دانلود پروژه: بهینه سازی خرید دارو با استفاده از داده ­کاوی

فهرست مطالب

عنوان                                                                                                 صفحه

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- بیان مسئله. 6

1-5- اهداف تحقیق.. 8

1-6- سوالات وفرضیات تحقیق.. 9

1-6-1- سوالات.. 9

1-6-2- فرضیات تحقیق.. 9

1-7- فصول پایان نامه. 9

فصل 2- پیشینه پژوهشی… 12

2-1- جمع بندی.. 24

فصل 3- مروری بر ادبیات تحقیق 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 دادهها 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. 48

3-8-3-1-Bagging.. 55

3-8-1-1-Boosting.. 44

3-8-1-1-الگوریتم های Boosting.. 44

3-8-4- Adaptive Boosting(Adaboost) 50

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 دادهها 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. 63

4-4-1- روش NN. 64

4-4-2-روش SVR. 64

4-4-3- روش LSSVR. 67

4-4-4- AdaBoost.R. 69

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 بررسی.. 76

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

5-1-2- ارزیابی الگوریتم با روش ماههای یکسان.. 83

5-2- جمع بندی.. 93

فصل 6- پیشنهادهاو فرصت‌های پژوهشی آینده. 95

 

 

فهرست جداول

 

 عنوان                                                                                         صفحه

جدول 2- 1تکنیک های مهم داده کاوی در بخش دارویی[21] 21

جدول 4- 1 ماتریس داده بصورت ماههای متوالی60

جدول 4- 2 ماتریس داده  بصورت ماههای یکسان61

جدول 4- 3  ماتریس داده بصورت فصول متوالی2

جدول 5- 1 نتایج اعمال الگوریتم های معرفی شده بر روی داده های Cream Calamine 77

جدول 5- 2 نتایج اعمال الگوریتم های معرفی شده بر روی داده های Vialdioxin81

جدول 5- 3 نتایج اعمال الگوریتم های معرفی شده بر روی داده های Syrup Sulbutamol82

جدول 5- 4 نتایج اعمال الگوریتم های معرفی شده بر روی داده های Cream Calamine 82

جدول 5- 5 نتایج اعمال الگوریتم های معرفی شده بر روی داده های Vialdioxin 85

جدول 5- 6 نتایج اعمال الگوریتم های معرفی شده بر روی داده های Syrup Sulbutamol86

جدول 5-  7نتایج اعمال الگوریتم های معرفی شده بر روی داده های Cream Calamine 91

جدول 5 – 8 نتایج اعمال الگوریتم های معرفی شده بر روی داده های Syrup Sulbutamol 93

 

 

 

 

 

 

 

 

 

فهرست شکل ها و نمودارها

 

عنوان                                                                                   صفحه

شکل 2- 1 مدل پیش بینی با شبکه عصبی[4]12

شکل 2- 2  شبکه عصبی [14] BP 12

شکل 2- 3 مدل بهینه سازی خرید دارو[15]14

شکل 2- 4 مدل استخراج دانش [26] 16

شکل 2- 5 جریان عملیات در داروخانه[17]  17

شکل 2- 6  دسته بندی اهدا بکارگیری داده کاوی[15]19

شکل 2- 7 روند بکارگیری داده کاوی در پزشکی[20]20

شکل3- 1   مراحل داده کاوی[40]32

شکل3- 2 ساختار شبکه عصبی[47]43

شکل3- 3  مثالی از درخت تصمیم[41]55

   شکل 3- 4 واسط کاربری سیستم اطلاعات بیمارستان55

شکل 4- 1 دیاگرام چاچوب تحقیق58

شکل4- 2 پارامترهای مورد استفاده در SVM64

شکل4- 3  گزارش تهیه شده با کریستال ریپورت70

شکل4- 4 خروجی گزارش تهیه شده با کریستال ریپورت71

شکل5- 1 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم AdaBoost.R78

شکل5- 2 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم LR78

شکل5- 3 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم BAGTREE79

شکل5- 4 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم LSSVR80

شکل5- 5 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم SVR80

شکل5- 6 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم BAGTREE83

شکل5- 7 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم LR83

شکل5- 8 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم SVR84

شکل 5- 9 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم AdaBoost.R84

شکل5- 10 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم SVR85

شکل 5- 11 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم AdaBoost.R86

شکل5- 12 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم LR87

شکل5- 13 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم SVR87

شکل5- 14 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم LSSVR88

شکل5- 15 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم AdaBoost.R89

شکل5- 16 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم NN90

شکل5- 17 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم LSSVR90

شکل5- 18 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم LSSVR92

شکل5- 19 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم BAGTREE93

شکل5- 20 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم LSSVR94

شکل5- 21 میزان تقاضای واقعی و پیش بینی شده توسط الگوریتم BAGTREE94