دانلود پایان نامه داده کاوی در پزشکی

دانلود پایان نامه داده کاوی در پزشکی در قالب word به صورت کامل و آماده در ۸۰ صفحه به قیمت ۹۹۰۰ تومان که لینک دانلود بلافاصله بعد از پرداخت نمایش داده می شود.

پایان نامه داده کاوی در پزشکی

چکیده

در طول دهه گذشته با پیشرفت روز افزون کاربرد پایگاه داده ها، حجم داده های ثبت شده به طور متوسط هر ۵ سال ۲ برابر می شود. در این میان سازمان هایی موفقند که بتوانند حداقل ۷% داده هایشان را تحلیل کنند . تحقیقات انجام یافته نشان داده است که سازمانها کمتر از یک درصد داده هایشان را برای تحلیل استفاده می کنند . به عبارت دیگر در حالی که غرق در داده ها هستند تشنه دانش می باشند.
پایگاه داده ها در حوزه سلامت نیز حاوی میزان وسیعی از داده های بالینی است که کشف ارتباطات و الگوها در آن میتواند به دانش جدید پزشکی بیانجامد. امروزه با توجه به ظهور نظام های اطلاعات یکپارچه و رشد فن اوری اطلاعات، این مهم بیش از پیش نمایان شده است.داده کاوی از جمله پیشرفت های فن آوری در راستای مدیریت داده ها است و استفاده گسترده از سیستم های اطلاعات و پایگاه های داده، ادغام آن را با شیوه های سنتی به یک الزام تبدیل کرده است.هدف ما این است تا به بررسی مفاهیم مرتبط داده کاوی و کاربرد ان در حوزه سلامت پرداخته شود.

مقدمه
امروزه با گسترش سيستم هاي پايگاهي و حجم بالاي داده هاي ذخيره شده در اين سيستم ها ، نياز به ابزاري است تا بتوان داده هاي ذخيره شده پردازش کرد و اطلاعات حاصل از اين پردازش را در اختيار کاربران قرار داد . با استفاده ار پرسش هاي ساده در SQL و ابزارهاي گوناگون گزارش گيري معمولي ، مي توان اطلاعاتي را در اختيار کاربران قرار داد تا بتوانند به نتيجه گيري در مورد داده ها و روابط منطقي ميان آنها بپردازند اما وقتي که حجم داده ها بالا باشد ، کاربران هر چند زبر دست و با تجربه باشند نمي توانند الگوهاي مفيد را در ميان حجم انبوه داده ها تشخيص دهند و يا اگر قادر به اين کار هم با شند ، هزينه عمليات از نظر نيروي انساني و مادي بسيار بالا است .

از سوي ديگر کاربران معمولا فرضيه اي را مطرح مي کنند و سپس بر اساس گزارشات مشاهده شده به اثبات يا رد فرضيه مي پردازند ، در حالي که امروزه نياز به روشهايي است که اصطلاحا به کشف دانش بپردازند يعني با کمترين دخالت کاربر و به صورت خودکار الگوها و رابطه هاي منطقي را بيان نمايند .
داده کاوي يکي از مهمترين اين روشها است که به وسيله آن الگوهاي مفيد در داده ها با حداقل دخالت کاربران شناخته مي شوند و اطلاعاتي را در اختيار کاربران و تحليل گران قرار مي دهند تا براساس آنها تصميمات مهم و حياتي در سازمانها اتخاذ شوند .در داده کاوي از بخشي از علم آمار به نام تحليل اکتشافي داده ها استفاده مي شود که در آن بر کشف اطلاعات نهفته و ناشناخته از درون حجم انبوه داده ها تاکيد مي شود . علاوه بر اين داده کاوي با هوش مصنوعي و يادگيري ماشين نيز ارتباط تنگاتنگي دارد ، بنابراين مي توان گفت در داده کاوي تئوريهاي پايگاه داده ها ، هوش مصنوعي ، يادگيري ماشين و علم آمار را در هم مي آميزند تا زمينه کاربردي فراهم شود .

بايد توجه داشت که اصطلاح داده کاوي زماني به کار برده مي شود که با حجم بزرگي از داده ها ، در حد مگا يا ترابايت ، مواجه باشيم . در تمامي منابع داده کاوي بر اين مطلب تاکيد شده است . هر چه حجم داده ها بيشتر و روابط ميان آنها پيچيده تر باشد دسترسي به اطلاعات نهفته در ميان داده ها مشکلتر مي شود و نقش داده کاوي به عنوان يکي از روشهاي کشف دانش ، روشن تر مي گردد .

