طراحی سیستم خبره برای تعیین شدت عارضه مسومیت حاملگی با استفاد از درخت تشخیص در کلیپس
محل انتشار: یازدهمین کنفرانس سراسری سیستم های هوشمند
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 901
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICS11_142
تاریخ نمایه سازی: 14 مهر 1392
چکیده مقاله:
در این مقاله یک سیستم خبره مبتنی بر قانون برای تعیین شدت عارضه مسمویت حاملگی ارائه گردیده است. این بیماری شایع ترین عارضه طبی بارداری و عامل اصلی مرگ ومیر و ابتلای مادر و جنین محسوب می شود. طبق آمار سازمان بهداشت جهانی شیوع این عارضه در چند سال اخیر و خصوصا در کشورهای در حال توسعه افزایش یافته و به دلیل عدم تشخیص صحیح شدت عارضه و درمان به موقع، شانس بهبود و کنترل آن پایین است. بنابراین وجود یک سیستم خبره که بتواند در زمان تشخیص یا تعیین شدت عارضه به ماماها و پرستاران کمک نماید، بسیار سودمند خواهد بود. سیستم خبره ارائه شده با بررسی چهار معیار اولیه و پانزده معیار ثثانویه قادر به تشخیص و تعیین شدت عارضه در خانم های باردار می باشد. در طراحی این سیستم تمام حالات ممکن برای بروز علائم مربوطه در غالب هشتاد قانون پیاده سازی شده است. برای افزایش دقت در تعیین شدت بیماری از روش ترسیم درخت تشخیص و روش زنجیره پیش رو استفاده کردیم. با توجه بع داده های جمع آوری شده از پرونده بیماران، سیستم طراحی شده دارای دقت 100 درصد در تشخیص و دقت 93 درصد در تعیین شدت است
کلیدواژه ها:
نویسندگان
آتوسا سالاری
دانشکده مهندسی برق و کامپیوتر، دانشگاه شیراز
شهرام جعفری
دانشکده مهندسی برق و کامپیوتر، دانشگاه شیراز
راحله سالاری
دانشکده مدیریت و اطلاع رسانی پزشکی، دانشگاه علوم پزشکی تهران
مریم کاشانیان
گروه زنان و زایمان دانشکده پزشکی، دانشگاه علوم پزشکی تهران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :