پایان نامه مقطع کارشناسی ارشد رشته فناوری اطلاعات

دانشگاه شیراز

دانشکده آموزش­های الکترونیکی

پايان ‌نامه كارشناسي ارشد در رشته مهندسی فناوری اطلاعات (تجارت الکترونیک)

عنوان کامل پایان نامه کارشناسی ارشد:

بهینه سازی خرید دارو با بهره گیری از داده­ کاوی

استاد راهنما:

دکتر رضا بوستانی

برای رعایت حریم خصوصی نام نگارنده درج نمی گردد

تکه هایی از متن به عنوان نمونه :

فهرست مطالب:

فصل 1- مقدمه………………………. 2

1-1- فناوری اطلاعات در بهداشت و درمان………………………. 2

1-2- داروخانه های بیمارستانی………………………. 3

1-3- داده کاوی………………………. 3

1-3-1- داده کاوی چیست؟……………………… 3

1-3-2- تكنیك های مختلف داده كاوی………………………. 4

1-3-2-1-انواع تکنیک داده کاوی……………………… 5

1-4- اظهار مسئله……………………… 6

1-5- اهداف پژوهش………………………. 8

1-6- سوالات وفرضیات پژوهش………………………. 9

1-6-1- سوالات………………………. 9

1-6-2- فرضیات پژوهش………………………. 9

1-7- فصول پایان نامه……………………… 9

فصل 2- پیشینه پژوهشی……………………….. 12

2-1- جمع بندی………………………. 24

فصل 3- مروری بر ادبیات پژوهش و مبانی نظری………………. 26

3-1- سیستم های اطلاعات بیمارستان………………………. 26

3-2- تعريف و مفهوم سيستم اطلاعات بيمارستاني……………… 28

3-2-1– اهداف سیستم اطلاعات بیمارستانی………………………. 29

3-2-2- اهمیت و ضرورت راه‌اندازی سیستم اطلاعات بیمارستانی……….. 30

3-2-3- مزایایی سیستم اطلاعات بیمارستانی………………………. 31

3-3- داده کاوی………………………. 32

3-4- مراحل داده کاوی………………………. 33

3-4-1- پیش پردازش داده ها…………………….. 35

3-4-2- پاکسازی داده ها…………………….. 35

3-4-3-یکپارچه سازی داده ها ……………………..36

3-4-4- تبدیل داده ها ……………………..36

3-4-5- تلخیص داده ها…………………….. 37

3-5- وظایف داده کاوی………………………. 37

3-5-1- دسته بندی………………………. 38

3-5-2- تخمین………………………. 39

3-5-3- پیش بینی………………………. 39

3-5-4- گروه بندی شباهت یا قوانین وابستگی…………….. 40

3-5-5- خوشه بندی………………………. 40

3-5-6- نمایه سازی………………………. 41

3-6- كاربرد هاي داده كاوي………………………. 41

3-7- رویکردهاي مسائل داده کاوي در پزشکی………………………. 42

3-8- مدلها و الگوريتمهای داده کاوی………………………. 43

3-8-1- شبکه هاي عصبی مصنوعی………………………. 43

3-8-1-1-ساختار شبکه عصبی……………………….. 44

3-8-1-2-معماري شبکه عصبی……………………….. 45

3-8-1-3-آموزش شبکه هاي عصبی مصنوعی……………………….. 46

3-8-1-4-انواع یادگیري در شبکه هاي عصبی مصنوعی…………… 47

3-8-2- درخت هاي انتخاب………………………. 47

3-8-3- Bagging & Boosting………………………

3-8-3-1-Bagging……………………….

3-8-1-1-Boosting……………………….

3-8-1-1-الگوریتم های Boosting……………………….

3-8-4- Adaptive Boosting(Adaboost)……………………..

