Repository of Research and Investigative Information

Repository of Research and Investigative Information

Hormozgan University of Medical Sciences

طراحی یک سیستم تصمیم گیرنده جهت درمان پوسیدگی دندان در کودکان

(2014) طراحی یک سیستم تصمیم گیرنده جهت درمان پوسیدگی دندان در کودکان. مجله راهبردهای توسعه در آموزش پزشکی.

[img] Text
hums-dsme-v1n1p37-fa.pdf
Restricted to Registered users only

Download (215kB)

Official URL: http://dsme.hums.ac.ir/

Persian Abstract

چکيده مقدمه: دندانپزشکان بر اساس مشاهدات جمع‌آوری شده از بیماران، طرح درمان را مشخص می‌کنند. با این وجود در بسیاری از موارد، مشاهدات موجود ناکامل و مبهم است و در نتیجه فرآیند تصمیم‌گیری همراه با عدم قطعیت می‌باشد. در این مقاله یک سیستم تصمیم یار مبتنی بر شبکه بیزی بررسی شده است که می‌تواند برای تعیین طرح درمان در شرایط دشوار تصمیم‌گیری به دانشجويان و دندانپزشکان یاری برساند. روش کار: در این سیستم، متغيرهاي ورودي علائم بيمار و متغيرهاي خروجي درمان ها بودند. شبکه بیزی برای 13 علامت تشخیص پوسیدگی و 5 درمان مرتبط طراحی شد. برای تعیین روابط بین متغیرها از الگوریتم خوشه بندی k_میانگین استفاده شد. یافته¬ها: سیستم پیشنهادی با استفاده از سناریوهای واقعی بیماران ارزیابی شده است و نتایج حاصل، حاکی از دقت قابل قبول آن می‌باشد. نتيجه¬گيري: می‌توان از این سیستم بعنوان نرم افزار کمک آموزشی در دانشکده‌های دندانپزشکی برای آموزش به دانشجویان استفاده نمود.

Title

Investigation of a Decision Making System for Dental Caries Treatment in Children

Abstract

Introduction: Dentists have to choose a precise treatment plan based on the prevailing sign symptoms gathered from patients. However; in most of cases, the symptoms are complicate which makes the lack of confidence for the dentist to find an accurate treatment plan. This study introduces a new diagnosis system that helps the dentists and students to choose an accurate course of treatment for dental caries. This diagnostic system is based on Bayesian Network (BN) analysis Methods: In this system, patient’s symptoms were as input variables and treatments were as output variables. A Bayesian Network is designed for 13 different sign-symptoms and 5 related treatments. K-means clustering algorithm is used to determine the relationships between variables, including symptoms and treatment Results: The system evaluated by using actual scenario to determine the accuracy and showed reliable outcome. Conclusion: This system can be used in dental schools to teach students.

Item Type: Article
Keywords: Keywords: Bayesian Network, Decision making system, Dentist, Uncertainty
Persian Keywords: کلیدواژه‌ها: شبکه بیزی، سیستم تصمیم‌یار، دندانپزشک، عدم قطعیت
Subjects: medical education
Divisions: Research Vice-Chancellor Department > Journal of Development Strategies in Medical Education
Depositing User: مجله راهبردهای توسعه در آموزش پزشکی
URI: http://eprints.hums.ac.ir/id/eprint/827

Actions (login required)

View Item View Item