مزایا و چالش های کاوش کلان داده های پزشکی

Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 247

This Paper With 9 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_HIM-18-5_007

تاریخ نمایه سازی: 24 آبان 1401

Abstract:

مقدمه: داده کاوی، ابزار کارامدی جهت آشکارسازی دانش نهفته در کلان داده های پزشکی می باشد. اولین قدم داده کاوی، شناخت داده و چالش های آن است. هدف از انجام پژوهش حاضر، بررسی سرمنشا، تاثیرات و راهکارهای مواجهه با چالش های کاوش کلان داده های پزشکی و همچنین، تعیین منافع حاصل از کاوش بود.روش بررسی: در این تحقیق مروری، مطالعات انگلیسی با دو گروه کلید واژه مجزا برای مزایا و چالش ها از پایگاه های اطلاعاتی PubMed، ScienceDirect، Springer و Google Scholar، طی بازه زمانی سال های ۲۰۱۱ تا ۲۰۲۰ جستجو شد. مطالعات تک منظوره حذف و مطالعاتی که به صورت جامع کاوش کلان داده های پزشکی را مورد بررسی قرار داده بودند، انتخاب شد. سپس هر چالش مورد بررسی دقیق تر قرار گرفت و نتایج به صورت طبقه بندی شده ارایه گردید.یافته ها: دانش حاصل از کاوش کلان داده پزشکی، سبب افزایش کیفیت ارایه خدمات درمانی می شود، اما خطا در جمع آوری و ثبت اطلاعات، ویژگی های ناشی از کلان داده بودن و ساختار ذاتی داده های پزشکی، چالش های بسیاری بر سر راه کاوش قرار داده است که از بین آن ها، «ناسازگاری، صحت، امنیت و محرمانگی داده»، دشوارترین مشکلات به شمار می روند. استانداردسازی و افزایش دقت و امنیت در جمع آوری، ذخیره سازی و نمایش داده ها، موثرترین راهکارهای پیشگیری می باشد. طراحی و استفاده از بسترها، الگوریتم ها و ساختارهای مناسب کلان داده و همچنین، بهره گیری از روش های یادگیری ماشین و هوش مصنوعی، راهکارهای مناسبی برای مواجهه با چالش ها محسوب می شوند.نتیجه گیری: عدم آمادگی برای ظهور کلان داده های پزشکی و رشد بسیار سریع آن ها، سرمنشا بروز چالش هایی برای الگوریتم های کاوش هستند که برخی قابل پیشگیری، شناسایی و رفع می باشند و برخی نیز به روش های هوشمند نوینی نیاز دارند که قابلیت مدیریت کلان داده های پزشکی را داشته باشند.

Authors

لیلا برادران سرخابی

دانشجوی دکتری تخصصی، مهندسی نرم افزار، گروه مهندسی کامپیوتر، واحد ارومیه، دانشگاه آزاد اسلامی، ارومیه، ایران

فرهاد سلیمانیان قره چپق

استادیار، مهندسی نرم افزار، گروه مهندسی کامپیوتر، واحد ارومیه، دانشگاه آزاد اسلامی،ارومیه، ایران

جعفر شهام فر

استادیار، مهندسی نرم افزار، گروه مهندسی کامپیوتر، واحد ارومیه، دانشگاه آزاد اسلامی، ارومیه و پزشکی اجتماعی، گروه پزشکی اجتماعی، دانشکده پزشکی، دانشگاه علوم پزشکی تبریز، تبریز، ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • Raghupathi W, Raghupathi V. Big data analytics in healthcare: Promise ...
  • Ross MK, Wei W, Ohno-Machado L. "Big data" and the ...
  • Oussous A, Benjelloun FZ, Ait Lahcen A, Belfkih S. Big ...
  • Islam MS, Hasan MM, Wang X, Germack HD, Noor-E-Alam. A ...
  • Pashazadeh A, Navimipour NJ. Big data handling mechanisms in the ...
  • Kruse CS, Goswamy R, Raval Y, Marawi S. Challenges and ...
  • Lee CH, Yoon HJ. Medical big data: Promise and challenges. ...
  • Jothi N, Rashid NA, Husain W. Data Mining in Healthcare: ...
  • Divaris K. Fundamentals of precision medicine. Compend Contin Educ Dent ...
  • Chawla NV, Davis DA. Bringing big data to personalized healthcare: ...
  • Huang L, Shea AL, Qian H, Masurkar A, Deng H, ...
  • Prosperi M, Min JS, Bian J, Modave F. Big data ...
  • Viceconti M, Hunter P, Hose R. Big data, big knowledge: ...
  • Luo J, Wu M, Gopukumar D, Zhao Y. Big data ...
  • Sun J, Reddy CK. Big data analytics for healthcare. Proceedings ...
  • Huang BE, Mulyasasmita W, Rajagopal G. The path from big ...
  • Installe AJ, Van den Bosch T, De Moor B, Timmerman ...
  • Papalexakis EE, Faloutsos C. Unsupervised tensor mining for big data ...
  • Jeon I, Papalexakis EE, Faloutsos C, Sael L, Kang U. ...
  • Jain S, Jain K, Chodhary N. A survey paper on ...
  • Bansal R, Gaur N, Singh SN. Outlier Detection: Applications and ...
  • Garc+¡a S, Luengo J, Herrera F. Tutorial on practical tips ...
  • Zhou PY, Wong AKC. Explanation and prediction of clinical data ...
  • Idri A, Benhar H, Fernandez-Aleman JL, Kadi I. A systematic ...
  • Benhar H, Idri A, Fernandez-Aleman JL. Data preprocessing for heart ...
  • Garcia S, Ramirez -Gallego S, Luengo J, Benitez JM, Herrera ...
  • Giordani P, Kiers HAL. A review of tensor-based methods and ...
  • Lin JH, Haug PJ. Data preparation framework for preprocessing clinical ...
  • Atzmueller M, Schmidt A, Hollender M. Data preparation for big ...
  • Ortega Jn, Iturbide E, Olivares Peregrino V, Hidalgo M, Almanza ...
  • Rashid A, Mohd Yasin N. Generalization technique for privacy preserving ...
  • Gkoulalas-Divanis A, Loukides G, Sun J. Publishing data from electronic ...
  • Rajinder Sandhu, Navroop Kaur, Sandeep K. Sood, and Rajkumar Buyya. ...
  • Henderson J, He H, Malin BA, Denny JC, Kho AN, ...
  • Ching T, Himmelstein DS, Beaulieu-Jones BK, Kalinin AA, Do BT, ...
  • Mehta N, Pandit A. Concurrence of big data analytics and ...
  • نمایش کامل مراجع