3-8-5- رگرسیون بردار پشتیبان……………………… 51

3-8-6- رگرسیون خطی………………………. 52

نرم افزارهای داده کاوی………………………. 54

3-10- فرایند خرید دارو…………………….. 55

3-11- جمع بندی………………………. 56

فصل 4- روش انجام پژوهش………………………… 58

4-1- مقدمه……………………… 58

4-2- الگوریتم پیشنهادی………………………. 59

4-3- پیش پردازش داده ها…………………….. 60

4-3-1- ساخت ماتریس داده ……………………..60

4-3-1-1-روش ماههای متوالی……………………….. 67

4-3-1-2-روش ماههای یکسان……………………….. 44

4-3-1-3-روش فصول متولی……………………….. 69

4-4- الگوریتمهای Prediction………………………

4-4-1- روش NN………………………

4-4-2-روش SVR………………………

4-4-3- روش LSSVR………………………

4-4-4- AdaBoost.R………………………

4-5- مجموعه داده…………………….. 70

4-5-1- پاکسازی داده…………………….. 72

4-6- معیارهای ارزیابی………………………. 72

4-7- جمع بندی………………………. 74

فصل 5- بحث و نتیجه‌گیری………………………. 76

5-1- مقایسه روشهای مورد مطالعه………………………. 76

5-1-1- ارزیابی الگوریتم با روش ماههای متوالی…………. 77

5-1-2- ارزیابی الگوریتم با روش ماه های یکسان……………… 83

5-2- جمع بندی………………………. 93

فصل 6- پیشنهادهاو فرصت‌های پژوهشی آینده……………………… 95

چکیده:

توسعی بهره گیری از فناوری اطلاعات در بهداشت و درمان علاوه بر مزایای فراوان باعث می گردد تا حجم زیادی از داده­ های مرتبط، در دسترس قرار بگیرند. با بکارگیری داده کاوی بر روی داده های موجود می توان تصمیم گیری­ها و فرایند­های مدیریتی را بهبود بخشید. در این پایان نامه کوشش شده می باشد ضمن مطالعه الگوریتم­ های مختلف داده کاوی مدلی جهت پیش بینی مصرف دارو در داروخانه­ های بیمارستان­ها ارائه گردد. مجموعه داده در نظر گرفته شده مربوط به سیستم اطلاعات بیمارستان پاستور شهرستان بم می باشد که در مدت 5 سال در پایگاه داده سیستم اطلاعات این بیمارستان ذخیره شده می باشد. برای پیش بینی مصرف دارو عملکرد مدل­های MLP، SVR، ADABOOST.R، BAGTREE، LR، LSSVR مورد مطالعه قرار می گیرد. دقت پیش بینی بر اساس معیارها MSE ,RMSE ,MAE وR2 ارزیابی می گردد. طبق نتایج بدست آمده عملکرد مدل BAGTREE در روش های مختلف بهتر از سایر مدل ها بوده می باشد.

فصل نخست: مقدمه

1-1- فناوری اطلاعات در بهداشت و درمان

در سال­های اخیر مراکز بهداشتی ودرمانی کشورمان به ویژه بیمارستانها درصدد مکانیزه کردن سیستم­های اطلاعاتی خود برآمده­اند. در آغاز مقصود از چنین فعالیت­هایی کاهش هزینه­های ناشی ازکاغذ بازی­ موجود در سیستم­های دستی و اداری بوده می باشد، اما اکنون به مرحله ای رسیده­ایم که بهبود کیفیت ارائه خدمات درمانی اهمیتی روزافزون می­یابد و در این راستا بکار­گیری سیستم های اطلاعات بیمارستان­ها بسیار مرسوم شده می باشد.

بکارگیری سیستم اطلاعات بیمارستان علاوه بر مزایای فراوان مانند کاهش زمان پذیرش، زمان ترخیص، زمان اخذ جواب­ها، زمان مراجعه به اطلاعات قبلی پرونده، بالا بردن میزان دقت در درج اطلاعات و درخواست­ها كه در حالت دستی می تواند ناخوانا باشد، همچنین می تواند موجب تسریع ارتباطات بین بخشی و در نهایت بالابردن میزان رضایت بیمار، ارائه خدمات بهتر، دریافت آمار و گزارشات روزانه و زمانی گردد. در نهایت بکارگیری سیستم های اطلاعات بیمارستان، حجم زیادی از داده های مرتبط با درمان را در دسترس قرار می دهد [1]. با بهره گیری از تکنیک های داده کاوی می توان از داده­های موجود در این سیستم­ها در جهت پشتیبانی از تصمیم و مدیریت و در نهایت پیشبرد اهداف اقتصادی و درمانی سود جست .[2] داده‌کاوی یکی از ده دانش در حال توسعه می باشد و در سال‌های اخیر در دنیا گسترش فوق‌العاده سریعی داشته می باشد. داده‌کاوی فرآیند کشف الگوها و روابط موجود بین داده ها در پایگاه داده های بزرگ می باشد که با برخورداری از دامنه وسیع زیر زمینه‌های تخصصی با توصیف، تشریح، پیش‌بینی و کنترل پدیده‌های گوناگون پیرامون، امروزه کاربرد بسیار وسیع در حوزه‌های مختلفی ازجمله پزشکی و تجارت دارد [3].

