis panduan, Sikap Kakitangan Kesihatan, Perkhidmatan kesihatan, Pekerja kesihatan, Manusia, Kelantan, Fungsi Kemungkinan, Skala Likert, Malaysia, Lelaki, Analisis Kemungkinan Maksimum, Kesihatan mental, Perkhidmatan Kesihatan Mental, Ibu bapa, Skala Kepuasan Ibu Bapa Versi Bahasa Melayu, Kepuasan Peribadi, Garis Panduan Amalan, Skala Penarafan Psikologi, Psikologi, Penerbitan, Soal selidik, Kebolehulangan, Kebolehulangan Keputusan, Kepuasan hati, Model Statistik, Statistik, Tinjauan, Pusat Jagaan Tertiari, Terjemahan, Kajian Pengesahan, West Malaysia}, pubstate = {diterbitkan}, tppubtype = {artikel} } Latar belakang: Skala Kepuasan Ibu Bapa versi Bahasa Melayu (PSS-M) diperlukan untuk menyiasat faktor-faktor yang menyumbang kepada kepuasan pengasuh Melayu terhadap pengurusan penjagaan kesihatan untuk kanak-kanak yang mengalami gangguan spektrum autisme. (ASD). Matlamat kajian adalah untuk menterjemah dan mengesahkan soal selidik untuk menilai kepuasan penjaga terhadap perkhidmatan penjagaan kesihatan. Kaedah: Kajian keratan rentas telah dijalankan di kalangan 110 penjaga kanak-kanak dengan ASD berumur antara 2 dan 17 tahun yang menerima rawatan di dua pusat jagaan tinggi di Kelantan. Kebenaran untuk menggunakan borang soal selidik PSS versi asal telah diperolehi. Versi Inggeris asal PSS telah diterjemahkan ke dalam versi Bahasa Melayu berikutan 10 langkah yang dicadangkan oleh garis panduan yang ditetapkan. Pra-ujian PSS telah dijalankan dengan 30 penjaga sebelum analisis faktor pengesahan (CFA) ditubuhkan menggunakan 110 penjaga. Mereka diminta menilai kefahaman mereka terhadap soal selidik. Soal selidik satu dimensi terdiri daripada 11 barang, termasuk sikap kakitangan, ketersediaan kakitangan, sokongan, dan suka menolong. Skala Likert 5 mata memberikan penilaian daripada 1 (sangat tidak setuju) ke 5 (sangat bersetuju). Analisis faktor pengesahan dilakukan menggunakan penganggar kemungkinan maksimum yang teguh. Keputusan: Analisis menunjukkan data kesesuaian model dengan kebolehpercayaan yang baik. Kesimpulannya: PSS-M menunjukkan kecergasan model keseluruhan berdasarkan indeks tertentu, dengan kesahan konstruk yang baik dan kebolehpercayaan mutlak yang sangat baik untuk menentukan tahap kepuasan penjaga kanak-kanak dengan ASD berkenaan dengan perkhidmatan penjagaan kesihatan. © 2018, MDPI AG. Hak cipta terpelihara. |
Hariharan, M; Sindhu, R; Vijean, V; Yazid, H; Nadarajaw, T; Yaacob, S; Polat, K Improved binary dragonfly optimization algorithm and wavelet packet based non-linear features for infant cry classification Artikel Jurnal Computer Methods and Programs in Biomedicine, 155 , hlm. 39-51, 2018, ISSN: 01692607, (dipetik oleh 21). Abstrak | Pautan | BibTeX | Tag: Accidents, Algoritma, Artikel, Artificial Neural Network, Asphyxia, Binary Dragonfly Optimization Aalgorithm, Pengelasan (maklumat), Classification Algorithm, Pengelas, Coding, Computer-Assisted, Constants and Coefficients, Crying, Database Systems, Databases, Deafness, Diagnosis, Energy, Entropy, Pengekstrakan, Extreme Learning Machine, Factual, Factual Database, Pengekstrakan Ciri, Kaedah Pemilihan Ciri, Fuzzy System, Hearing Impairment, Manusia, Kelaparan, Bayi, Infant Cry, Infant Cry Classifications, Jaundice, Kernel Method, Belajar, Linear Predictive Coding, Pembelajaran Mesin, Mathematical Transformations, Mel Frequency Cepstral Coefficient, Pekali Cepstral Frekuensi Mel, Multi-Class Classification, Rangkaian Neural, Nonlinear Dynamics, Nonlinear System, Optimization, Pain, Patofisiologi, Prematurity, Kebolehulangan, Kebolehulangan Keputusan, Pemprosesan isyarat, Pengenalan suara, Wavelet Analysis, Wavelet Packet, Paket Wavelet Berubah @artikel{Hariharan201839, tajuk = {Improved binary dragonfly optimization algorithm and wavelet packet based non-linear features for infant cry classification}, pengarang = {M Hariharan and R Sindhu and V Vijean and H Yazid and T Nadarajaw and S Yaacob and K Polat}, url = {https://www.scopus.com/inward/record.uri?eid=2-s2.0-85036611215&doi=10.1016%2fj.cmpb.2017.11.021&rakan kongsi = 40&md5=1f3b17817b00f07cadad6eb61c0f4bf9}, doi = {10.1016/j.cmpb.2017.11.021}, terbitan = {01692607}, tahun = {2018}, tarikh = {2018-01-01}, jurnal = {Computer Methods and Programs in Biomedicine}, isi padu = {155}, halaman = {39-51}, penerbit = {Elsevier Ireland Ltd}, abstrak = {Background and objective Infant cry signal carries several levels of information about the reason for crying (hunger, pain, sleepiness and discomfort) or the pathological status (asphyxia, deaf, jaundice, premature condition and autism, etc.) of an infant and therefore suited for early diagnosis. Dalam kerja ini, combination of wavelet packet based features and Improved Binary Dragonfly Optimization based feature selection method was proposed to classify the different types of infant cry signals. Methods Cry signals from 2 different databases were utilized. First database contains 507 cry samples of normal (N), 340 cry samples