CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

تشخیص بیماری و تجویز هوشمند داروهای سنتی ایرانی با کمک متن کاوی میان زبانی در متون زیست-پزشکی و یادگیری عمیق

عنوان مقاله: تشخیص بیماری و تجویز هوشمند داروهای سنتی ایرانی با کمک متن کاوی میان زبانی در متون زیست-پزشکی و یادگیری عمیق
شناسه ملی مقاله: CITCOMP02_419
منتشر شده در دومین کنفرانس بین المللی پژوهش های دانش بنیان در مهندسی کامپیوتر و فناوری اطلاعات در سال 1396
مشخصات نویسندگان مقاله:

سامان کرباسی لنگرودی - گروه مهندسی کامپیوتر ، دانشکده فنی، دانشگاه خاتم ، تهران ، ایران
بابک مجیدی - استادیار گروه مهندسی کامپیوتر ، دانشکده فنی، دانشگاه خاتم ، تهران ، ایران
احسان اخترکاوان - استادیار گروه مهندسی کامپیوتر ، دانشکده فنی، دانشگاه خاتم ، تهران ، ایران

خلاصه مقاله:
امروزه تکنیک های داده کاوی به صورت گسترده در سیستم های تصمیم یار پزشکی ، جهت پیش بینی و تشخیص بیماری های متفاوت با دقتی بالا مورد استفاده قرار میگیرند. دلیل استفاده این تکنیک ها در طراحی چنین سیستم هایی توانایی آنها در پیدا کردن الگوهای پنهان و روابط بین داده ای پزشکی می باشد. داروها و طب سنتی مزایایی نسبت به طب مدرن دارد. طب سنتی به درمان علت ها میپردازد، نه معلول ها. شیوه درمان اقلیمی دارد. داروها در طب سنتی شیمیایی نیستند [1].در این مقاله با استفاده از تکنولوژی های پردازش متون و سیستم های یادگیری ماشین، وب سایت های داروهای پزشکی سنتی و اسناد موجود در این زمینه پردازش، و پایگاه دانش کاربردی ، جهت استفاده در سیستم تشخیص پزشکی کمکی ایجاد شده است. جمع آوری اطلاعات با کمک ربات های طراحی شده برای اسناد انجام پذیرفته است. نتایج شبیه سازی سیستم پیشنهادی نشان می دهد که چهارچوب ارایه شده از دقت بسیار بالای برای تشخیص طیف وسیعی از بیماری های گوناگون و تجویز داروی ستنی مناسب برای بیماری ها برخوردار می باشد. دقت سیستم پیشنهادی تجویز 0.894% می باشد.

کلمات کلیدی:
داده کاوی، متن کاوی، شبکه عصبی عمیق، متون زیست-پزشکی، سیستم پیشنهادگر

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/696359/