این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
صفحه اصلی
درباره پایگاه
فهرست سامانه ها
الزامات سامانه ها
فهرست سازمانی
تماس با ما
JCR 2016
جستجوی مقالات
پنجشنبه 20 آذر 1404
طب جنوب
، جلد ۲۰، شماره ۴، صفحات ۳۳۹-۳۴۸
عنوان فارسی
تشخیص بهتر آپاندیسیت حاد با استفاده از هوش مصنوعی
چکیده فارسی مقاله
زمینه: آپاندیسیت حاد، شایعترین علت مراجعۀ بیماران با دردهای شکمی به اورژانس بیمارستانها و آپاندکتومی شایعترین عمل جراحی اورژانس است. با وجود ابداع روشهای گوناگون تشخیصی، میزان آپاندکتومی غیرضروری قابل توجه است. استفاده از روشهای هوش مصنوعی و یادگیری ماشینی میتواند فرآیند تشخیص و درمان را بهبود بخشد. در این پژوهش از سیستم ماشینبردار پشتیبان جهت کمک به تشخیص آپاندیسیت حاد با هدف افزایش صحت تشخیصی و کاهش میزان آپاندکتومی غیرضروری و پیامد های جراحی استفاده شد. مواد و روشها: طی پژوهشی توسعهای، با مطالعۀ متون تخصصی بیماریهای دستگاه گوارش، متغیرهای مؤثر تشخیصی گردآوری و در قالب چک لیست دستهبندی و توسط متخصصان ارزیابی شدند. 181 مورد از پروندۀ بیمارانی که طی سال 1394 در بیمارستان فوق تخصصی شهید مدرس عمل آپاندکتومی شده بودند، پایگاه داده را تشکیل دادند. سپس سیستم ماشین بردار پشتیبان با معماریهای مختلف جهت تعیین بهترین عملکرد تشخیصی پیادهسازی و مقایسه گردید. از شاخصهای حساسیت، صحت و مشخصه جهت ارزیابی استفاده شد. یافتهها: خروجی بهدست آمده از سیستم ماشینبردار دارای حساسیت، مشخصه و صحت 7/91 درصد، 2/96 درصد و 95 درصد بود که بیانگر عملکرد مناسب آن در تشخیص آپاندیسیت حاد است. نتیجهگیری: با استناد به نتایج میتوان گفت که استفاده از سیستم ماشین بردار پشتیبان طراحی شده در تشخیص آپاندیسیت حاد، با هدف تشخیص به موقع، جلوگیری از آپاندکتومی غیرضروری، کاهش مدت بستری و هزینههای درمانی بیمار مؤثر خواهد بود.
کلیدواژههای فارسی مقاله
عنوان انگلیسی
Better Diagnosis of Acute Appendicitis by Using Artificial Intelligence
چکیده انگلیسی مقاله
Background: Acute appendicitis is the most common cause for referral of patients with abdominal pains to emergency department of hospitals and appendectomy is the most common emergency operation. Despite of introduction of the various diagnostic methods unnecessary appendectomy rate is significant. Therefore, the use of artificial intelligence and machine learning methods as a tool to aid in the diagnosis can be timely and more accurate diagnosis, reduce length of stay in hospital and improve the treatment costs. Materials and Methods: During the developmental research, by studying literature and resources related to gastrointestinal diseases, variables affecting the diagnosis came together and were assessed by surgeons. During 2015, 181 cases of patients who underwent appendectomy was performed at the modarres Hospital constitute research database. Then, the support vector machine systems with different architectures implemented and compared to determine the best diagnostic function. Sensitivity, accuracy and specificity were used for evaluation. Results: The output obtained from the system of vector machine had sensitivity, specificity and accuracy of 91/7 percent, 96/2 percent and 95 percent which expresses its proper function in detecting acute appendicitis. Conclusion: According to the results, we can say that using designed support vector machine in diagnosis of acute appendicitiswill be effective in order to timely detect, prevent unnecessary appendectomy, reduction the patient's length of stay and health care costs.
کلیدواژههای انگلیسی مقاله
نویسندگان مقاله
میرمیکاییل میرحسینی | mir mekaeal hosseini
medical informatics department, school of allied medical sciences, tehran university of medical sciences, tehran, iran
گروه انفورماتیک پزشکی، دانشکده پیراپزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران
سازمان اصلی تایید شده
: دانشگاه علوم پزشکی تهران (Tehran university of medical sciences)
رضا صفدری | reza safdari
medical informatics department, school of allied medical sciences, tehran university of medical sciences, tehran, iran
گروه انفورماتیک پزشکی، دانشکده پیراپزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران
سازمان اصلی تایید شده
: دانشگاه علوم پزشکی تهران (Tehran university of medical sciences)
لیلا شاهمرادی | lila shahmoradi
medical informatics department, school of allied medical sciences, tehran university of medical sciences, tehran, iran
گروه انفورماتیک پزشکی، دانشکده پیراپزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران
سازمان اصلی تایید شده
: دانشگاه علوم پزشکی تهران (Tehran university of medical sciences)
مجتبی جواهرزاده | mojtaba javaherzadeh
general surgery department, shahid modarres hospital, shahid behehsti medical university, tehran, iran
بخش جراحی عمومی، بیمارستان فوق تخصصی شهید مدرس، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران
سازمان اصلی تایید شده
: دانشگاه علوم پزشکی شهید بهشتی (Shahid beheshti university of medical sciences)
نشانی اینترنتی
http://ismj.bpums.ac.ir/browse.php?a_code=A-10-1-5&slc_lang=fa&sid=fa
فایل مقاله
اشکال در دسترسی به فایل - ./files/site1/rds_journals/35/article-35-423070.pdf
کد مقاله (doi)
زبان مقاله منتشر شده
fa
موضوعات مقاله منتشر شده
جراحی
نوع مقاله منتشر شده
پژوهشی
برگشت به:
صفحه اول پایگاه
|
نسخه مرتبط
|
نشریه مرتبط
|
فهرست نشریات