پیش بینی وخامت بیماری کووید-۱۹با استفاده از یک مدل هوش مصنوعی فازی
- سال انتشار: 1400
- محل انتشار: هجدهمین کنفرانس بین المللی مهندسی صنایع
- کد COI اختصاصی: IIEC18_040
- زبان مقاله: فارسی
- تعداد مشاهده: 650
نویسندگان
دانشجوی دکتری، دانشکده مهندسی صنایع و سیستمها، دانشگاه صنعتی اصفهان
عضو هیئت علمی، دانشکده مهندسی صنایع و سیستمها، دانشگاه صنعتی اصفهان گروه پژوهشی بهینه سازی و تصمیمگیری هوشمند در سیستمهای سلامت، دانشگاه صنعتی اصفهان، اصفهان، ایران
عضو هیئت علمی، دانشکده مهندسی صنایع و سیستمها، دانشگاه صنعتی اصفهان.گروه پژوهشی بهینه سازی و تصمیمگیری هوشمند در سیستمهای سلامت، دانشگاه صنعتی اصفهان، اصفهان، ایران
چکیده
با توجه به سرعت بالای شیوع بیماری کووید-۱۹ و کمبود امکانات، تجهیزات و تختهای بیمارستانی، سیستم های سلامت در سرتاسر دنیا با چالشهای زیادی در ارائه خدمات درمانی به بیماران مواجه هستند. در چنین شرایطی پیش بینی وخامت بیماری و اولویت دهی به بیمارانی با ریسک بالاتر به کاهش تعداد مرگ و میرها و مدیریت بهینه امکانات محدود بیمارستانی کمک زیادی میکند. مدل های کلاسیک آماری و ابزارهای هوش مصنوعی از جمله روشهایی هستند که در زمینه پیشبینی وخامت در بیماران کووید-۱۹ بطور گسترده ای بکار گرفته شده اند. با این وجود چنین مدلهایی عدم قطعیت موجود در مساله مورد مطالعه را در نظر نمی گیرند. روشهای فازی از ابزارهای موثر برای توصیف و کاهش عدم قطعیت موجود در تصمیم گیری های پزشکی محسوب میشوند. با تکیه بر این موضوع، در این مقاله از یک روش مبتنی بر هوش مصنوعی و منطق فازی برای پیش بینی وخامت در بیماران کووید-۱۹ بهکار گرفته شده است. مزیت روش استفاده شده آن است که روابط پیچیده غیرخطی موجود در داده ها مدلسازی میگردد و همزمان عدم قطعیت موجود در مساله در نظر گرفته شده و کمینه میشود. نتایج به دست آمده نشانگر آن است که روش ترکیبی موردنظر از دقت بالاتری نسبت به مدلهای رگرسیون خطی چندمتغیره، رگرسیون خطی چندمتغیره فازی و شبکه عصبی پرسپترون چندلایه در پیشبینی وخامت بیماران کووید-۱۹ برخوردار است.کلیدواژه ها
پیشبینی، کووید-۱۹، هوش مصنوعی، منطق فازی، وخامت بیماری.مقالات مرتبط جدید
- ارائه یک مدل ریاضی برای زمانبندی کارگاه انعطاف پذیر با در نظر گرفتن تعرفه زمانی مصرف برق به منظور کاهش هزینه های انرژی
- مدیریت زنجیره تامین دایره ای و بررسی اثرات زیست محیطی آن با رویکرد پویایی شناسی سیستم ها
- زمان بندی مجدد بارانداز عبوری به علت تاخیر در رسیدن کامیون های ورودی با در نظر گرفتن امکان تخلیه بار یک کامیون در چند مرحله
- ACOkEL : Ant Colony Optimization for Selecting k-Labelsets for Multi-label Classification
- مسیریابی و جانمایی بهینه خودرو همراه با کمینه سازی هزینه لجستیکی در سیستم حمل و نقل بین شهری
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.