of asphyxia (A), 879 cry samples of deaf (D), 350 cry samples of hungry (H) dan 192 cry samples of pain (P). Second database contains 513 cry samples of jaundice (J), 531 samples of premature (Prem) dan 45 samples of normal (N). Wavelet packet transform based energy and non-linear entropies (496 ciri-ciri), Linear Predictive Coding (LPC) based cepstral features (56 ciri-ciri), Mel-frequency Cepstral Coefficients (MFCCs) were extracted (16 ciri-ciri). The combined feature set consists of 568 ciri-ciri. To overcome the curse of dimensionality issue, improved binary dragonfly optimization algorithm (IBDFO) was proposed to select the most salient attributes or features. Akhirnya, Extreme Learning Machine (ELM) kernel classifier was used to classify the different types of infant cry signals using all the features and highly informative features as well. Results Several experiments of two-class and multi-class classification of cry signals were conducted. In binary or two-class experiments, maximum accuracy of 90.18% for H Vs P, 100% for A Vs N, 100% for D Vs N and 97.61% J Vs Prem was achieved using the features selected (only 204 features out of 568) by IBDFO. For the classification of multiple cry signals (multi-class problem), the selected features could differentiate between three classes (N, A & D) with the accuracy of 100% and seven classes with the accuracy of 97.62%. Conclusion The experimental results indicated that the proposed combination of feature extraction and selection method offers suitable classification accuracy and may be employed to detect the subtle changes in the cry signals. © 2017 Elsevier B.V.}, nota = {dipetik oleh 21}, kata kunci = {Accidents, Algoritma, Artikel, Artificial Neural Network, Asphyxia, Binary Dragonfly Optimization Aalgorithm, Pengelasan (maklumat), Classification Algorithm, Pengelas, Coding, Computer-Assisted, Constants and Coefficients, Crying, Database Systems, Databases, Deafness, Diagnosis, Energy, Entropy, Pengekstrakan, Extreme Learning Machine, Factual, Factual Database, Pengekstrakan Ciri, Kaedah Pemilihan Ciri, Fuzzy System, Hearing Impairment, Manusia, Kelaparan, Bayi, Infant Cry, Infant Cry Classifications, Jaundice, Kernel Method, Belajar, Linear Predictive Coding, Pembelajaran Mesin, Mathematical Transformations, Mel Frequency Cepstral Coefficient, Pekali Cepstral Frekuensi Mel, Multi-Class Classification, Rangkaian Neural, Nonlinear Dynamics, Nonlinear System, Optimization, Pain, Patofisiologi, Prematurity, Kebolehulangan, Kebolehulangan Keputusan, Pemprosesan isyarat, Pengenalan suara, Wavelet Analysis, Wavelet Packet, Paket Wavelet Berubah}, pubstate = {diterbitkan}, tppubtype = {artikel} } Background and objective Infant cry signal carries several levels of information about the reason for crying (hunger, pain, sleepiness and discomfort) or the pathological status (asphyxia, deaf, jaundice, premature condition and autism, etc.) of an infant and therefore suited for early diagnosis. Dalam kerja ini, combination of wavelet packet based features and Improved Binary Dragonfly Optimization based feature selection method was proposed to classify the different types of infant cry signals. Methods Cry signals from 2 different databases were utilized. First database contains 507 cry samples of normal (N), 340 cry samples of asphyxia (A), 879 cry samples of deaf (D), 350 cry samples of hungry (H) dan 192 cry samples of pain (P). Second database contains 513 cry samples of jaundice (J), 531 samples of premature (Prem) dan 45 samples of normal (N). Wavelet packet transform based energy and non-linear entropies (496 ciri-ciri), Linear Predictive Coding (LPC) based cepstral features (56 ciri-ciri), Mel-frequency Cepstral Coefficients (MFCCs) were extracted (16 ciri-ciri). The combined feature set consists of 568 ciri-ciri. To overcome the curse of dimensionality issue, improved binary dragonfly optimization algorithm (IBDFO) was proposed to select the most salient attributes or features. Akhirnya, Extreme Learning Machine (ELM) kernel classifier was used to classify the different types of infant cry signals using all the features and highly informative features as well. Results Several experiments of two-class and multi-class classification of cry signals were conducted. In binary or two-class experiments, maximum accuracy of 90.18% for H Vs P, 100% for A Vs N, 100% for D Vs N and 97.61% J Vs Prem was achieved using the features selected (only 204 features out of 568) by IBDFO. For the classification of multiple cry signals (multi-class problem), the selected features could differentiate between three classes (N, A & D) with the accuracy of 100% and seven classes with the accuracy of 97.62%. Conclusion The experimental results indicated that the proposed combination of feature extraction and selection method offers suitable classification accuracy and may be employed to detect the subtle changes in the cry signals. © 2017 Elsevier B.V. |