درحال بارگذاري...
جستجو
جستجو در این کتاب
ترتيب بر اساس
طراحی و ایجاد سیستم هوشمند در تشخیص افتراقی بیماری های دهان
44 مرتبه مشاهده شده

طراحی و ایجاد سیستم هوشمند در تشخیص افتراقی بیماری های دهان

احتشام، حمیده.

  1. شماره راهنما: ‭Thesis WU ١٤١ ‫الف‬٢٥٥‫ط‬ ١٣٩٦
  2. شماره پایان نامه:11/م/280/6
  3. کد دانشکده:پیراپزشکی
  4. پديدآور: احتشام، حمیده.
  5. عنوان:طراحی و ایجاد سیستم هوشمند در تشخیص افتراقی بیماری های دهان / نگارنده حمیده احتشام.
  6. Title: Designing and implementing an intelligent system for differential diagnosis of oral medicine / By Hamideh Ehtesham
  7. محل اخذ مدرك:تهران :
  8. نام دانشگاه/پژوهشگاه:دانشگاه علوم پزشکی تهران
  9. نام دانشکده:دانشکده پیراپزشکی
  10. سال اخذ مدرك:1396.
  11. مقطع:دکتری تخصصی
  12. گرایش:مدیریت اطلاعات سلامت
  13. توصیف ظاهری:ع، 215 ص.: مصور (رنگی)، نمودار، جدول
  14. خلاصه:مقدمه و هدف: بیماریهای دهان، طیف بسیار متنوعی را شامل می شود و دربرگیرنده اتیولوژی، پاتوژنز، اپیدمیولوژی، تشخیص، پیشگیری و مدیریت اختلالات دهان و بافت های اطراف آن است که در فرآیند تشخیص آنها، حجم گسترده ای از عناصر داده ای بیماران مورد پردازش قرار می گیرد. از آنجا که تظاهرات بالینی بسیاری از بیماری ها به رغم تنوع گسترده در اتیولوژی و پاتولوژی می تواند کاملا مشابه باشد، تشخیص افتراقی بیماریهای دهان فرآیندی پیچیده و چالش برانگیز است. انفورماتیک دندان‌پزشکی پتانسیل قابل توجهی در استانداردسازی نظام‌مند و تحلیل داده های بالینی برای پشتیبانی از مراقبت بالینی، تحقیقات، آموزش، پژوهش و مدیریت دارد. سیستم هوشمند در تشخیص افتراقی بیماریهای دهان، با بررسی جامع عناصر داده ای ضروری در تشخیص بیماریهای دهان و با استفاده از قابلیت های هوش مصنوعی به متخصصان در رسیدن به تشخیص افتراقی در طیف گسترده بیماریهای دهان کمک می کند. روش کار: به منظور شناسایی داده های ضروری در طراحی و ایجاد سیستم، در قالب یک مطالعه توصیفی – مقطعی گامهای متعددی شامل مرور متون، توسعه پیش نویس اولیه ، ارسال پیش نویس به متخصصین، تشکیل پانل متخصصین، اعمال نظرات متخصصین و ایجاد ویرایش اول پرسشنامه، انجام راندهای دلفی، ایجاد الگوی نهایی برداشته شد. در طراحی و ایجاد سیستم هوشمند روش استدلال مبتنی بر مورد که شامل سه مرحله اصلی گرد آوری داده های بالینی، ساختن پایگاه موارد و چرخه استدلال مبتنی بر مورد است، انتخاب شد. داده های بیماران با مراجعه به پلی کلینیک تخصصی دانشکده دندانپزشکی دانشگاه علوم پزشکی تهران و به صورت مراجعه حضوری با مصاحبه بالینی گردآوری گردید. تعیین وزن هر یک از ویژگی ها که نشان دهنده میزان اهمیت آن در فرآیند تشخیص است توسط متخصصان، با استفاده از رویکرد دلفی صورت گرفت و از آنها به عنوان پارامترهای ارزیابی مشابهت، استفاده شد. حل مساله با روش CBR در یک چرخه شامل چهار مرحله اصلی بازیابی، استفاده مجدد، بازبینی و نگهداری انجام میگیرد. فرآیند ارزیابی سیستم با استفاده از پرسشنامه ارزیابی قابلیت استفاده و فرم بازخورد روایتی باز انجام شد. یافته ها: چارچوب پیشنهادی برای ثبت عناصر داده ای، در چهار بخش داده های مدیریتی، تاریخچه ای، پاراکلینیکی و کلینیکی تقسیم بندی شد. عناصر داده ای، در دو بخش شاخص های پاراکلینیکی و کلینیکی با توجه به تقسیم بندی مجموعه بیماریهای بافت نرم دهان مطابق با کتاب بیماریهای دهان برکت در 6 محور اصلی شامل ضایعات وزیکولوبولوز و زخمی، ضایعات سفید و قرمز مخاط دهان، پیگمانتاسیون نسوج دهانی، ضایعات برجسته و خوش خیم حفره دهان، سرطان دهان و بیماریهای غدد بزاقی، مورد توجه قرار گرفت. خروجی پروژه حاضر، یک سامانه اطلاعاتی هوشمند تحت وب است که با استفاده از نرم افزار Visual Studio 2015 طراحی شده است. پایگاه داده سامانه Microsoft SQL Server نسخه 2012 است و برنامه نویسی آن مبتنی بر .Net Framework نسخه 4.5 یا بالاتر و با استفاده از زبان VB انجام گرفته است. این سیستم دارای ماژول های متعددی شامل ماژول ثبت موارد، تشخیص افتراقی، مرور پرونده بیمار، جستجوی موارد، جستجوی مطالعات موردی، و طراحی آزمون است. نتایج ارزیابی سیستم توسط متخصصان در فرآیند کار بالینی نشان داد که قدرت تشخیص سیستم در محورهای مختلف بیماری، تحت تاثیر پراکندگی گوناگون بیماریها و نیز میزان شیوع و وقوع آنها متفاوت است. ویژگیهای درک و قابلیت یادگیری بیشترین امتیاز را از کاربران به دست آوردند. دیدگاههای مثبت کاربران، قابلیت های کاربرد سیستم با اهداف پژوهشی و آموزشی، جامعیت عناصر داده ای و سهولت دسترسی را دربرمی گیرد. نتیجه گیری: در این مطالعه یک سیستم مدیریت داده از قابلیت های هوش مصنوعی در ارتقای فرآیند تشخیص بهره برده و در محیط سازگار با کاربر مورد استفاده قرار گرفت. همچنین زمینه استفاده از داده های گردآوری شده با اهداف پژوهشی و آموزشی نیز فراهم آمد
