جستجو در مقالات منتشر شده


3 نتیجه برای زحمت کشان
فناوری اطلاعات، تحولی نوین در توسعه سلامت شهری
رضا صفدری، مرجان قاضی سعیدی، مریم زحمت کشان،
دوره 6، شماره 3 - ( 6-1391 )
چکیده
زمینه و هدف: سلامت شهری یکی از چالش‌های قرن بیست و یکم می‌باشد. رشد سریع و گسترش شهرنشینی پیامدهایی برای سلامت دارد. در این میان فناوری اطلاعات می‌تواند بسیاری از معضلات شهرهای امروزی را برطرف نماید. بنابراین هدف مقاله، بررسی فناوری‌های اطلاعاتی نوین در توسعه سلامت شهری می‌باشد.                   

روش بررسی:  این پژوهش یک مقاله مروری است که بر اساس مطالعات کتابخانه‌ای و جستجوهای اینترنتی در پایگاه‌های داده‌ای معتبر همچون Science direct، Magiran،Springer و جستجوی پیشرفته در  Googleصورت گرفته است. در این بررسی، تعداد 164 متن داخلی و خارجی در زمینه کاربرد ابزارهای فناوری اطلاعات و ارتباطات از جمله ابزارهای بی سیم و موبایل، سیستم اطلاعات جغرافیایی، شناسایی از طریق امواج رادیویی در سال 2011 در حوزه سلامت شهری مورد مطالعه قرار گرفتند که در نهایت تعداد 30 منبع مورد استفاده قرار گرفت.

نتیجه‌گیری:. سلامت به عنوان یک نیاز حقیقی در شهروندان حتی در دنیای مجازی نیز جزء اصلی‌ترین ضروریات در خور توجه می‌باشد. فناوری‌های اطلاعات و ارتباطات نقش مهمی در بهبود سلامت مردم و بالا بردن کیفیت زندگی آنان دارد. بکارگیری اثربخش فناوری‌های اطلاعاتی و ارتباطی در کشور نیازمند شناسایی فرصتها و محدودیتها، تدوین برنامه ریزی اصولی و مناسب با توجه به فاکتورهای اجتماعی و اقتصادی همراه با فراهم نمودن زیرساختهای تکنولوژیکی، ارتباطی و مخابراتی، حقوقی و اجرایی است.


تشخیص ابتلا به سرطان پستان با استفاده از روش‌های درخت تصمیم، شبکه عصبی و بیز ساده به‌منظور ارایه مدل بومی ویژه استان فارس
آزیتا یزدانی، علی اصغر صفایی، رضا صفدری، مریم زحمت کشان،
دوره 13، شماره 3 - ( مرداد و شهریور 1398 )
چکیده
زمینه و هدف: سرطان پستان شایع‌‌ترین سرطان و اصلی‌ترین علت مرگ ناشی از سرطان در زنان سراسر جهان به­‌شمار می‌رود. تکنولوژی‌هایی مثل داده کاوی، به متخصصان این حوزه، امکان بهبود تصمیم‌گیری را در زمینه­ی تشخیص زودهنگام فراهم آورده‌اند. هدف از این پژوهش توسعه­‌ی مدل تشخیص‌ خودکار سرطان پستان با به­‌کارگیری روش‌های داده کاوی و انتخاب مدل بومی ویژه بیماران استان فارس با بالا‌ترین دقت تشخیص می‌باشد.
روش بررسی: در این مطالعه، تعداد 654 پرونده در دسترس از بیماران کلینیک تخصصی سرطان پستان مطهری شیراز به­‌عنوان نمونه مورد استفاده قرار گرفت که بعد از عملیات پیش پردازش این تعداد به 621 پرونده کاهش یافت. برای هر کدام از نمونه­‌ها دارای 22 ویژگی در پرونده پزشکی ثبت شده بود که در نهایت 10 ویژگی تاثیر‌گذار در ساخت مدل استفاده شد. از سه روش درخت تصمیم، بیز ساده و شبکه عصبی مصنوعی به­‌منظور تشخیص ابتلا به سرطان پستان و روش 10-fold cross-validation برای ساخت و ارزیابی مدل بر روی مجموعه داده­‌ی جمع‌­آوری شده بهره گرفته شد.
 یافته‌ها: نتایج به­‌دست آمده از سه تکنیک ذکر شده نشان داد که هر سه مدل، نتایج امیدبخشی در تشخیص این سرطان دارند. در نهایت، شبکه عصبی مصنوعی، بالا‌ترین دقت 94/49%(حساسیت 96/19%، ویژگی 86/36%)، در تشخیص ابتلا به سرطان پستان به خود اختصاص داد.
نتیجه گیری: بر طبق نتایج حاصل از درخت تصمیم ایجاد شده، ریسک فاکتورهایی چون سن، وزن، سن شروع قاعدگی، یائسگی، مدت زمان مصرف OCP و سن اولین بارداری از جمله عوامل موثر در ابتلای زنان به سرطان پستان در استان فارس شناخته شدند.