کاربرد داده کاوی در پزشکی

قسمتی از فصل دوم

– مقدمه
بطور ساده، داده كاوي شامل استخراج دانش از حجم عظيم داده ها مي باشد. دادهكاوي فراتر از جمع آوري و مديريت داده است، و شامل تجزيه و تحليل و پيشگويي ميشود. داده كاوي امكان تشخيص الگوها و روندهاي موجود در داده ها را بصورت خودكار فراهم مي آورد و در بخشهاي مختلف و صنايعي چون بانك، بيمه، پزشكي و خردهفروشي از دادهكاوي به هدف كاهش هزينه ها، افزايش تحقيقات و افزايش فروش استفاده ميكنند . اخيرا استفاده از داده كاوي در حوزه پزشكي مورد توجه زيادي قرار گرفته است. معمولا محيط پزشكي غني از اطلاعات است در حالي كه نيازمند دانش مي باشد.

تكنيك هاي داده كاوي مي توانند براي كشف دانش مورد نياز استفاده شوند. رشد سريع پايگاه هاي داده پزشكي در كشورهاي پيشرفته، انگيزه اي شده است براي اينكه محققين پزشكي از تكنيك هاي داده كاوي براي استخراج دانش از اين پايگاه داده ها استفاده كنند .امروزه با كمك الگوريتم هاي داده كاوي مي توان الگوهاي نهان در ميان داده ها را استخراج نمود و با ساخت مدل مربوط به پايگاه هاي داده، سيستم كمك تصميم طراحي كرد كه در زمينه تصميم گيري به پزشكان كمك كند.در چند سال اخير استفاده از تكنيك هاي داده كاوي و يادگيري ماشين در داده هاي پزشكي و سلامت يكي از زمينه هاي چالش برانگيز بوده است.

داده كاوي پزشكي ويژگي هاي خاص خود را دارد كه آن را از داده كاوي در ساير مسائل و كاربردها مجزا مي سازد. پژوهشگراني كه در ساير زمينه ها عمل داده كاوي انجام مي دهند، ممكن است با محدوديت ها و مشكلاتي از قبيل كاوش در داده هاي ناهمگن، محرمانه و يا خصوصي، حجيم و توزيع شده، و جنبه هاي اخلاقي، حقوقي و امنيتي كمتر برخورد داشته باشند.

تکنیک های داده کاوی در پزشکی

تكنيك هاي داده كاوي شامل گروهي از تكنيك ها و ابزارهاي ناهمگوني هستند كه براي اهداف متفاوتي استفاده مي شوند. اين تكنيك ها و مدل ها بر پايه هوش مصنوعي، يادگيري ماشين، شبكه هاي عصبي ،آمار، شناسايي الگو، سيستم هاي مبتني بر دانش، حصول دانش، بازيابي اطلاعات، محاسبات سرعت بالا و مصورسازي داده۱ مي باشند. هر چه حجم داده هاي ذخيره شده افزايش يابد، تكنيك هاي داده كاوي نيز نقش مهمي در پيدا كردن الگوها و استخراج دانش به منظور كمك به تشخيص موثر بيماري ها و ارائه بهتر خدمات و مراقبت هاي پزشكي ايفا مي كنند .الگوريتم هاي استفاده شده در تكنيك هاي داده كاوي سعي مي كنند كه نزديكترين مدل به ويژگي هاي داده هاي مورد نظر را پيدا و ارائه نمايند. مدل ها مي توانند پيشگويانه يا توصيفي باشند.
درمان يك بيماري ممكن است فقط بر اساس پيشينه و وضعيت آن بيمار خاص نباشد و نتايج حاصل از درمان ساير بيماران با علائم مشابه نيز مورد توجه قرار گيرد. در اين روش ها تعيين وضعيت داده هاي آينده، بر مبناي مقادير گذشته و فعلي بيمار صورت مي گيرد. مدل هاي توصيفي براي شناسايي الگوها در داده ها استفاده مي شوند. كلاسه بندي۲، رگرسيون۳ و تحليل سري هاي زماني۴ معروفترين روشها در مدل پيشگويي بوده و خوشه بندي۵، قوانين وابستگي۶ و مصور سازي معروفترين روش هاي مدل توصيفي مي باشند .

اين روش ها به اختصار در ادامه تشريح مي گردند.كلاسه بندي: يك نمونه داده را به يكي از كلاس هاي از قبل تعريف شده انتساب مي كند. در اين روش يك مجموعه از قوانين كلاسه بندي بر مبناي ويژگي هاي مجموعه داده ي آموزشي توليد مي شوند كه مي توانند براي كلاسه بندي نمونه داده ي جديد استفاده شوند.بعنوان مثال قوانين كلاسه بندي درباره يك بيماري مي توانند از روي علائم و مشخصه هاي بيمارهاي شناخته شده ي فعلي كشف و براي تشخيص آن بيماري در بيمارهاي جديد با توجه به علائم بيماري آنها استفاده شوند .
تشخيص پزشكي يكي از مهمترين كاربردهاي كلاسه بندي مي باشد.