2-1- داروخانه های بیمارستانی

افزایش هزینه‌های بیمارستانی در سال‌های اخیر و نیز اجرای طرح خودگردانی و اداره‌ی بیمارستان‌ها به وسیله‌ی درآمد اختصاصی آنها، بیمارستان‌ها را با معضلات مالی جدی رو به رو ساخته می باشد. داروخانه یکی از بخش­های مهم و درآمدزا در بیمارستان ها می باشد که می توان با بهبود خرید دارو و افزایش بهره وری آن، بنحوی به وضعیت اقتصادی بیمارستان ها کمک نمود. این حقیقت که مصرف دارو بر اساس شیوع بیمارها در فصول مختلف تغییر می کند و نیز در نظر گرفتن این نکته که بعضی داروها برای درمان یک بیماری مکمل یکدیگرند، مانند فاکتورهایی هستند که بایستی در خرید دارو درنظر گرفته شوند [4]. به تعبیری با در نظر داشتن بیماری­های بسیار متنوع، و تجویز داروهای مختلف برای آنها، میتوان بر اساس سابقه مصرف دارو، نیاز های دارویی در آینده را پیش بینی نمود در نتیجه، در صورت بکارگیری تکنیک­های داده کاوی بر روی اطلاعات موجود در سیستم اطلاعات بیماستان می توان خرید دارو را بر اساس پیش بینی صورت گرفته توسط داده کاوی بهینه نمود.

لذا بر آن شدیم تا با انجام این مطالعه به پیش بینی مصرف دارو، با بهره گیری از تکنیکهای داده کاوی، در داروخانه یک بیمارستان بزرگ به مقصود افزایش بهره وری مالی آن بپردازیم.

3-1- داده کاوی

1-3-1- داده کاوی چیست؟

داده کاوی به مطالعه و تجزیه و تحلیل مقادیر عظیمی از داده ها به مقصود کشف الگوها و قوانین معنی دار اطلاق میشود.[5] کشف دانش و داده کاوی امروزه یک حوزه جدید میان رشته ای و در حال رشد می باشد که حوزه های مختلفی همچون پایگاه داده، آمار، یادگیری ماشین و سایر زمینه های مرتبط را با هم تلفیق کرده تا اطلاعات و دانش ارزشمند نهفته در حجم بزرگی از دادهها را استخراج نماید و بهره گیری از آن در دو دهه اخیر تقریبا در جهان در همه سازمانها که با حجم عظیمی از داده در پایگاه داده خود مواجه هستند، رواج یافته می باشد [6]. شناسایی مشکالت کاوش و یا برآورد وابستگی­ها از داده ها یا کلاً کاوش داده های جدید تنها قسمتی ازشیوه­های تجربی مورد بهره گیری دانشمندان، مهندسین و دیگر کسانی می باشد که روش­های استانداردی را برای کسب نتایج داده ها به کار می برند. درتطبیق روش­های تجربی معمول با مسائل داده کاوی می­توان به مراحل اظهار مسأله و فرموله کردن فرضیه، جمع آوری داده­ها، پیش پردازش داده­ها شامل آشکارسازی و حذف داده­های غیر عادی و مقیاس بندی،رمزگذاری و انتخاب، برآورد و ارزیابی مدل و در نهایت تفسیر مدل ورسیدن به نتایج تصریح نمود [7].

شما می توانید تکه های دیگری از این مطلب را در شماره بندی انتهای صفحه بخوانید              

2-3-1- تکنیک های مختلف داده کاوی

تكنیك­های مختلف داده كاوی را می­توان بر اساس نوع عملیاتی كه انجام می­دهند به دو دسته « پیش بینی كننده » و « تشریح كننده » تقسیم كرد. تكنیك­های پیش بینی كننده با ساخت مدلی برای پایگاه داده، وظیفه پیش بینی موارد ناشناخته را بر عهده دارند. در حالی كه تكنیك­های تشریح كننده ، الگوهایی قابل فهم از داده ها را برای بشر كشف می كنند [8].در بین این الگوریتم­ها و مدل­ها، بهترین وجود ندارد و با در نظر داشتن داده­ها و کارایی مورد نظر بایستی مدل انتخاب گردد.

