پایان نامه ارشد رایگان درمورد داده کاوی، بیمارستان، فناوری اطلاعات

به نام خدا
اظهارنامه
اینجانب محمد مهدی تورنجی(9170013) دانشجوی رشتهی مهندسی فناوری اطلاعات گرایش مدیریت تجارت الکترونیک دانشکدهی آموزش های الکترونیکی دانشگاه شیراز اظهار می کنم که این پایان نامه حاصل پژوهش خودم بوده و در جاهایی که از منابع دیگران استفاده کرده ام، نشانی دقیق و مشخصات کامل آن را نوشته ام. همچنین اظهار می کنم که تحقیق و موضوع پایان‌نامه‌ام تکراری نیست و تعهد می نمایم که بدون مجوز دانشگاه دستاوردهای آن را منتشر ننموده و یا در اختیار غیر قرار ندهم. کلیه حقوق این اثر مطابق با آیین نامه مالکیت فکری و معنوی متعلق به دانشگاه شیراز است.
محمد مهدی تورنجی
تاریخ و امضاء:11/11/93
به نام خدا
بهینه سازی خرید دارو با استفاده از داده کاوی
به وسیلهی :
محمد مهدی تورنجی
پایان نامه
ارائه شده به تحصیلات تکمیلی دانشگاه به عنوان بخشی
از فعالیتهای تحصیلی لازم برای اخذ درجه کارشناسی ارشد
در رشته‌ی:
مهندسی فناوری اطلاعات – تجارت الکترونیک
از دانشگاه شیراز
شیراز
جمهوری اسلامی ایران
ارزیابی شده توسط کمیته پایاننامه با درجه :
دکتر …………………، استادیار بخش ……………………..(رئیس کمیته) ………………………….
دکتر …………………، استادیار بخش ………………………………………………………………………….
دکتر ………………..، استادیار بخش …………………………………………………………………………..
بهمن ماه 1393
تقدیم به آنان که به من آموختتند
و تقدیم به خانواده و همسرم
که با شکیبایی و مهربانی در کنارم بودند…
سپاسگزاری
اکنون که این پایان‌نامه به پایان رسیده است بر خود لازم می‌دانم تا از زحمات بی‌دریغ استاد بزرگوارم جناب آقای دکتر رضا بوستانی که از آغاز تا پایان کار با راهنمایی‌های ارزشمند خود زمینه ساز پیشرفت پایان‌نامه شدند و در این راه زحمات فراوانی را بر دوش گرفتند، نهایت سپاس و قدردانی را داشته باشم.
همچنین از استاد بزرگوار، جناب آقای دکتر سید محمد رضا موسوی که به عنوان استاد مشاور در این پژوهش بنده را همراهی کردند سپاسگزارم.
صمیمانه از همراهی و همکاری دوستان و همکارانم در واحد فناوری اطلاعات بیمارستان پاستور و همچنین جناب آقای مهندس کلانی، خانم مهندس منصوره رضایی، خانم دکتر پریسا ایزدی، آقای دکتر حمید رضا صدیقی کمال تشکر و قدرانی را دارم.
چکیده
بهینه سازی خرید دارو با استفاده از داده کاوی
به کوشش
محمد مهدی تورنجی
توسعهی استفاده از فناوری اطلاعات در بهداشت و درمان علاوه بر مزایای فراوان باعث می شود تا حجم زیادی از دادههای مرتبط، در دسترس قرار بگیرند. با بکارگیری داده کاوی بر روی داده های موجود می توان تصمیم گیریها و فرایندهای مدیریتی را بهبود بخشید. در این پایان نامه تلاش شده است ضمن بررسی الگوریتمهای مختلف داده کاوی مدلی جهت پیش بینی مصرف دارو در داروخانههای بیمارستانها ارائه گردد. مجموعه داده در نظر گرفته شده مربوط به سیستم اطلاعات بیمارستان پاستور شهرستان بم می باشد که در مدت 5 سال در پایگاه داده سیستم اطلاعات این بیمارستان ذخیره شده است. برای پیش بینی مصرف دارو عملکرد مدلهای MLP، SVR، ADABOOST.R، BAGTREE، LR، LSSVR مورد بررسی قرار می گیرد. دقت پیش بینی بر اساس معیارها MSE ,RMSE ,MAE وR2 ارزیابی می گردد. طبق نتایج بدست آمده عملکرد مدل BAGTREE در روش های مختلف بهتر از سایر مدل ها بوده است.
واژگان کلیدی : سیستم های اطلاعات بیمارستان، پیش بینی، خرید دارو، داروخانه
فهرست مطالب
عنوان صفحه
فصل 1- مقدمه 2
1-1- فناوری اطلاعات در بهداشت و درمان 2
1-2- داروخانه های بیمارستانی 3
1-3- داده کاوی 3
1-3-1- داده کاوی چیست؟ 3
1-3-2- تكنیك های مختلف داده كاوی 4
