دوره 20، شماره 3 - ( 10-1402 )                   جلد 20 شماره 3 صفحات 102-87 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Hosseini S Z, Radfar R, Nasiripour A, Rajabzadeh Ghatary A. Designing an optimal diagnosis algorithm based on IoT for Covid-19. JSDP 2023; 20 (3) : 7
URL: http://jsdp.rcisp.ac.ir/article-1-1292-fa.html
حسینی سیده زهره، رادفر رضا، نصیری‌پور امیراشکان، رجب‌زاده قطری علی. طراحی الگوریتم بهینه تشخیص سریع بیماری کووید19 برپایه اینترنت اشیا. پردازش علائم و داده‌ها. 1402; 20 (3) :87-102

URL: http://jsdp.rcisp.ac.ir/article-1-1292-fa.html


دانشگاه آزاد اسلامی
چکیده:   (250 مشاهده)
توسعه فناوری اطلاعات و استفاده از آن در سیستم بهداشتی، اقدامات بسیاری را برای محافظت و ارتقاء سلامت انسان انجام داده است، با این حال، جهان همچنان با تهدیدهای طولانی مدت و تکرار مجدد بیماریهای عفونی روبرو است.
بیماری هدف در این پژوهش با توجه به اهمیت و فراگیری، کووید19 است.
روش پژوهش از نظر پارادایم، تفسیری و از لحاظ استراتژی اکتشافی است. بر اساس نوع گردآوری داده‌ها از نوع پژوهش‌های کیفی بوده و با توجه به توسعه الگوریتم‌ها، روش تحقیق در این پژوهش مبتنی بر علم طراحی است.
پژوهش در یک فرایند 7 مرحله‌ای انجام شد. ویژگی‌های اینترنت اشیا در پژوهش حاضر با نظر خبرگان استخراج شد و ویژگی‌های بدست آمده در آزمایش  الگوریتم «k نزدیک‌ترین همسایگی» بر روی داده‌ها برای تعیین بهترین مدل ایجاد شد.
نتایج ارزیابی الگوریتم پیشنهادی برای پیش‌بینی بیماری کووید19، دقت بالاتر از 98 درصد را نشان دادند. همچنین حساسیت بالاتر از 98 درصد که برای تشخیص بیماری کووید19 اهمیت بالایی دارد و نشان دهنده کم بودن موارد منفی کاذب در نتایج آزمون است، در الگوریتم بدست آمد.
شماره‌ی مقاله: 7
متن کامل [PDF 932 kb]   (62 دریافت)    
نوع مطالعه: كاربردي | موضوع مقاله: مقالات گروه علائم حیاتی ( مرتبط با مهندسی پزشکی)
دریافت: 1400/11/1 | پذیرش: 1402/3/12 | انتشار: 1402/10/24 | انتشار الکترونیک: 1402/10/24

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این تارنما متعلق به فصل‌نامة علمی - پژوهشی پردازش علائم و داده‌ها است.