1-2-3-1- انواع تکنیک داده کاوی

قواعد انجمنی [1]: قوانین انجمنی در دسته تکنیک های تشریح کننده قرار می گیرد و به پیدا كردن وابستگی­ها و همبستگی­های موجود در بین داده ها، یافتن الگوهایی كه غالبا در بین داده­ها وجود دارند و همچنین پیدا كردن یك سری ساختار سببی در بین آیتم­ها و اشیای موجود در پایگاه داده­های تعاملی و ارتباط­ای تصریح كرد.

پیش بینی :[2] دراین روش هدف، پیش بینی یک متغیر پیوسته می باشد. مانند پیش بینی نرخ ارز یا هزینه های درمانی. اینجا ﻣﻘـﺎﺩﻳﺮ ﻣﻤﻜـﻦ ﺑـﺮﺍﻱ ﻣﺘﻐﻴﺮﻫﺎﻱ ﻧﺎﻣﻌﻠﻮﻡ ﭘﻴﺶ ﺑﻴﻨﻲ ﻣﻲ ﺷﻮﻧﺪ. ﺩﺭ پیش­ بینی ﺍﺑﺘﺪﺍ ﺩﺍﺩﻩ ﻫﺎﻳﻲ ﻛﻪ ﺑﻪ ﻣﺘﻐﻴﺮ ﻧـﺎﻣﻌﻠﻮﻡ ﻣﺮﺑـﻮﻁ ﻫﺴﺘﻨﺪ ﺑﻮﺳﻴﻠﻪ ﻱ ﺑﺮﺧﻲ ﺗﺤﻠﻴﻞ ﻫﺎﻱ ﺁﻣﺎﺭﻱ ﭘﻴﺪﺍ ﻣﻲ ﺷﻮﻧﺪ. ﺳـﭙﺲ ﺍﺯ ﺑﺮﺧـﻲ ﺭﻭﺵ ﻫـﺎﻱ ﻫﻮﺷـﻤﻨﺪ ﻣﺎﻧﻨﺪ ﺷﺒﻜﻪ ﻫﺎﻱ ﻋﺼﺒﻲ ﺍﻟﮕﻮﺭﻳﺘﻢ ﮊﻧﺘﻴﻚ ﺑﺮﺍﻱ ﺍﻧﺠﺎﻡ ﭘﻴش بینی ﺍﺳﺘﻔﺎﺩﻩ ﻣﻲ ﺷﻮﺩ.

رده بندی یا طبقه بندی[3] : فرآیندی برای یافتن مدلی می باشد که رده های موجود در داده‌ها را تعریف می نماید و متمایز می کند، با این هدف که بتوان از این مدل برای پیش بینی رده رکوردهایی که برچسب رده آنها (متغیر هدف) ناشناخته می باشد، بهره گیری نمود. در رده بندی بر خلاف پیش بینی، هدف پیش بینی مقدار یک متغیر گسسته می باشد. روش های مورد بهره گیری در پیش بینی و رده بندی عموما یکسان هستند. و در دسته تکنیک های پیش بینی کننده قرار می گیرند.

خوشه بندی[4] : گروه بندی مجموعه ای از اعضاء، رکوردها یا اشیاء به نحوی که اعضای موجود در یک خوشه بیشترین شباهت را به یکدیگر و کمترین شباهت را به اعضای خوشه های دیگر داشته باشند.

در این پایان نامه جهت پیش بینی مصرف دارو از تکنیک های پیش بینی بهره گیری می گردد و با مطالعه الگوریتم­های مختلف این تکنیک کوشش می گردد مدلی مناسب جهت پیش بینی مصرف دارو در داروخانه­های بیمارستان­های ایران معرفی گردد. همچنین از داده‌های واقعی بیمارستان پاستور شهر تاریخی بم که در پایگاه داده SQL SERVER سیستم اطلاعات بیمارستان با حجمی در حدود GB220 و در مدت 5 سال ذخیره شده­اند جهت بهره گیری در مدل‌ها و تکینیک های داده‌کاوی بهره گیری خواهد گردید.

1.Association

2.Prediction

3.Classification

Clustering 4.

شما می توانید مطالب مشابه این مطلب را با جستجو در همین سایت بخوانید                     

***ممکن می باشد هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود اما در فایل دانلودی همه چیز مرتب و کامل و با فرمت ورد موجود می باشد***

متن کامل را می توانید دانلود نمائید

زیرا فقط تکه هایی از متن پایان نامه در این صفحه درج شده (به گونه نمونه)

اما در فایل دانلودی متن کامل پایان نامه

 با فرمت ورد word که قابل ویرایش و کپی کردن می باشند

موجود می باشد

تعداد صفحه : 117

قیمت : چهارده هزار و هفتصد تومان