ارائه یک مدل پیش بینی برای روش درمانیicsi مربوط به بیماران نابارور بیمارستان صارم

پایان نامه
  • وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی خواجه نصیرالدین طوسی - دانشکده صنایع
  • نویسنده فرانک ابوالمعصوم
  • استاد راهنما سمیه علیزاده
  • تعداد صفحات: ۱۵ صفحه ی اول
  • سال انتشار 1392
چکیده

ناباروری یکی از مسائل و مشکلاتی است که امروزه هزینه های مادی و معنوی زیادی را بر دوش زوجین نابارور قرار داده است. روش انتقال داخل رحمی اسپرم یکی از روش های درمانی برای این گروه از زوجین می باشد. غیرقابل پیش بینی بودن نتیجه این روش ضرورت بررسی و شناسایی عواملی را که بر روی میزان اثربخشی آن تأثیرگذار هستند، دو چندان کرده است. در این پایان نامه هدف، استفاده از تکنیک های داده کاوی برای بررسی عوامل تأثیرگذار بر اثربخشی روش درمانی مورد نظر و ارائه مدلی بهینه برای پیش-بینی نتایج این روش بر اساس داده های زوجین نابارور بیمارستان صارم می باشد. مدل پیش بینی ارائه شده در این پایان نامه، بر اساس الگوریتم ماشین بردار پشتیبان پیشنهاد شده و با بررسی چالش های موجود در این الگوریتم، به ارائه راهکاری نو بر اساس الگوریتم ژنتیک برای رفع این چالش ها و بالا بردن میزان صحت پیش بینی این الگوریتم پرداخته شده است. با به کارگیری این مدل بر روی داده ها علاوه بر بالا رفتن میزان صحت در پیش بینی نتیجه روش درمانی، عواملی که تأثیرگذاری بیشتری در نتایج این روش نیز داشتند، مشخص شد.

۱۵ صفحه ی اول

برای دانلود 15 صفحه اول باید عضویت طلایی داشته باشید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

ارائه یک مدل پیش بینی بر روی داده های ناباروری بیمارستان صارم

امروزه داده کاوی در بسیاری از زمینه ها به ویژه حوزه ی پزشکی وارد شده و نتایج چشمگیری داشته است. حال ما بر آن شدیم تا از داده کاوی در یکی از حوزه های پزشکی به نام ناباروری که از اهمیت غیر قابل انکاری در زندگی ما برخوردار است، استفاده کنیم. ناباروری که خود دارای علل فراوانی میباشد، بالطبع روش های درمان مختلفی نیز دارد. بنابراین ما در صددیم تا بتوانیم با ارائه یک مدل پیش بینی کننده بهترین و موثرتر...

15 صفحه اول

ارائه ی یک مدل ترکیبی برای پیش بینی تقاضای روزانه آب شهری

آب به عنوان یکی از مهمترین نیازهای بشر، در زندگی روزمره دارای نقش حیاتی است. آگاهی از میزان تقاضای مورد نیاز آب برای سیاست­گذاری مدیریت تقاضا، از اهمیت ویژه‌ای برخوردار است. در این مطالعه مدلی ترکیبی (تلفیقی از مدل­های خطی و غیر­خطی) منطبق با شرایط و ساختار اقلیمی شهر تهران و متغیرهای موثر بر مصرف آب برای پیش بینی تقاضای کوتاه­مدت آب شهری طراحی شده است. با کمک این مدل، تقاضای روزانه آب شهری برا...

متن کامل

پیش بینی رابطه ابعاد جو یادگیری با انتقال آموزش در بیمارستان میلاد تهران و ارائه مدل

Background: Increaseing efficiency and effectiveness is the ultimate goal of staff training. Determining and being aware of staff training`s results efficiency is the necessity of learning transfer process and environmental identification which can complete the training cycle and leads to more effective plans and training activities. This study is aimed to predict the relationship between the a...

متن کامل

ارائه یک مدل فعالیت- مبنا برای پیش بینی سفر شهری

مدلسازی پیش بینی تقاضای سفر از دهه 1950 میلادی آغاز شد. اولین مدل های ساخته شده به صورت همفزون دارای چهار مرحله مدلسازی مستقل ایجاد سفر، توزیع سفر، تفکیک وسیله و تخصیص مسیر می باشد. اما پس از مشاهده کاستی های این فرایند در تحلیل استراتژی ها و نتایج نادرست پیش بینی تقاضا از دهه 1970 میلادی توسعه روش های ناهمفزون که پایه رفتاری دارند مورد استقبال برنامه ریزان و تصمیم گیران صنعت حمل و نقل قرار گرف...

15 صفحه اول

ارزیابی روشهای پیش بینی و ارائه مدل ترکیبی بهینه در خصوص پیش بینی درآمدهای مالیاتی

این مقاله به پیش بینی درآمدهای مالیاتی به تفکیک منابع وصولی (کل، اشخاص حقوقی، درآمد، ثروت و کالا و خدمات) برای سالهای 91-1390 می پردازد. به منظور دستیابی به پیش بینی های دقیق تر ابتدا ماهیت ساختاری سریهای زمانی مورد نظر از جهت خطی، غیرخطی و تصادفی بودن و میزان پیچیدگی سیستم مولد سریهای زمانی مالیاتی با استفاده از آزمون های نمای لیاپانوف و بعدهمبستگی بررسی شده است. نتایج حاصل از آزمون نمای لیاپا...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی خواجه نصیرالدین طوسی - دانشکده صنایع

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023