طراحی و توسعه نرم افزار هوشمند و بومی پیش بینی مدت زمان بستری در ICU های بیمارستانی

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 831

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICS11_097

تاریخ نمایه سازی: 14 مهر 1392

چکیده مقاله:

یکی از کاربردهای مدرن نرم افزاری در حوزه علم پزشکی، پیش بینی هوشمند میزان شدت بیماری و مدت زمان بستری می باشد. این عمل برای بیماران بخش های ICU با توجه به محدودیت های امکانات این بخش ها، از اهمیت بیشتری برخوردار است. از جمله نرم افزارهای موفق طراحی شده برای مسئله می توان به نرم افزار APACHE اشاره کرد. اما این نرم افزار علاوه بر قیمت چند صد هزار دلاری سه مشکل اساسی دارد. اول این که برای استفاده از آن در کشورهای مختلف باید نسخه بومی همان منطقه طراحی گردد. دوم بروز رسانی دستی این نرم افزار زمان بر و پیچیده است. به علاوه تهیه آن برای کشور ایران به دلایل تحریم های گوناگون بسیار مشکل است. به این منظور نسخه بهبود یافته آن بر اساس داده های بومی و یا قابلیت یادگیری مداوم از تجارب به دست آمده(که نسخه اصلی فاقد آن است) طراحی و توسعه یافت. در این مقاله، پس از بررسی مختصر نسخه های مختلف APACHE روشی مبنی بر طراحی بومی و هوشمند این نرم افزار در ایران بیان شده است. داده های مورد نیاز از سطح بیمارستان ها گرداوری شده و پس از پیش پردازش به عنوان ورودی به سیستم اعمال شده است. قلب سیستم بر پایه شبکه عصبی چند لایه با قابلیت یادگیری می باشد. نتایج حاصل، بیانگر موثر بودن روش ارائه شده می باشد

نویسندگان

عادل علی نژاد کلایی

دانشجوی کارشناسی ارشد مهندسی نرم افزار، دانشگاه صنعتی شیراز

حسن جعفری جرجافکی

دانشجوی کارشناسی ارشد مهندسی نرم افزار، دانشگاه صنعتی شیراز

رضا جاویدان

استادیار گروه فناوری اطلاعات، دانشگاه صنعتی شیراز

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • یازدهمین کنفرانس سیستم‌های هوشمند ایران 9 و 10 اسفند 1391 ...
  • علیرضا نقش و بهارهبهمن پور "پیش گویی زلزله بوسیله شبکه ...
  • منصوراءنژاد و شهرامحمید "پیش بینی نرخ تورم در اقتصاد ایران ...
  • مسیریابی بهینه خطوط مترو با استفاده از شبکه های عصبی مصنوعی [مقاله کنفرانسی]
  • امین روشندل کاهو، عبدالرحیم جواهریان وبابک نجاری اعرابی برآورد سری ...
  • محمد باقر منهاج "مبانی شبکه های عصبی(هوش محاسباتی)"، دانشگاه صنعتی ...
  • Y.R.Ramesh Kumar and A.Govardhan, "Stock Market Prediction ...
  • Technology, Vol. 2(7), pp.3305-3310, 2010. ...
  • A.S.Cofino, R.Cano, C.Sordo and J.M.Gutierrez, "Bayesian Networks for Probabilistic Weather ...
  • _ _ Neural Network for Diagnosis Breast C ancer", IEEE, ...
  • M.Seneff and W.A. Kmaus, "Predicting patient outcome from intensive care ...
  • W.A. Knaus, EA. Draper, D.P.Wagner and J .E.Zimmerman, _ A ...
  • W.A. Knaus, E.A.Draper, D.P.Wagner and J.E. Zimmerman, Al., "The APACHT ...
  • G.S. Shrestha, R. Gurung and R. Amatya, "Comparison of acute ...
  • mortality", Nepal Medical College Journal, 2011. ...
  • J. E. Zimmerman, A.A. Kramer, D.S. McNair and F M. ...
  • patients", Crit Care Med, Vol. 34, No. 5, 2006 ...
  • _ _ _ _ _ Medical Intensive Care Unit", Singapore ...
  • L.Fadaizadeh, R.Tamadon, K.Saeedfar and H.R.Jamaati, ...
  • respiratory intensive care unit in Iran", Elsevier Taiwan U.C., 2012. ...
  • J.Frisch, "Modular Neural Networks For Speech Recogition", Master's Thesis, Department ...
  • _ _ _ Scientific Research ISSN 1450-216X Vol.66 No.1, pp. ...
  • _ _ _ Computers and Communica tions, 2010. ...
  • S.Russell and P.Norving, Artificial Intelligence a Moderm Approach, third edition, ...
  • Hosmer DW, Lemeshow S: Applied Logistic Regression. New York: John ...
  • نمایش کامل مراجع