بهینه سازی خرید دارو با استفاده از داده کاوی توسعه ی 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 پروژه 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 مدلهایMLP ،SVR ، ADABOOST.R ،BAGTREE ،LR ،LSSVR مورد بررسی قرار می گیرد. دقت پیش بینی بر اساس معیارها MSE ,RMSE ,MAE و R2 ارزیابی می گردد. طبق نتایج بدست آمده عملکرد مدل BAGTREEE در روش های مختلف بهتر از سایر مدل ها بوده است.
فصل یک
مقدمه
فناوری اطلاعات در بهداشت و درمان
داروخانه های بیمارستانی
داده کاوی
داده کاوی چیست؟
تکنیک های مختلف داده کاوی
انواع تکنیک داده کاوی
بیان مسئله
اهداف تحقیق
سوالات وفرضیات تحقیق
سوالات
فرضیات تحقیق
فصول پروژه
فصل دوم
پیشینه پژوهشی
جمع بندی
فصل سه
مروری بر ادبیات تحقیق و مبانی نظری
سیستم های اطلاعات بیمارستان
تعریف و مفهوم سیستم اطلاعات بیمارستانی
اهداف سیستم اطلاعات بیمارستانی
اهمیت و ضرورت راه‌اندازی سیستم اطلاعات بیمارستانی
مزایایی سیستم اطلاعات بیمارستانی
داده کاوی
مراحل داده کاوی
پیش پردازش داده ها
پاکسازی داده ها
یکپارچه سازی داده ها
تبدیل داده ها
تلخیص داده ها
وظایف داده کاوی
دسته بندی
تخمین
پیش بینی
گروه بندی شباهت یا قوانین وابستگی
خوشه بندی
نمایه سازی
کاربرد های داده کاوی رویکردهای مسائل داده کاوی در پزشکی
مدلها و الگوریتمهای داده کاوی
شبکه های عصبی مصنوعی
ساختار شبکه عصبی
معماری شبکه عصبی
آموزش شبکه های عصبی مصنوعی
انواع یادگیری در شبکه های عصبی مصنوعی
درخت های انتخاب
Bagging & Boosting
Bagging
Boosting
الگوریتم های Boosting
Adaptive Boosting Adaboost
رگرسیون بردار پشتیبان
رگرسیون خطی
نرم افزارهای داده کاوی
فرایند خرید دارو
جمع بندی
فصل چهارم
روش انجام پژوهش
مقدمه
الگوریتم پیشنهادی
پیش پردازش داده ها
ساخت ماتریس داده
روش ماههای متوالی
روش ماههای یکسان
روش فصول متولی
الگوریتم های Prediction
روش NN
روش SVR
روش LSSVR
AdaBoost.R
مجموعه داده
پاکسازی داده
معیارهای ارزیابی
جمع بندی
فصل پنجم
بحث و نتیجه‌گیری
مقایسه روشهای مورد بررسی
ارزیابی الگوریتم با روش ماههای متوالی
ارزیابی الگوریتم با روش ماههای یکسان
جمع بندی
فصل ششم
پیشنهادها و فرصت‌های پژوهشی آینده
منابع