1-3-2-1-انواع تکنیک داده کاوی 5
1-4- بیان مسئله 6
1-5- اهداف تحقیق 8
1-6- سوالات وفرضیات تحقیق 9
1-6-1- سوالات 9
1-6-2- فرضیات تحقیق 9
1-7- فصول پایان نامه 9
فصل 2- پیشینه پژوهشی 12
2-1- جمع بندی 24
فصل 3- مروری بر ادبیات تحقیق و مبانی نظری 26
3-1- سیستم های اطلاعات بیمارستان 26
3-2- تعريف و مفهوم سيستم اطلاعات بيمارستاني 28
3-2-1– اهداف سیستم اطلاعات بیمارستانی 29
3-2-2- اهمیت و ضرورت راه‌اندازی سیستم اطلاعات بیمارستانی 30
3-2-3- مزایایی سیستم اطلاعات بیمارستانی 31
3-3- داده کاوی 32
3-4- مراحل داده کاوی 33
3-4-1- پیش پردازش داده ها 35
3-4-2- پاکسازی داده ها 35
3-4-3-یکپارچه سازی داده ها 36
3-4-4- تبدیل دادهها 36
3-4-5- تلخیص داده ها 37
3-5- وظایف داده کاوی 37
3-5-1- دسته بندی 38
3-5-2- تخمین 39
3-5-3- پیش بینی 39
3-5-4- گروه بندی شباهت یا قوانین وابستگی 40
3-5-5- خوشه بندی 40
3-5-6- نمایه سازی 41
3-6- كاربرد هاي داده كاوي 41
3-7- رویکردهاي مسائل داده کاوي در پزشکی 42
3-8- مدلها و الگوريتمهای داده کاوی 43
3-8-1- شبکه هاي عصبی مصنوعی 43
3-8-1-1-ساختار شبکه عصبی 44
3-8-1-2-معماري شبکه عصبی 45
3-8-1-3-آموزش شبکه هاي عصبی مصنوعی 46
3-8-1-4-انواع یادگیري در شبکه هاي عصبی مصنوعی 47
3-8-2- درخت هاي انتخاب 47
3-8-3- Bagging & Boosting 48
3-8-3-1-Bagging 55
3-8-1-1-Boosting 44
3-8-1-1-الگوریتم های Boosting 44
3-8-4- Adaptive Boosting(Adaboost) 50
3-8-5- رگرسیون بردار پشتیبان 51
3-8-6- رگرسیون خطی 52
3-9 نرم افزارهای داده کاوی 54
3-10- فرایند خرید دارو 55
3-11- جمع بندی 56
فصل 4- روش انجام پژوهش 58
4-1- مقدمه 58
4-2- الگوریتم پیشنهادی 59
4-3- پیش پردازش دادهها 60
4-3-1- ساخت ماتریس داده 60
4-3-1-1-روش ماههای متوالی 67
4-3-1-2-روش ماههای یکسان 44
4-3-1-3-روش فصول متولی 69
4-4- الگوریتمهای Prediction 63
4-4-1- روش NN 64
4-4-2-روش SVR 64
4-4-3- روش LSSVR 67
4-4-4- AdaBoost.R 69
4-5- مجموعه داده 70
4-5-1- پاکسازی داده 72
4-6- معیارهای ارزیابی 72
4-7- جمع بندی 74
فصل 5- بحث و نتیجه‌گیری 76
5-1- مقایسه روشهای مورد بررسی 76
5-1-1- ارزیابی الگوریتم با روش ماههای متوالی 77
5-1-2- ارزیابی الگوریتم با روش ماههای یکسان 83
5-2- جمع بندی 93
فصل 6- پیشنهادهاو فرصت‌های پژوهشی آینده 95
فهرست جداول
عنوان صفحه
جدول 2- 1تکنیک های مهم داده کاوی در بخش دارویی[21] 021
جدول 4- 1 ماتریس داده بصورت ماههای متوالی060
جدول 4- 2 ماتریس داده بصورت ماههای یکسان061
جدول 4- 3 ماتریس داده بصورت فصول متوالی02
جدول 5- 1 نتایج اعمال الگوریتم های معرفی شده بر روی داده های Cream Calamine 077
جدول 5- 2 نتایج اعمال الگوریتم های معرفی شده بر روی داده های Vialdioxin081
جدول 5- 3 نتایج اعمال الگوریتم های معرفی شده بر روی داده های Syrup Sulbutamol082
جدول 5- 4 نتایج اعمال الگوریتم های معرفی شده بر روی داده های Cream Calamine 082
جدول 5- 5 نتایج اعمال الگوریتم های معرفی شده بر روی داده های Vialdioxin 085
جدول 5- 6 نتایج اعمال الگوریتم های معرفی شده بر روی داده های Syrup Sulbutamol086
جدول 5- 7نتایج اعمال الگوریتم های معرفی شده بر روی داده های Cream Calamine 091
جدول 5 – 8 نتایج اعمال الگوریتم های معرفی شده بر روی داده های Syrup Sulbutamol 093
فهرست شکل ها و نمودارها
عنوان صفحه
شکل 2- 1 مدل پیش بینی با شبکه عصبی[4]012
شکل 2- 2 شبکه عصبی [14] BP 012
شکل 2- 3 مدل بهینه سازی خرید دارو[15]014
شکل 2- 4 مدل استخراج دانش [26] 016
شکل 2- 5 جریان عملیات در داروخانه[17] 017
