جستجو در مقالات منتشر شده


۳ نتیجه برای طبقه بندی

رضا صفدری، مجید ملکی، ولی اله قربانی،
دوره ۳، شماره ۲ - ( ۶-۱۳۸۸ )
چکیده

زمینه و هدف: امروزه بیماریهای قلب و عروق مهمترین چالش نظام سلامت در جهان است. پیشگیری و مدیریت بیماریهای قلب و عروق نیاز به یک سامانه فراگیر و جامع برای ثبت داده‌ها دارد. اطلاعات موجود در پرونده بیمار یکی از مهمترین داده‌هایی است که باید در راستای سهولت و تسریع فرایند درمان طبقه‌بندی شود. هدف از این پژوهش مقایسه سامانه طبقه‌بندی بیماریهای قلب و عروق در کشورهای توسعه یافته با ایران برای بهبود سیاستهای بهداشت و درمان در جهت مبارزه با بیماریهای قلب و عروق در ایران است.
روش بررسی: پژوهش حاضر به روش مروری- مقایسه‌ای در سال۸۷-۱۳۸۶ انجام شده است. جامعه پژوهش سامانه‌های طبقه‌بندی بیماریهای قلب و عروق در کشورهای امریکا، استرالیا، انگلیس و کانادا بوده است. ابزار گردآوری داده‌ها در این بررسی از طریق جستجو در کتابها، نشریات، اینترنت و همچنین مکاتبه با کشورهای توسعه یافته بود. تحلیل این سامانه‌ها با استفاده از اطلاعات موجود در جداول مقایسه‌ای انجام شد. در این پژوهش فصول و مباحث مربوط به بیماریهای قلب و عروق در سامانه‌ طبقه‌بندی بیماریها در کشور ایران نیز بررسی شد.
یافته‌ها: در کلیه کشورهای توسعه یافته سامانه طبقه‌بندی بیماریها بصورت ملی در آمده است تا نیازهای بهداشتی آن کشور را برای طبقه‌بندی بیماریهای قلب و عروق برآورده کند. در کشورهای توسعه یافته به استثنای انگلیس از یک مدل طبقه بندی چند محوری استفاده شده است. در این مدل استفاده از استانداردهای مراقبت بهداشت، آموزش از راه دور، برنامه‌های آموزش سالیانه و مشاوره با متخصصین قلب و عروق دیده شد. ایران فاقد سامانه ملی طبقه‌بندی بیماریهای قلب و عروق بود.
بحث و نتیجه‌گیری: در راستای بهبود مدیریت و پیشگیری از بیماریهای قلب و عروق در ایران ایجاد سامانه ملی طبقه‌بندی بیماریهای قلب و عروق نقش موثری خواهد داشت.


مصطفی لنگری زاده، رزی محمود،
دوره ۸، شماره ۳ - ( ۶-۱۳۹۳ )
چکیده

 زمینه و هدف: احتمال ابتلا به سرطان سینه با افزایش فشردگی بافت سینه بیشتر می‌شود. فشردگی بافت به وجود سلولهای غدد شیری در بافت نرم سینه وابسته است. بنابراین، کشف غدد سرطانی در سینه‌های فشرده مستلزم توجه بیشتر از سوی پزشکان است. هدف اصلی این مقاله ارائه روش کمی برای تعیین و دسته بندی فشردگی بافت سینه در تصاویر ماموگرام دیجیتال با استفاده از منطق فازی می‌باشد.

 روش بررسی: این پژوهش از نوع مقطعی و توسعه‌ای است که منجر به پیشنهاد و توسعه‌ی یک نظام جدید می‌گردد. جامعه پژوهش مشتمل بر کلیه بیمارانی بود که به مرکز ملی سرطان مالزی برای انجام ماموگرافی بین سال‌های ۲۰۱۰ تا ۲۰۱۱ مراجعه نموده‌اند. حجم نمونه، مشتمل بر ۲۲۰ تصویر ماموگرام بود که به صورت تصادفی از بین تصاویر موجود در بانک اطلاعات مرکز ملی سرطان مالزی انتخاب گردید. برای تعیین میزان انطباق پاسخ‌های این نظام با تشخیص پزشک، از آزمون کاپا در محیط نرم افزار SPSS استفاده شد.

 یافته‌ها: براساس نتایج بدست آمده، در ۸/۹۲ درصد موارد فشردگی بافت سینه بدرستی تشخیص داده شد و همبستگی شدیدی بین نتایج حاصل از سیستم و نظر رادیولوژیست‌ها وجود داشت(۰۰۰۱/۰ p= ، ۸۷/۰ k= ).

 نتیجه‌گیری: نتایج حاصل از سیستم پیشنهادی نسبت به موارد مشابه از کارایی بیشتری برخوردار بود؛ در نتیجه می‌توان استنباط نمود که از منطق فازی در این زمینه می‌توان بهره مند گردید. به علاوه، استفاده از اینگونه نظام‌ها کمک موثری برای پزشکان خواهد بود.


رضا صفدری، ملیحه کدیور، پریناز تبری، هالا شاوکی اون،
دوره ۱۱، شماره ۵ - ( ۱۰-۱۳۹۶ )
چکیده

زمینه و هدف: زردی در نوزادان مبحثی است که برای متخصصان در سراسر دنیا بسیار مهم تلقی می شود. زیرا این بیماری یکی از عمده ترین وضعیت هایی است که به توجه بالینی نیازمند است. هدف از انجام این پژوهش استفاده از تکنیک های طبقه بندی داده ها برای پیش بینی به موقع نوع زردی نوزادان و در نتیجه پیشگیری از آسیب های جبران ناپذیر به سلامت نوزادان بوده است.
روش بررسی: این پژوهش از نوع توصیفی بوده و با استفاده از مجموعه داده های جمع آوری شده درباره ی زردی نوزادان در شهر قاهره مصر انجام شده است. در این بررسی پس از پیش پردازش داده ها، تکنیک های داده کاوی از قبیل درخت تصمیم، Naïve Bayes و k)kNN نزدیکترین همسایه) در نرم افزار Orange بررسی، مقایسه و تحلیل شده است.
یافته ها: یافته های حاصل از پژوهش نشان داد که الگوریتم درخت تصمیم با دقت ۹۴ درصد، الگوریتم Naïve Bayes با دقت ۹۱ درصد و الگوریتم نزدیک ترین همسایه با دقت ۸۹ درصد نوع زردی در نوزادان را طبقه بندی می کنند. بنابراین بهترین الگوریتم از لحاظ دقت عملکرد در بین روش های طبقه بندی کننده، الگوریتم درخت تصمیم شناخته شد. 
نتیجه گیری: استفاده از الگوریتم های طبقه بندی در ساخت سیستم های تصمیم یار می تواند به پزشکان در تصمیم گیری درباره نوع بیماری ها کمک کند و متخصصان می توانند برای رسیدگی به بیماران متناسب با نوع بیماری اقدام کنند که طی آن مخاطرات احتمالی در اثر عدم شناسایی به موقع یا صحیح بیماری کاهش خواهد یافت. 


صفحه ۱ از ۱     

کلیه حقوق این وب سایت متعلق به پیاورد سلامت می باشد.

طراحی و برنامه نویسی: یکتاوب افزار شرق

© 2025 , Tehran University of Medical Sciences, CC BY-NC 4.0

Designed & Developed by : Yektaweb