اتاق های عمل بخش بزرگی از هزینه های یک بیمارستان و از سوی دیگر بخش عظیمی از درآمد آن را تشکیل می دهند. برنامه ریزی و زمان بندی اتاق های عمل، نقش بسزایی در افزایش کارایی اتاق های عمل در بیمارستان ها و در نتیجه افزایش نرخ خدمت رسانی به بیماران دارد. به علت وجود عدم قطعیت های مختلف در فعالیت های این بخش، این مسئله می تواند بسیار چالش برانگیز باشد. در این تحقیق، مسئله زمان بندی روزانه عمل های جراحی در حالت داشتن منابع چندگانه و با در نظر گرفتن احتمالی بودن مدت زمان عمل های جراحی مورد بررسی قرار گرفته است. دو مدل برنامه ریزی احتمالی عدد صحیح دو مرحله ای با مفروضات مختلف، به نام های sors-i و sors-ii با هدف کمینه کردن کل هزینه مورد انتظار شامل هزینه زمان های بیکاری اتاق عمل و زمان های اضافه کاری ارائه شده است. با استفاده از این مدل ها، تخصیص روزانه منابعی شامل اتاق های عمل، جراحان و کمک جراحان به عمل های جراحی و همچنین توالی عمل های جراحی در هر اتاق عمل و هر جراح انجام می شود. در نظر گرفتن محدودیت های منابعی مانند موجودی تجهیزات و تعداد تکنسین ها و سایر محدودیت های دنیای واقعی، مهمترین ویژگی های مدل پیشنهادی است. این محدودیت ها زمان شروع عمل ها در چندین اتاق عمل را به هم مرتبط کرده و اندازه و پیچیدگی مدل مرحله دوم را افزایش می دهند. این مدل ها، همچنین با در نظر گرفتن برنامه آموزشی دانشجویان پزشکی و محدودیت های واقعی مشاهده شده در بیمارستان های آموزشی- درمانی برای استفاده در این بیمارستان ها نیز تحت نام مدل sors-th توسعه داده شده اند. در این رساله، روش نوینی برای حل مدل های احتمالی پیشنهادی ارائه شده است. این روش بر اساس الگوریتم l-shaped توسعه داده شده و از نامعادلات معتبر برای حل مدل های احتمالی دو مرحله ای برای افزایش کارایی الگوریتم پیشنهادی استفاده شده است. داده های واقعی جمع آوری شده از بیمارستان آموزشی-درمانی شهید هاشمی نژاد، برای ارزیابی مدل و الگوریتم پیشنهادی و تأثیر بکارگیری آن در عمل بکار رفته اند. جواب های مدل های احتمالی sors-i و sors-ii با جواب های مسئله مقدار میانگین در نمونه های بسیاری مقایسه شده اند. نتایج این آزمایش ها نشان می دهند که در بیش از 50% از نمونه مسایل حل شده، مقدار ارزش جواب احتمالی، vss، بیش از 80% است که نشان دهنده کارایی بالای روش پیشنهادی است. همچنین زمان بندی بدست آمده از مدل sors-th با زمان بندی واقعی بیمارستان پس از یکسان کردن شرایط در تعدادی مسئله واقعی مورد مقایسه قرار گرفته است. نتایج این آزمایش ها نشان دهنده کاهش چشمگیر زمان بیکاری و اضافه کاری اتاق های عمل در زمان بندی بدست آمده از مدل sors-th است که نشان دهنده ارزش بکارگیری مدل احتمالی در عمل است. آنالیز حساسیت مدل روی پارامترهای ضرایب هزینه نشان می دهد که به ازای همه ترکیبات مختلف ضرایب هزینه، جواب مدل احتمالی نسبت به مسئله مقدار میانگین به میزان قابل توجهی بهتر است.