  15. خلاصه:Introduction and goal: Oral soft tissue diseases include a broad spectrum and focuses etiology, pathogenesis, epidemiology, diagnosis, prevention and management of abnormalities in the mouth and surrounding tissues. Unfortunately, the clinical manifestations of many disease processes may be similar despite the great diversity in their etiology and pathology; the differential diagnosis of oral diseases is a complex and challenging process. Dental informatics has a significant potential for systematic standardization and clinical data analysis to support clinical care, research, education, research and management. The intelligent system in the differential diagnosis of oral diseases, by comprehensive examination of the essential data elements for the diagnosis of oral diseases and using artificial intelligence capabilities, helps professionals determine the best diagnostic strategy for differential diagnosis in a wide spectrum of oral diseases. Method: The identification of the essential data in the design and creation of the system was conducted as a descriptive, cross-sectional study which have been performed in several steps include: literature review, developing the initial draft (v. 0), submitting the draft to experts, validating by an expert panel, applying expert opinions and creating version v.i, performing Delphi rounds, and creating the final framework. In the design and creation of an intelligent system, the case-based reasoning method was selected which was composed of three main steps: data acquisition, case library construction, and case-based reasoning. The clinical data was collected by referring to the professional polyclinics in Dentistry school, Tehran University of Medical Sciences through clinical interview. Determining the weight of each feature - that indicates its importance in the diagnostic process - done by experts, using the Delphi approach and was used as similarity evaluation parameters. The CBR method consists of four main stages include retrieval, reuse, review, and maintenance. The system evaluation process was performed using a usability evaluations questionnaire and an open-ended narrative feedback form. Results: The proposed framework for recording the data elements was divided into four categories including administrative, historical, paraclinical, and clinical data. In the paraclinical indicator and clinical indicator categories, the necessary data elements were considered with respect to the 6 main axis of oral soft tissue diseases, according to Burket’s Oral Medicine: ulcerative, vesicular, and bullous lesions, red and white lesions of the oral mucosa, pigmented lesions of the oral mucosa, benign lesions of the oral cavity and the jaws, oral and oropharyngeal cancer, and salivary gland diseases. The project's output is a web-based intelligent information system which is designed using Visual Studio 2015 software. The database is Microsoft SQL Server 2012. Its programming is based on the .Net Framework version 4.5 or later and has been done using VB language. The system has several modules include Register Your Case, differential diagnosis, Browse Patient Record, Search among the Cases, Browse Case Studies, Design a Quiz. The results of system evaluation by specialists in the clinical work process and the calculation of the sensitivity and specialty of the system showed that the diagnostic power of the system varies in different axes of the disease due to the dispersion of various diseases as well as their prevalence and incidence. The attributes of understanding and learning capability have earned the most points from users. Positive views of the users is about the system capabilities for the research and educational purposes, comprehensiveness of data elements and easy accessibility. Conclusion: In this study, a data management system has benefited from Artificial Intelligent capabilities to enhance the diagnosis process and was used in a user-friendly environment. Also, the way to using the collected data for the research and educational purposes was provided
  16. توصیفگر: بیماری های دهان   Mouth Diseases
  17. توصیفگر: تشخیص افتراقی   Diagnosis, Differential
  18. توصیفگر: انفورماتیک پزشکی   Medical Informatics
  19. توصیفگر: دندان پزشکی   Dentistry
  20. توصیفگر: تشخیص بیماری های دهان   Diagnosis Oral
  21. توصیفگر: اپیدمیولوژی   Epidemiology
  22. استاد راهنما. صفدری، رضا
  23. استاد راهنما. منصوریان، آرش
  24. استاد مشاور. طهماسبیان، شهرام
  25. استاد مشاور. محمدزاده، نیلوفر

 فهرست محتوای دیجیتالی

 فهرست نسخه های منبع