بررسی تکنیک‌های هوش‌مصنوعی به‌منظور مدیریت بیماری آب مروارید: مرور نظام‌مند
زهرا کرباسی، میکاییل متقی نیکو، مریم زحمت کشان،
دوره 18، شماره 3 - ( 5-1403 )
چکیده
زمینه و هدف: آب مروارید  به‌عنوان عامل ۵۱ درصد نابینایی در سطح جهان شناخته شده است. به‌دنبال نتایج امیدوارکننده‌ی اولیه سیستم‌های هوش‌مصنوعی در بیماری‌های چشمی، الگوریتم‌های هوش‌مصنوعی در تشخیص آب مروارید، درجه‌بندی شدت آب مروارید، محاسبات مربوط به لنزهای داخل چشمی و حتی به‌عنوان ابزار کمکی در جراحی آب مروارید کاربرد دارد. این مطالعه به‌صورت یک مرور سیستماتیک به بررسی تکنیک‌های هوش‌مصنوعی در مدیریت بیماری آب مروارید پرداخته است.
روش بررسی: این مطالعه، مرور سیستماتیک با هدف بررسی تکنیک‌ها‌ی هوش‌مصنوعی به‌منظور مدیریت بیماری آب مروارید تا تاریخ ۲۰ آبان ۱۴۰۲ و بر اساس دستورالعمل پریزما انجام شد. تمام مقالات مرتبط منتشرشده به زبان انگلیسی و از طریق جستجوی سیستماتیک در پایگاه‌های اطلاعاتی آنلاین PubMed، Scopus و Web of Science استخراج شد.
یافته‌ها: در جستجوی اولیه در پایگاه‌های اطلاعاتی ۱۹۲ رکورد شناسایی شد و در نهایت ۲۳ مقاله جهت بررسی وارد مطالعه شدند. نتایج نشان داد که الگوریتم‌های شبکه عصبی پیچشی(۶ مقاله)، شبکه عصبی بازگشتی(۱ مقاله)، شبکه پیچشی عمیق(۱ مقاله)، ماشین‌بردار(۲ مقاله)، یادگیری انتقالی(۱ مقاله)، درخت تصمیم(۴ مقاله)، جنگل تصادفی(۴ مقاله)، رگرسیون لجستیک(۳ مقاله)، الگوریتم‌های بیز(۳ مقاله)، XGBoost (۳ مقاله) و الگوریتم خوشه‌بندی K نزدیک‌ترین همسایه(۲ مقاله) از تکنیک‌ها و الگوریتم‌های شبکه عصبی مصنوعی و یادگیری ماشین بودند که از آن‌ها به‌صورت ترکیبی در مطالعات به‌منظور تشخیص(۷۰%)، مدیریت(۱۷%) و پیش‌بینی بیماری آب مروارید(۱۳%) استفاده نموده بودند.
نتیجه‌گیری: تکنیک‌ها و الگوریتم‌های مختلف هوش‌مصنوعی و یادگیری ماشین می‌توانند در تشخیص، درجه‌‌بندی، مدیریت و پیش‌بینی آب مروارید با دقت بالا عمل کرده و مؤثر باشند. در این مطالعه، تکنیک‌های یادگیری عمیق و شبکه عصبی پیچشی بیشترین سهم را در تشخیص آب مروارید داشته‌اند. در مدیریت آب مروارید تکنیک‌های یادگیری عمیق، درخت تصمیم و الگوریتم بیزی دخیل بودند. الگوریتم‌های یادگیری ماشین مانند رگرسیون لجستیک، جنگل تصادفی، شبکه عصبی مصنوعی، درخت تصمیم، K نزدیک‌ترین همسایه، XGBoost و تقویت سازگار نیز در پیش‌بینی آب مروارید نقش داشتند. همان‌طورکه پیش‌بینی و تشخیص زودهنگام و مراجعه به‌موقع می‌تواند عوارض بیماری در آینده را کاهش دهد، به‌کارگیری سیستم‌های مبتنی بر مدل‌های هوش‌مصنوعی که دقت قابل‌قبولی دارند، می‌توانند در جهت پشتیبانی از فرایند تصمیم‌گیری پزشکان و مدیریت این بیماری مؤثر واقع گردند.

صفحه 1 از 1     

کلیه حقوق این وب سایت متعلق به پیاورد سلامت می باشد.

طراحی و برنامه نویسی: یکتاوب افزار شرق

© 2026 , Tehran University of Medical Sciences, CC BY-NC 4.0

Designed & Developed by : Yektaweb