بهینه سازی خرید دارو با استفاده از داده کاوی
تعداد صفحات :120
چکیده
بهینه سازی خرید دارو با استفاده از داده کاوی توسعه ی استفاده از فناوری اطلاعات در بهداشت و درمان علاوه بر مزایای فراوان باعث می شود تا حجم زیادی از دادههای مرتبط، در دسترس قرار بگیرند. با بکارگیری داده کاوی بر روی داده های موجود می توان تصمیم گیریها و فرایندهای مدیریتی را بهبود بخشید. در این پروژه تلاش شده است ضمن بررسی الگوریتمهای مختلف داده کاوی مدلی جهت پیش بینی مصرف دارو در داروخانههای بیمارستانها ارائه گردد. مجموعه داده در نظر گرفته شده مربوط به سیستم اطلاعات بیمارستان پاستور شهرستان بم می باشد که در مدت 5 سال در پایگاه داده سیستم اطلاعات این بیمارستان ذخیره شده است. برای پیش بینی مصرف دارو عملکرد مدلهای MLP، SVR، ADABOOST.R، BAGTREE، LR، LSSVR مورد بررسی قرار می گیرد. دقت پیش بینی بر اساس معیارها MSE ,RMSE ,MAE وR2 ارزیابی می گردد. طبق نتایج بدست آمده عملکرد مدل BAGTREEE در روش های مختلف بهتر از سایر مدل ها بوده است.
فهرست مطالب
فصل یک
مقدمه
فناوری اطلاعات در بهداشت و درمان
داروخانه های بیمارستانی
داده کاوی
داده کاوی چیست؟
تکنیک های مختلف داده کاوی
انواع تکنیک داده کاوی
بیان مسئله
اهداف تحقیق
سوالات وفرضیات تحقیق
سوالات
فرضیات تحقیق
فصول پروژه
فصل دو
پیشینه پژوهشی
جمع بندی
فصل سه
مروری بر ادبیات تحقیق و مبانی نظری
سیستم های اطلاعات بیمارستان
تعریف و مفهوم سیستم اطلاعات بیمارستانی
اهداف سیستم اطلاعات بیمارستانی
اهمیت و ضرورت راه‌اندازی سیستم اطلاعات بیمارستانی
مزایایی سیستم اطلاعات بیمارستانی
داده کاوی
مراحل داده کاوی
پیش پردازش داده ها
پاکسازی داده ها
یکپارچه سازی داده ها
تبدیل داده ها
تلخیص داده ها
وظایف داده کاوی
دسته بندی
تخمین
پیش بینی
گروه بندی شباهت یا قوانین وابستگی
خوشه بندی
نمایه سازی
کاربرد های داده کاوی رویکردهای مسائل داده کاوی در پزشکی
مدلها و الگوریتمهای داده کاوی
شبکه های عصبی مصنوعی
ساختار شبکه عصبی
معماری شبکه عصبی
آموزش شبکه های عصبی مصنوعی
انواع یادگیری در شبکه های عصبی مصنوعی
درخت های انتخاب
Bagging & Boosting
Bagging
Boosting
الگوریتم های Boosting
Adaptive Boosting(Adaboost)
رگرسیون بردار پشتیبان
رگرسیون خطی
نرم افزارهای داده کاوی
فرایند خرید دارو
جمع بندی
فصل چهارم
روش انجام پژوهش
مقدمه
الگوریتم پیشنهادی
پیش پردازش داده ها
ساخت ماتریس داده
روش ماههای متوالی
روش ماههای یکسان
روش فصول متولی
الگوریتم های Prediction
- روش NN
روش SVR
روش LSSVR
AdaBoost.R
مجموعه داده
پاکسازی داده
معیارهای ارزیابی
جمع بندی
فصل پنجم
بحث و نتیجه‌گیری
مقایسه روشهای مورد بررسی
ارزیابی الگوریتم با روش ماههای متوالی
ارزیابی الگوریتم با روش ماههای یکسان
جمع بندی
فصل ششم
پیشنهادهاو فرصت‌های پژوهشی آینده