شکل 2- 6 دسته بندی اهدا بکارگیری داده کاوی[15]019
شکل 2- 7 روند بکارگیری داده کاوی در پزشکی[20]020
شکل3- 1 مراحل داده کاوی[40]032
شکل3- 2 ساختار شبکه عصبی[47]043
شکل3- 3 مثالی از درخت تصمیم[41]055
شکل 3- 4 واسط کاربری سیستم اطلاعات بیمارستان055
شکل 4- 1 دیاگرام چاچوب تحقیق058
شکل4- 2 پارامترهای مورد استفاده در SVM064
شکل4- 3 گزارش تهیه شده با کریستال ریپورت070
شکل4- 4 خروجی گزارش تهیه شده با کریستال ریپورت071
شکل5- 1 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم AdaBoost.R078
شکل5- 2 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم LR078
شکل5- 3 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم BAGTREE079
شکل5- 4 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم LSSVR080
شکل5- 5 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم SVR080
شکل5- 6 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم BAGTREE083
شکل5- 7 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم LR083
شکل5- 8 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم SVR084
شکل 5- 9 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم AdaBoost.R084
شکل5- 10 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم SVR085
شکل 5- 11 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم AdaBoost.R086
شکل5- 12 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم LR087
شکل5- 13 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم SVR087
شکل5- 14 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم LSSVR088
شکل5- 15 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم AdaBoost.R089
شکل5- 16 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم NN090
شکل5- 17 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم LSSVR090
شکل5- 18 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم LSSVR092
شکل5- 19 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم BAGTREE093
شکل5- 20 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم LSSVR094
شکل5- 21 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم BAGTREE094
فصل نخست
مقدمه
مقدمه
فناوری اطلاعات در بهداشت و درمان
در سالهای اخیر مراکز بهداشتی ودرمانی کشورمان به ویژه بیمارستانها درصدد مکانیزه کردن سیستمهای اطلاعاتی خود برآمدهاند. در ابتدا مقصود از چنین فعالیتهایی کاهش هزینههای ناشی ازکاغذ بازی موجود در سیستمهای دستی و اداری بوده است، اما اکنون به مرحله ای رسیدهایم که بهبود کیفیت ارائه خدمات درمانی اهمیتی روزافزون مییابد و در این راستا بکارگیری سیستم های اطلاعات بیمارستانها بسیار مرسوم شده است.
بکارگیری سیستم اطلاعات بیمارستان علاوه بر مزایای فراوان از جمله کاهش زمان پذیرش، زمان ترخیص، زمان اخذ جوابها، زمان مراجعه به اطلاعات قبلی پرونده، بالا بردن میزان دقت در درج اطلاعات و درخواستها كه در حالت دستی می تواند ناخوانا باشد، همچنین می تواند موجب تسریع ارتباطات بین بخشی و در نهایت بالابردن میزان رضایت بیمار، ارائه خدمات بهتر، دریافت آمار و گزارشات روزانه و زمانی گردد. در نهایت بکارگیری سیستم های اطلاعات بیمارستان، حجم زیادی از داده های مرتبط با درمان را در دسترس قرار می دهد [1]. با استفاده از تکنیک های داده کاوی می توان از دادههای

تکه های دیگری از این پایان نامه را می توانید

در شماره بندی فوق بخوانید

متن کامل پایان نامه ها در سایت homatez.com موجود است

You may also like...

Add a Comment