|
Title
|
کاربرد یادگـیری عمـیق و ادغام داده ها در پـیش بینی و پیشـگیری شدت بیماری و احتمال از کار افـتادگی بیماران و کاهش بازگشت مجدد به بیمارستان
|
|
Type of Research
|
Thesis
|
|
Keywords
|
یادگـیری عمیق، ادغام داده ها، پـیش بینی شدت بیماری، ازکارافتادگی، بازگشت مجدد به بیمارستان
|
|
Abstract
|
مجموعه داده های بزرگ، چندسطحی و یکپارچه، نویدبخش کشف های جدید و تسریع پیشرفت ها هستند. اگرچه داده های بیشتری نسبت به گذشته در دسترس است، اما تنها بخش کوچکی از آن ها مدیریت، یکپارچه سازی، درک و تحلیل می شوند. هوش مصنوعی برچگونگی یادگیری رایانه ها از داده ها و تقلید فرآیندهای تفکر انسان تمرکز دارد. هوش مصنوعی ظرفیت یادگیری را افزایش می دهد و سیستم های پشتیبان تصمیم گیری را در مقیاسی ارائه می کند که آینده بسیاری امور از جمله مراقبت های بهداشتی را متحول می کند. این تحقیق به بررسی کاربرد یادگیری عمیق و ادغام داده در پیش بینی شدت بیماری و احتمال از کارافتادگی بیماران و یا احتمال بازگشت مجدد به بیمارستان می پردازد. با بهره گیری از داده های پزشکی و بالینی، تلاش می شود تا بهبودهای مؤثر در پیش بینی و مدیریت بیماری ها و تصمیم گیری های پزشکی و اداری ایجاد گردد. با توجه به افزایش هزینه های درمان و دارو و نیاز به بهینه سازی منابع، مراکز درمانی نیازمند راهکارهایی هستند که به طور دقیق تر شدت بیماری و احتمال از کارافتادگی بیماران و یا احتمال بازگشت مجدد به بیمارستان را پیش بینی کنند.
|
|
Researchers
|
(Student)، Mohammad Khodizadeh-Nahari (Primary Advisor)، Einollah Pira (Advisor)
|