استخدام تقنيات التعلم العميق لسجلات الصحة الإلكترونية
Utilizing Deep Learning Techniques for Electronic Health Records
- الباحث
- دلال نوفل حامد علي
- المشرف
- محمد جاجان يونس
- الجامعة
- جامعة الموصل
- الكلية / القسم
- كلية علوم الحاسوب والرياضيات / علوم الحاسوب
- الشهادة
- ماجستير
- السنة
- 2024
- لغة الرسالة
- انكليزي
- الكلمات المفتاحية
- Deep Learning ; Electronic Health Records ; Healthcare ; Artificial Intelligence
الملخص
في Ub التطور الكبير في خوارزميات الذكاء الاصطناعيء والتي دخلت تطبيقاتها العديد من مجالات الحياة، مما سهل حل العديد من القضايا البسيطة والمعقدة، أحد هذه التطبيقات هو ابتكار تقنية ذكائية جديدة تعتمد على التعلم العميق للتنبؤ بمدة إقامة مرضى السكري في المستشفىء بعد تحليل بيانات المرضى بهذا المرض وفقاً للسجلات الصحية الإلكترونية المتوفرة. تم اجراء تجارب مكثفة لمقارنة بنيات التعلم العميق المختلفة، Ley في ذلك الشبكات العصبية المتصلة بالكامل ،(FCNNs) وشبكات الذاكرة القصيرة المدى الطويلة (15773/5)، والشبكات العصبية المتكررة البسيطة ،(RNNs) وشبكات المعتقدات العميقة .(DBNs) تم تدريب هذه النماذج على مجموعة بيانات واسعة النطاق من .EHRS تناقش هذه الدراسة بناء نموذج سير عمل شامل لتطبيق أدوات الذكاء الاصطناعي المختلفة على بيئة سريرية مثل اختيار المريضء واختبار الأدوية، والتنبؤ بالأيام المتوقعة لبقاء المريض في المستشفى. استخدام LSTMs 5 FCNNs و0035 و81/5 في السجل الصحي الإلكتروني لمرض السكري (EHR) وتم استخدام خوارزمية RMSProp في نموذج التدريب كمحسن إلى تحسين عملية التدريب عن طريق ضبط معدل التعلم ديناميكيًا وتسريع التدريب. وأظهرت النتائج التجريبية الأداء المتفوق لنموذج الشبكة العصبية المتصلة بالكامل (FCNN) مقارنة بالهياكل AY! مثل Simple RNN ,LSTM و DBNs عبر مقاييس التصنيف المختلفة. حقق نموذج FCNN أفضل أداء عبر جميع المقاييس المقارنة، بما في ذلك أعلى قيمة دقة تبلغ حوالي 0.735. في المقابل، حققت الخوارزميات الأخرى قيم دقة Gus ،Jil حقق 0.697 LSTM و 0.601 SimpleRNN و .DBNs 0.585 تركز الدراسة على تحليل واختبار البيانات حول الأدوية المستخدمة لعلاج مرضى السكري (اختبارات مختلفة) باستخدام تقنيات الذكاء الاصطناعي في الرعاية الصحية للتنبؤ بطول مدة إقامة مرضى السكري في المستشفىء مما يساهم في تحسين جودة الرعاية الصحية وخفض التكاليف. قرار لجنة المناقشة نشهد أننا أعضاء لجنة التقويم والمناقشة قد اطلعنا على الرسالة الموسومة " استخدام تقنيات التعلم العميق لسجلات الصحة الالكترونية " وناقشئا الطالبة " دلال نوفل حامد علي" في محتوياتها وفيما له علاقة بها بتاريخ 1 / // 7٠١714 ونعتقد أنها جديرة بالقبول لنيل شهادة ماجستيرعلوم في علوم الحاسوب. التوقيع: es الاسم: د. فوزية محمود ر الاسم: د. صفوان عمر حسون المرتبة العلمية: أستاذ المرتبة العلمية: أستاذ :التاريخ: 1 / ٠١74/5, التاريخ: | نا رئيس اللجنة عضو اللجنة GAs ar الاسم: د. بان شريف مصطفى الاسم : د. محمد جاجان يونس المرتبة العلمية: مدرس المرتبة العلمية: أستاذ مساعد التاأريخ: | / ٠١74/5 التاريخ: ٠١75 / ALY عضو اللجنة عضو اللجنة (المشرف) يي بي لا ل ا ير ري ف لي قرار مجلس الكلية اجتمع مجلس كلية علوم الحاسوب والرياضيات بجلسته ( ( المنعقدة بتاريخ / VTE) وقرر منحها شهادة ماجستيرعلوم في (علوم الحاسوب). التوقيع: التوقيع: الاسم: أ.د. صفوان عمر حسون الاسم: أ.د. ضحى بشير عبد الله مقرر مجلس كلية علوم الحاسوب والرياضيات عميد كلية علوم الحاسوب والرياضيات a G التاريخ: / TONG التاريخ: / /4”."
Abstract
Given the great development in artificial intelligence algorithms, whose applications have entered many areas of life, facilitating the solution of many simple and complex issues, one of these applications is the innovation of a new intelligent technology based on deep learning to predict the duration of stay of diabetic patients in the hospital, after analyzing the data of patients with this disease according to the available electronic health records. Extensive experiments have been conducted to compare different deep learning architectures, including fully connected neural networks (FCNNs), long short-term memory networks (LSTMs), simple recurrent neural networks (RNNs), and deep belief networks (DBNs). These models were trained on a large-scale dataset from EHRS. This study discusses the construction of a comprehensive workflow model for applying different AI tools to a clinical setting such as patient selection, drug testing, and predicting the expected days of hospital stay for a patient. FCNNs, LSTMs, RNNs, and DBNs are used in the diabetes electronic health record (EHR). The Root Mean Squared Propagation (RMSProp) algorithm is used in the training model as an optimizer to improve the training process by dynamically adjusting the learning rate and accelerating the training. Experimental results demonstrated the superior performance of the fully connected neural network (FCNN) model compared to other architectures such as LSTM, simple RNN, and DBNs across different classification metrics. The FCNN model achieved the best performance across all compared metrics, including the highest accuracy value of about 0.735. In contrast, the other algorithms achieved lower accuracy values, with LSTM achieving 0.697, SimpleRNN achieving 0.601, and DBNs achieving 0.585. The study focuses on analyzing and testing data on | drugs used to treat diabetes patients (various tests) using AI techniques in healthcare to predict the length of hospital stay for diabetic patients, which contributes to improving the quality of healthcare and reducing costs.
طلب نسخة من الملف
الملفات غير منشورة على الموقع. اترك بياناتك وسيتواصل معك موظفو قسم الشؤون الثقافية والفنون لإرسال النسخة مجاناً.