Improve Radiologists Productivity in Hospitals Based on Data Mining Techniques
| العنوان بلغة أخرى: |
تحسين إنتاجية أطباء الأشعة في المستشفيات باستخدام تقنيات تنقيب البيانات |
|---|---|
| المؤلف الرئيسي: | السباخى، منى عبدالفتاح لطفى (مؤلف) |
| مؤلفين آخرين: | برهوم، توفيق سليمان (مشرف) |
| التاريخ الميلادي: |
2017
|
| موقع: | غزة |
| الصفحات: | 1 - 72 |
| رقم MD: | 875390 |
| نوع المحتوى: | رسائل جامعية |
| اللغة: | الإنجليزية |
| الدرجة العلمية: | رسالة ماجستير |
| الجامعة: | الجامعة الإسلامية (غزة) |
| الكلية: | كلية تكنولوجيا المعلومات |
| الدولة: | فلسطين |
| قواعد المعلومات: | Dissertations |
| مواضيع: | |
| رابط المحتوى: |
عدد مرات التحميل
34
| المستخلص: |
لدى أقسام الأشعة الحديثة قواعد بيانات ضخمة من الصور والنصوص. وكما أي قواعد بيانات، تكون قواعد البيانات هذه غنية في محتوى البيانات ولكنها ضعيفة في استخراج المعلومات. لذلك يمكن اعتبار تنقيب البيانات أداة ذات كفاءة وفعالية لاستخراج المعلومات من قواعد البيانات الضخمة وتقديمها بشكل مفيد يدعم اتخاذ القرار في تلك الأقسام والمستشفيات. تستند فكرة هذا البحث على دراسة إحدى مشاكل أقسام الأشعة في المستشفيات وتقديم الحل على أساس تطبيق تقنيات تنقيب البيانات وإنشاء نموذج تنقيب البيانات بهدف تحسين إنتاجية أطباء الأشعة من خلال إسناد الحالات المناسبة لكل طبيب أشعة وذلك في بيئة قراءة الأشعة عن بعد. تواجه أقسام الأشعة حاليا تأخيرا في إنجاز التقارير خلال الوقت المناسب بسبب زيادة عبء بعض أطباء الأشعة. تم جمع البيانات من أربع مستشفيات مختلفة في المملكة العربية السعودية تتضمن ثمانية أطباء "طبيبان من كل مستشفى" وتمت مراعاة تفاوت الأطباء في التخصص والإنتاجية. اقتصر البحث على فحوصات التصوير المقطعي، التصوير بالرنين المغناطيسي وتصوير الثدي، وتضمنت البيانات سبع صفات. تم تطبيق أربع أدوات مختلفة لتصنيف البيانات على مجموعة البيانات، وتنبأ النموذج بالحالة المناسبة لكل طبيب أشعة مما أدى إلى توزيع الحالات بالشكل الأمثل لتحسين إنتاجية الأطباء. تم تقييم النموذج من خلال عرض النتائج على خبير في واحدة من المستشفيات الأربع لإبداء رأيه، وقال بأن نتائج النموذج جيدة لأنها تأخذ بعين الاعتبار التخصص الفرعي لكل إجراء في توزيع الحالات على الأطباء ويعتقد أنه عند تطبيق النموذج في المستشفيات سوف يحقق نتائج جيدة وسيعمل على تحسين إنتاجية الأطباء. أيضا تم تقييم نتائج أدوت التصنيف المستخدمة باستخدام Accuracy و F-measure وأظهرت النتائج أن Naive Bayes كانت أفضل أداة في إسناد الحالات المناسبة لكل طبيب أشعة، حيث أدت إلى تحسن أداء الأطباء بنسبة تصل إلى 24%. وفي نفس الوقت حصلت على أعلى نسبة في تقييم Accuracy بنسبة تصل إلى 8% و F-measure بنسبة تصل إلى 4% مقارنة بأدوات التصنيف الأخرى. |
|---|
عناصر مشابهة
-
Data Mining Techniques for Prediction of Concrete Compressive Strength (CCS)
بواسطة: أبو زر، يوسف صالح يوسف منشور: (2020) -
Prototype for A Tele-dermatology System in Oman: Disease detection using data mining techniques
بواسطة: الشريقي، سمية بنت مالك بن محمد منشور: (2017) -
Detecting DDoS attack using a multilayer data mining techniques
بواسطة: Al Biltaje, Heba S. منشور: (2015) -
Um Al Qura University Productivity: Applying Data Mining Techniques
بواسطة: Mazin, Khairo Sindi منشور: (2000) -
Knowledge-based business intelligence depends on data mining technique
بواسطة: Khader, Moath منشور: (2012)
