برآورد هزینه ی درمان و طول دوره ی بستری شدن با استفاده از رویکرد شبک هی عصبی

مقدمه: استفاده از شبکه های عصبی و الگوریتم های ژنتیک در بررسی مسایل و متغیرهای پر کاربرد در زمینه ی سلامت، این روزها بیشاز پیش رواج یافته است. مجهز شدن علم پزشکی به ابزارهای هوشمند در تشخیص و درمان بیماری ها می تواند اشتباهات پزشکان وخسارت جانی و مالی را کاهش دهد. در این مقاله کاربردهای نوعی شبک هی عصبی در پزشکی مورد شناسایی قرار گرفته است، تا همبرای محققان هوش مصنوعی و هم برای پزشکی قابل استفاده باشد.که شامل ثبت درمان یک نمونه patient_los.sav به نام spss روش بررسی: در این مطالعه از نمونه ی داده های موجود در نرم افزارچند لایه perceptron از بیمارانی است که برای بیماری قلبی درمان دریافت نموده اند، استفاده خواهیم کرد و با به کارگیری فرایندبرای ساختن یک شبکه ی عصبی، به پیش بینی هزینه و طول درمان بیماران پرداخته شده است. متغیرهای طول مدت بستری شدن وهزینه ی درمان به عنوان متغیرهای وابسته و سایر متغیرها را نیز به عنوان عامل یا فاکتور وارد مدل شده اند.یافته ها: شبکه ی عصبی می تواند نتایج بیمارانی که عمل شده باشد یا عمل نشده باشند، را بررسی کند و سپس شبکه های جداگانهمی تواند هزینه ی درمان و مدت بستری شدن را پیش بینی کند، به شرط این که بدانیم روی چه بیماری جراحی انجام شده است.نتیجه گیری: شبکه ی عصبی طراحی شده در این قسمت به خوبی مقادیر معمول بیماران را پیش بینی می کند و با به وجود آوردنشبکه ی عصبی چند لایه می توان بیمارانی که قبل از عمل جراحی می میرند، را به خوبی به تصویر کشید. شبکه ی عصبی به خاطرخاصیت مدل سازی غیر خطی می تواند کمک موثری در مدل سازی و پیش بینی باشد.واژه های کلیدی: شبکه های عصبی (کامپیوتر)؛ تشخیص؛ یادگیری