لاپاراسکوپی شیوه ای از جراحی است که می تواند عمل های بزرگ را با ایجاد شکاف های کوچک در بدن بیمار انجام دهد و لذا روز به روز جایگاه خاص خود را بهتر پیدا می کند. از این رو وجود راهکارهایی برای کوتاه کردن زمان لاپاروسکوپی می تواند منافع بسیاری از جمله کاهش هزینه ها را داشته باشد. یک روش برای کوتاه تر کردن زمان جراحی لاپاروسکوپی، کاهش زمان های تلف شده در این عمل است. برای این منظور لازم است ابتدا عوامل منجر به بروز وقفه و اتلاف زمان در جراحی لاپاروسکوپی شناسایی شود. اما متاسفانه با بررسی پیشینه تحقیق، این نتیجه بدست آمد که شناسایی عوامل موثر در بروز وقفه کمتر مورد توجه قرار گرفته است. از این رو ارایه راهکاری برای شناسایی عوامل بروز وقفه در لاپاروسکوپی، ضروری است. وجه تمایز جراحی لاپاراسکوپی از عمل های جراحی باز، استفاده از دوربینی به نام لاپاراسکوپ برای مشاهده ی بافت های درون بدن و انجام عمل جراحی با مشاهده ی تصاویر به دست آمده می باشد. براین اساس پردازش ویدیوهای ضبط شده در حین جراحی لاپاراسکوپی به منظور استخراج دانش ارزشمند از آن ها بسیار حایز اهمیت است. لذا در این رساله، سعی بر این است که برای شناسایی وقفه ها و علل وقوع آن ها، از دانش موجود در ویدیوهای جراحی های لاپاراسکوپی بهره ببریم. رویکرد پیشنهادی در این رساله به چهار گام اصلی افراز شده است که شامل شناسایی وقفه ها، تعیین سطح وخامت آن ها، شناسایی علل بروز وقفه و در پایان رتبه بندی این علت ها است. بدین منظور، در این رساله، روش هایی برای بخش بندی تصویر هر فریم ویدیویی و کشف ابزارهای جراحی ارایه می شود. نتایج تجربی نشان می دهد روش های پیشنهادی در برابر چالش های پردازش ویدیوی لاپاراسکوپی، نسبت به روش های پیشین مستحکم تر است و با دقت بالاتری (دقت بیش از 92%) می توانند ابزارهای جراحی را در تصاویر لاپاراسکوپی شناسایی کنند. پس از بخش بندی تصویر و شناسایی ابزارهای جراحی، مشخصه های متعددی از فریم های ویدیوی لاپاراسکوپی استخراج می گردد و با استفاده از مشخصه های مزبور، ویدیوی لاپاراسکوپی به تعدادی پاره ی زمانی همگن تفکیک می شود. برای این منظور دو روش برای بخش بندی زمانی ویدیو پیشنهاد گردید. هردو روش پیشنهادی با مقایسه با سایر روش های پیشین بخش بندی زمانی ویدیو اعتبارسنجی شده و نتایج تجربی حاکی از عملکرد برتر آن ها (با صحت بیش از 92%) نسبت به روش های مورد مقایسه است. سپس از میان پاره های زمانی ویدیو، وقفه ها شناسایی می شوند. سطح وخامت هر وقفه به صورت تابعی از طول وقفه و وخامت فرایند متناظر با آن تعیین می شود. برای شناسایی فرایند متناظر با هر وقفه در عمل جراحی، رویکردی برای بازشناسی الگوی گردش کار جراحی در ویدیوی لاپاراسکوپی پیشنهاد شده است. نتایج تجربی نشان می دهد عملکرد رویکرد پیشنهادی در بازشناسی الگوی گردش کار (با صحت) در مقایسه با رویکرد پیشین بهتر است. سپس برای شناسایی علل بروز وقفه از مشاهده ، مصاحبه ی زنده در عمل های جراحی با خبرگان بیمارستانی و تحلیل خودکار ویدیو بهره گرفته شده است. سرانجام برای اولویت بندی علل بروز وقفه، روابط علّی بین علل بروز وقفه شناسایی شده است. وقفه های والد برحسب شاخص های متعدد با روش تاپسیس فازی و fmea فازی رتبه بندی و مقایسه می شوند. نتایج مقایسه نشان می دهد پنج علت مهم تر بروز وقفه در جراحی لاپاراسکوپی در هر دو روش بسیار شبیه یکدیگر هستند. سرانجام نتایج اولویت بندی وقفه های عمل های لاپاراسکوپی با نتایج اولویت بندی وقفه های سایر انواع عمل های جراحی مقایسه می شود. رویکردهای پیشنهادی در این رساله می توانند برای ثبت هوشمند قطعات ویدیو، سنجش سطح مهارت جراحان، خلاصه سازی ویدیوهای لاپاراسکوپی، سهولت ذخیره، بازیابی و مرور ویدیوهای لاپاراسکوپی و پاره ای موارد دیگر به کار گرفته شوند.