دانشگاه شیراز

دانشکده آموزش­های الکترونیکی

پایان ‌نامه کارشناسی ارشد در رشته مهندسی فناوری اطلاعات

(تجارت الکترونیک)

بهینه سازی خرید دارو با استفاده از داده­کاوی

استاد راهنما:

دکتر رضا بوستانی

بهمن ۱۳۹3

برای رعایت حریم خصوصی نام نگارنده پایان نامه درج نمی شود

(در فایل دانلودی نام نویسنده موجود است)

تکه هایی از متن پایان نامه به عنوان نمونه :

(ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)

چکیده

بهینه سازی خرید دارو با استفاده از داده کاوی

توسعه­ی استفاده از فناوری اطلاعات در بهداشت و درمان علاوه بر مزایای فراوان باعث می شود تا حجم زیادی از داده­های 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 تلاش شده است ضمن بررسی الگوریتم­های مختلف داده کاوی مدلی جهت پیش بینی مصرف دارو در داروخانه­های 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 است. برای پیش بینی مصرف دارو عملکرد مدل­های MLP، SVR، ADABOOST.R، BAGTREE، LR، LSSVR مورد بررسی 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 است.

واژگان کلیدی : سیستم های اطلاعات بیمارستان، پیش بینی، خرید دارو، داروخانه

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- تکنیک های مختلف داده کاوی.. 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- تعریف و مفهوم سیستم اطلاعات بیمارستانی.. 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- کاربرد های داده کاوی.. 41

3-7- رویکردهای مسائل داده کاوی در پزشکی.. 42

3-8- مدلها و الگوریتمهای داده کاوی.. 43

3-8-1- شبکه های عصبی مصنوعی.. 43

3-8-1-1-ساختار شبکه عصبی… 44

3-8-1-2-معماری شبکه عصبی… 45

3-8-1-3-آموزش شبکه های عصبی مصنوعی… 46

3-8-1-4-انواع یادگیری در شبکه های عصبی مصنوعی… 47

3-8-2- درخت های 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

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 ابتدا مقصود از چنین فعالیت­هایی کاهش هزینه­های ناشی ازکاغذ بازی­ موجود در سیستم­های دستی و اداری بوده است، 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 است.

برای دانلود متن کامل پایان نامه اینجا کلیک کنید

لینک بالا اشتباه است

برای دانلود متن کامل اینجا کلیک کنید

       

:: بازدید از این مطلب : 624