• شماره ركورد
    16565
  • شماره راهنما(اين فيلد مربوط به كارشناس ميباشد لطفا آن را خالي بگذاريد)
    16565
  • پديد آورنده

    ستار رجب پور صنعتي

  • عنوان
    پيش بيني كيفيت نمونه خون بند ناف بر اساس داده هاي پرونده الكترونيكي بانك خون بند ناف رويان با استفاده از ابزارهاي داده كاوي
  • مقطع تحصيلي
    كارشناسي ارشد
  • رشته تحصيلي
    مهندسي فناوري اطلاعات - تجارت الكترونيك
  • تاريخ دفاع
    آبان 1395
  • استاد راهنما
    دكتر عليرضا معيني
  • استاد مشاور
    دكتر مرتضي ضرابي
  • دانشكده
    صنايع
  • چكيده
    بودجه بهداشت و درمان در تمام كشورها با افزايش فشار مواجه مي باشد به همين خاطر بسياري از محققان و دولتمردان سعي بر آن دارند تا هزينه هاي حوزه بهداشت و درمان را كاهش و كارايي آن را بهبود دهند. در كشور ما نيز با توجه به تحريم هاي موجود، هزينه مواد و تكنولوژي هاي حوزه بهداشت و درمان اهميتي دوچندان پيدا مي كند. از اين رو، بانك هاي ذخيره سازي سلول هاي بنيادي خون بند ناف به عنوان يكي از نهادهاي سلامت محور از اين موضوع مستثني نبوده و در تامين مواد و ملزومات آزمايشگاهي و همچنين تانك هاي مخصوص ذخيره سازي سلول هاي بنيادي تحت فشار قرار دارند. به دليل ظرفيت محدود تانك‌هاي ذخيره‌سازي نمونه‌هاي خون بندناف، اولويت بانك‌هاي خون بندناف، ذخيره‌سازي نمونه‌هاي با كيفيت مي‌باشد. نمونه‌هايي كه اگر از لحاظ كيفي در حد ايده‌آل نباشند در زمان پيوند نمي‌توانند مورد استفاده قرار بگيرند. در اين پايان نامه سعي بر آن است كه با استفاده از داده هاي پرونده الكترونيك موجود در بانك خون بند ناف رويان به عنوان بزرگترين بانك ذخيره سازي سلول هاي بنيادي، ابتدا عوامل موثر بر شاخص هاي كيفي خون بند ناف دريافتي از نوزاد شناسايي شده و با توجه به ويژگي هاي مشخص شده براي هر مولفه كيفي، بتوان با درصد احتمال بالايي قبل از انجام آزمايش هاي مربوطه تعيين نمود كه نمونه فرد متقاضي ويژگي هاي لازم را برآورد مي كند يا منجر به فسخ قرارداد خواهد شد. در نهايت با توجه به آنچه گفته شد مي توان شرايط لازم براي ورود نمونه به فرآيند جداسازي سلول هاي بنيادي خون بند ناف را تعيين نمود. به اين منظور، در اين پايان نامه از ابزارهايي نظير شبكه هاي عصبي پرسپترون چندلايه و پايه اي شعاعي، رگرسيون چندمتغيره و درخت تصميم C4.5 براي پيش بيني كيفيت نمونه خون و دسته بندي نمونه هاي مطلوب براي فسخ يا فريز بهره گرفته شد. نتايج محاسبات نشان داد در صورت استفاده از مدل شبكه عصبي پرسپترون چند لايه (با بهترين عملكرد در ميان ساير مدل ها)، هزينه هاي فسخ و فرصت از دست رفته نمونه هاي جمع آوري شده بانك خون بند ناف رويان در سال گذشته به ميزان 35716240000 ريال كاهش مي يافت. واژه‌هاي كليدي: پيش بيني، ذخيره سازي خون بند ناف، داده كاوي، پرونده الكترونيكي.
  • تاريخ ورود اطلاعات
    1395/11/04
  • تاريخ بهره برداري
    1/1/1900 12:00:00 AM
  • دانشجوي وارد كننده اطلاعات

    ستار رجب پور صنعتي

  • چكيده به لاتين
    Health funding in all countries is faced with increasing pressure, for this reason many scholars an​d statesmen tried to reduce healthcare costs an​d improve efficiency. In our country (Iran), according to existing sanctions, costs of materials an​d technologies in the field of health care have increased. Hence, umbilical cord blood stem cells banks as health-oriented institutions of this exception an​d the supply of laboratory materials as well as tanks for the storage of stem cells are under pressure. Due to the limited capacity of storage tanks of umbilical cord blood samples, cord blood banks priority is storing high quality samples. If the samples were not ideal in terms of quality at the time of transplantation cannot be used. In this thesis, we tried to use data records in the Royan cord blood bank as the largest stem cell bank to identify the factors affecting quality parameters of umbilical cord blood from newborns an​d then considering the characteristics of each qualitative component, to determine with high probability an​d before carrying out experiments if the characteristics of applicant meets required characteristics o​r leads to termination of the contract. Finally, with regard to what was said to be a requirement for entry to the isolation, stem cells from umbilical cord blood sample will be qualify for storage in umbilical cord blood tanks. For this purpose, tools such as Artificial Neural Networks MLP an​d radial basis, Multivariate regression an​d decision tree C4.5 for predicting blood sample quality an​d Categories desirable samples for termination o​r frozen samples were used. The results show that using the MLP neural network model (The best performance among other models), caused decline termination an​d lost Royan cord blood bank samples collected opportunity costs last year amount to 35716240000 Rials. Keywords: Prediction, Umbilical cord blood Banking, Data Mining, Electronic records