A Medical Decision Support System for Ent Disease Diagnosis Using Artificial Neural Networks
| العنوان بلغة أخرى: |
نظام لدعم القرار الطبي في تشخيص أمراض الأنف والأذن والحنجرة باستخدام الشبكاث العصبية الاصطناعية |
|---|---|
| المؤلف الرئيسي: | فرحان، سماء يوسف (مؤلف) |
| مؤلفين آخرين: | محافظة، طارق (مشرف), الشريدة، محمد عارف (مشرف) |
| التاريخ الميلادي: |
2015
|
| موقع: | عمان |
| الصفحات: | 1 - 101 |
| رقم MD: | 1044486 |
| نوع المحتوى: | رسائل جامعية |
| اللغة: | الإنجليزية |
| الدرجة العلمية: | رسالة ماجستير |
| الجامعة: | الجامعة الاردنية |
| الكلية: | كلية الدراسات العليا |
| الدولة: | الاردن |
| قواعد المعلومات: | Dissertations |
| مواضيع: | |
| رابط المحتوى: |
عدد مرات التحميل
56
| المستخلص: |
أمراض الأنف والأذن والحنجرة هي واحدة من أكثر الأمراض شيوعا في العالم، تنخفض جودة وكفاءة الحياة للمرضى إذا كان لديهم أي من هذه الأمراض. حيث أنها تؤثر على التحدث، التعلم واضطراب السمع وغيرها. وهناك أنواع شائعه تشملها أمراض الأنف والأذن والحنجرة مثل: التهاب الأذن الوسطى، التهاب الأذن الخارجية، التهاب الجيوب الأنفية الحاد، التهاب الجيوب الأنفية المزمن، التهاب البلعوم الحاد والتهاب الحنجرة والبلعوم. تشخيص أمراض الأنف والأذن والحنجرة هو الأكثر تحديا أمام الأطباء نظرا لتشابه أعراض وعلامات الأمراض، وبالتالي فإن احتمال وقوع أخطاء طبية قد تحدث، ولمنع هذا يجب زيادة دقة التشخيص لهذه الأمراض. الهدف من هذه الدراسة هو تطوير نظام دعم اتخاذ القرار الطبي في تشخيص أمراض الأنف والأذن والحنجرة الشائعة. في السنوات الأخيرة، الكثير من الدراسات عملت على تطوير أنظمة دعم القرار الطبي لزيادة وتحسين أداء الإجراءات المتعلقة بالصحة، حيث أن نظام دعم القرارات الطبية يساعد في اتخاذ القرارات الطبية للمرضى بناءا على حالات سابقه. وأقترح الباحثون العديد من المنهجيات في استخدام أنظمة دعم القرار الطبي من ضمنها الشبكات العصبية الاصطناعية (الشبكات العصبية الصناعية)، وهي مستوحاة من النظم العصبية البيولوجية، وهي تنتمي إلى نماذج الاستخبارات الحاسوبية. في هذه الرسالة، تم تصميم نظام لدعم القرار الطبي لتشخص ثلاث أمراض من أمراض الأنف والأذن والحنجرة باستخدام الشبكات العصبية الصناعية. حيث أن الأمراض التي تم اختيارها هي: الجيوب الأنفية المزمنة، التهاب الأذن الخارجية والتهاب البلعوم. حيث استخدمنا شبكة عصبية اصطناعية متعددة الطبقات ذات تغذية أمامية في تصميم النظام. تستقبل طبقة الإدخال 38 متغير، في حين أن طبقة الإخراج ستنتج نوع المرض الذي يعاني منه المريض. وتستخدم عمية تكرارية لتحديد عدد الطبقات الخفية وعدد الخلايا العصبية في هذه الطبقات. وقد تم استعمال خوارزمية التدريب (Rprop) لتدريب الشبكة، حيث أجريت العديد من التجارب متعددة النماذج ومختلفة وظائف التفعيل: وظيفة التفعيل الخطي، وظيفة تفعيل الظل السيني القطعي ووظيفة التفعيل اللوغاريثمي السيني. علاوة على ذلك، تم تطبيق طريقة المجموعات العشر للتحقق من مقدرة الشبكة العصبية على التعامل مع بيانات جديده لم تتعامل معها في مرحلة التدريب. وقد تم الحصول على دقة تشخيص بنسبة 95.41%، حيث أنه استخدم 240 سجل طبي لمرضى تم الحصول عليها من عيادات أمراض الأنف والأذن والحنجرة في مستشفى الجامعة الأردنية. |
|---|
عناصر مشابهة
-
A clinical decision support system for heart disease diagnosis
بواسطة: Hamad, Nesreen Adnan منشور: (2011) -
Using Artificial Neural Networks to Determine the Extent to Which the Private Sector in the KSA Benefit from Quantitative Methods in Decision-Making
بواسطة: Awwad, Fuad A. A. منشور: (2021) -
A Clinical Decision Support System to Predict Venous Thromboembolism
بواسطة: القطاونة، ظلال ابراهيم منشور: (2015) -
Prediction and Factors Affecting of Chronic Kidney Disease Diagnosis Using Artificial Neural Networks Model and Logistic Regression Model
بواسطة: Alshebly, Omar Qusay منشور: (2019) -
Fault Diagnosis of Electronic Circuits Using Artificial Neural Networks
بواسطة: Al Jumah, Abd Allah منشور: (1999)
