Journal title
عنوان نشریه
Technology and Research Information System
Literature & Humanities
http://newresearch.medilam.ac.ir
1
admin
doi
fa
jalali
1401
9
1
gregorian
2022
12
1
5
3
online
1
fulltext
fa
طراحی و راه اندازی سامانه تصمیم یار بالینی (CDSS) برای تشخیص بیماری کووید-19
Design and development of Computerized Decision Support System (CDSS) for COVID-19 diagnosis
سایر....
سایر......
بیماری کووید-19 (<span dir="LTR">COVID-19</span>) یک بیماری عفونی و منتشره می باشد که عامل بیماری زایی آن ویروسی به نام سندورم تنفسی حاد شدید کرونا ویروس 2 (<span dir="LTR">SARS-CoV-2</span>) می باشد که باعث آسیب های جدی به دستگاه تنفسی، ایجاد ذات الریه و در مواری منجر به مرگ انسان می گردد. همه گیری گسترده این بیماری، ماهیت حساس پیچیده، چندبعدی و ناشناخته آن، قدرت انتشار بالا، در دسترس نبودن درمان دارویی و ایمن سازی موثر و در نهایت مرگ و میر و بیماری زایی بالا در بین افراد جامعه به خصوص افراد آسیب پذیر موجب شده تا تلاش های فرآوانی در جهت شناسایی موثر<a>، اثربخش </a><a href="#_msocom_1" id="_anchor_1" name="_msoanchor_1" uage="JavaScript"><span dir="RTL">[hI1]</span></a> و کارآمد بیماری در بسیاری از جوامع صورت پذیرد. آثار مخرب ناشی از همه گیری گسترده بیماری کووید-19 و نیز کمبود منابع و امکانات سیستم های بهداشت و درمان در مبارزه با این بیماری، توجه روزافزون نظام های مراقبتی را به استفاده از فناوری های تصمیم یار بالین (<span dir="LTR">CDSS</span>) مجهز به الگوریتم های یادگیری ماشینی می طلبد. از این رو تشخیص صحیح، دقیق و به موقع بیماری کووید-19 از طریق استفاده از فناوری های هوش مصنوعی (<span dir="LTR">Artificial Intelligence</span>) و یادگیری ماشین (<span dir="LTR">Machine Learning</span>) نقش مهمی در بهبود شاخص های بیماری، صرفه جویی در منابع و افزایش رضایتمندی ها را به دنبال خواهد داشت. بنابراین هدف پژوهش حاضر طراحی سیستم کامپیوتری مجهز به نرم افزارهای هوش مصنوعی برای کمک به تشخیص بیماری کووید-19 خواهد بود که پزشک از طریق وارد کردن داده های موارد (<span dir="LTR">cases</span>) به سیستم ، در خصوص بیمار یا سالم بودن آن مورد نظر خواهد داد. <span dir="LTR"></span>
<div>
<hr align="left" size="1" width="33%" >
<div>
<div id="_com_1" uage="JavaScript"><a name="_msocom_1"></a> <a href="#_msoanchor_1">[hI1]</a><span dir="RTL">داور گرامی موارد املایی مجدد بررسی و اعمال گردید. با تشکر</span></div>
</div>
</div>
<span dir="LTR"></span>
Coronavirus disease 2019 (COVID-19) has widely spread all over the world since December2019. This pandemic poses a great threat and challenge to global health and economy. The COVID-19 diagnosis and treatment is very complex, because of its unknown many characteristics. Thus it is crucial to have a framework for an early of its prediction. In this regard, Machines Learning (ML) could be the crucial to extracting high-quality predictive models and concealed patterns from mining of huge raw datasets.<br>
<strong>Purpose</strong>: At this juncture, we aimed to apply different ML models to discover correlations in COVID-19 data that could help improving prediction rate. Additionally, their potential was evaluated to find the best classifier which gives better accuracy. <strong>Material and Methods:</strong> The dataset of Talleghani hospital, COVID-19 focal center affiliated to Abadan University of Medical Sciences have been taken into consideration. ML algorithms such as Naïve Bayesian (NB), Bayesian Net (BN), Random Forest (RF), Multilayer Perceptron ( MLP ), K-star, C4.5, and Support Vector Machine ( SVM ) were developed. Then the recital of selected ML models was assessed by comparison of some performance indices such as accuracy, sensitivity, specificity, precision, F-score, and Receiver Operating Characteristic<strong> (</strong>ROC).
داده کاوی, کووید-19, یادگیری ماشین, تصمیم یار بالین
Data mining, COVID-19, machine learning, decision suppotrt
0
0
http://newresearch.medilam.ac.ir/browse.php?a_code=A-10-2592-6&slc_lang=fa&sid=1
Mostafa
Shanbehzadeh
مصطفی
شنبه زاده
mostafa.shanbezadeh@gmail.com
4520008344
100319475328460051885
Yes
Department of Health Information Management, School of Allied Medical Sciences, Ilam University of Medical sciences, Ilam, Iran
گروه آموزشی فناوری اطلاعات سلامت، دانشکده پیراپزشکی، دانشگاه علوم پزشکی ایلام، ایلام، ایران
Mohamadreza
Kafashian
محمدرضا
کفاشیان
m_r_kaffashian@yahoo.com
3329718927
100319475328460051886
No
Department of Physiology, School of Medicine, Ilam University of Medical sciences, Ilam, Iran
گروه آموزشی فیزیولوژی، دانشکده پزشکی، دانشگاه علوم پزشکی ایلام، ایلام، ایران