ساره مهدوی فر - دانشجوی ارشد مهندسی نرم افزار
مصطفی فخر احمد - دانشیار بخش مهندسی و علوم کامپیوتر و فناوری اطلاعات

در سال های اخیر تجزیه و تحلیل عقاید و احساسات موجود در متون در زمینه های مختلف کاربرد چشمگیری داشته است. امروزه بدلایل مختلف از جمله عدم آگاهی بیماران از شرایط، عدم دسترسی به پزشک متخصص، ترس از بیمار شدن بخصوص در شرایط پاندمیک، از زمان دریافت گزارش رادیولوژی تا مراجعه به پزشک فاصله می افتد. وجود یک سیستم خودکار نه بعنوان جایگزین یک پزشک بلکه بعنوان دستیار بیمار که بتواند با کمک آن از وخامت حال بیمار قبل از آنکه دیر شود مطلع گردد، در تصمیم گیری صحیح تر او تاثیر شایانی خواهد داشت. در این مطالعه، با هدف تحلیل عقاید موجود در گزارش های رادیولوژی، بر اساس مجموعه داده ای که توسط تیم خودمان با مشارکت یک پزشک متخصص جمع آوری شده، احساسات بالینی را تعریف کرده و با انجام یک پروژه حاشیه نویسی و ارزیابی جندین مدل یادگیری ماشین در سطح بند کار را پیش بردیم. هرف پایانی از این کار مقایسه عملکرد الگوریتم های مختلف یادگیری ماشین در انجام تجزیه و تحلیل گزارش های رادیولوژی است. از نتایج به دست آمده استباط می شود که دقت مدل های مبتنی بر دسته بندی Neural network و Support vector machines و Linear Support Vector Classification در تحلیل عقاید رادیولوژیست و تشخیص سطح وخامت شرایط بیمار اختلاف معناداری با سایر مدل های یادگیری نظارتی دارند، اما بین دقت پیش بینی این مدل ها اختلاف معناداری مشاهده نگردید.

تجزیه و تحلیل احساسات، پردازش زبان طبیعی، طبقه بندی سند، یادگیری ماشین