Forwarded from ترجمه انگلیسی به فارسی
عنوان فارسی مقاله : روشهای تشخیص علائم بیمار برای سیستم های تخصصی پزشکی سرطان پستان: رویکرد تجزیه زبان وب معنایی و زبان طبیعی
.
English Article Title: Patient symptoms elicitation process for breast cancer medical expert systems: A semantic web and natural language parsing approach
Year: 2018
Publisher: ELSEVIER
Journal: Future Computing and Informatics Journal
DOI: https://doi.org/10.1016/j.fcij.2017.11.003
Keywords:
#Medical_terms
#Semantic_web
#Natural_language_processing (#NLP)
#Rule_sets
#Inference
#Heuristics
#علوم_پزشکی_و_بهداشت (#health)
#مقاله_پزشکی (#Medical)
#مقاله_پرستاری (#Nursing)
#علوم_زیستی_و_کشاورزی (#Life_Sciences)
#مقاله_بیوشیمی
#مقاله_ژنتیک
#مقاله_زیست_مولکولی (#Biochemistry_Genetics_and_Molecular_Biology)
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_کامپیوتر (#Computer_Science)
#اصطلاحات_پزشکی
#وب_معنایی
#پردازش_زبان_طبیعی
#مجموعه_قوانین
#استنباط
#اکتشاف
#سرطان_پستان
#سرطان
چکیده مقاله: جمع آوری اطلاعات از بیمار توسط پزشکان طی مراحل تشخیص ممکن است زمانی بعضی از مهارت ها به طور مناسب جهت جمع آوری اطلاعات مورد نیاز برای این روش کافی باشد. وضعیتی که این جمع آوری اطلاعات ممکن است در زمانیکه سیستم پشتیبانی تصمیم گیری تشخیصی (DDSS) برای جمع آوری چنین اطلاعاتی از بیمار، قبل از انجام روش تشخیصی دشوار است. تحقیقات ثابت کرده است که برای اطمینان از ورودی کاربر یا بیمار، در فرم خام خود، نگاشت ها را در لیست شرایط قابل قبول پزشکی برای وظایف تشخیصی قرار داده است. در نتیجه، این مقاله یک مدل مولد ورودی رسمی را ارائه می دهد که با ایجاد یک فرایند استنتاج، واژه نامه سرطان پستان، مجموعه قوانین و پردازش زبان طبیعی (NLP)، این کمبود را مورد توجه قرار می دهد. ما یک الگوریتم تولید ورودی را ایجاد کردیم که از قابلیت پردازش زبان طبیعی پایتون در اولین فیلتر کردن و تولید اولین مجموعه از پیش ورودی استفاده می کرد. علاوه بر این، این الگوریتم سپس در مجموعه کلمه قبل از ورودی به عنوان ورودی به موتور استنتاج که در حافظه آن مجموعه قوانین و لغت نامه مبتنی بر هستی شناخته شده است، تغذیه می کند. در نهایت، این یک لیست از نشانه های قابل قبول را که به سیستم متخصص پزشکی یا DDSS برای تشخیص سرطان سینه ارسال می شود، تولید می کند. این مدل پیشنهادی بر روی DDSS مبتنی بر سرطان سینه پیش از این توسط این نویسندگان طراحی شده است و نتیجه نشان می دهد که پشتیبانی استنتاج از این مدل، ورودی اضافی حدود 64٪ در مقایسه با زمانی که ورودی بیمار که در آن به عنوان ورودی در حالت ارسال فرستاده شده است.
کلمات کلیدی : اصطلاحات پزشکی ، وب معنایی ، پردازش زبان طبیعی (NLP) ، مجموعه قوانین ، استنباط ، اکتشاف
لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/3bqCANa
.
English Article Title: Patient symptoms elicitation process for breast cancer medical expert systems: A semantic web and natural language parsing approach
Year: 2018
Publisher: ELSEVIER
Journal: Future Computing and Informatics Journal
DOI: https://doi.org/10.1016/j.fcij.2017.11.003
Keywords:
#Medical_terms
#Semantic_web
#Natural_language_processing (#NLP)
#Rule_sets
#Inference
#Heuristics
#علوم_پزشکی_و_بهداشت (#health)
#مقاله_پزشکی (#Medical)
#مقاله_پرستاری (#Nursing)
#علوم_زیستی_و_کشاورزی (#Life_Sciences)
#مقاله_بیوشیمی
#مقاله_ژنتیک
#مقاله_زیست_مولکولی (#Biochemistry_Genetics_and_Molecular_Biology)
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_کامپیوتر (#Computer_Science)
#اصطلاحات_پزشکی
#وب_معنایی
#پردازش_زبان_طبیعی
#مجموعه_قوانین
#استنباط
#اکتشاف
#سرطان_پستان
#سرطان
چکیده مقاله: جمع آوری اطلاعات از بیمار توسط پزشکان طی مراحل تشخیص ممکن است زمانی بعضی از مهارت ها به طور مناسب جهت جمع آوری اطلاعات مورد نیاز برای این روش کافی باشد. وضعیتی که این جمع آوری اطلاعات ممکن است در زمانیکه سیستم پشتیبانی تصمیم گیری تشخیصی (DDSS) برای جمع آوری چنین اطلاعاتی از بیمار، قبل از انجام روش تشخیصی دشوار است. تحقیقات ثابت کرده است که برای اطمینان از ورودی کاربر یا بیمار، در فرم خام خود، نگاشت ها را در لیست شرایط قابل قبول پزشکی برای وظایف تشخیصی قرار داده است. در نتیجه، این مقاله یک مدل مولد ورودی رسمی را ارائه می دهد که با ایجاد یک فرایند استنتاج، واژه نامه سرطان پستان، مجموعه قوانین و پردازش زبان طبیعی (NLP)، این کمبود را مورد توجه قرار می دهد. ما یک الگوریتم تولید ورودی را ایجاد کردیم که از قابلیت پردازش زبان طبیعی پایتون در اولین فیلتر کردن و تولید اولین مجموعه از پیش ورودی استفاده می کرد. علاوه بر این، این الگوریتم سپس در مجموعه کلمه قبل از ورودی به عنوان ورودی به موتور استنتاج که در حافظه آن مجموعه قوانین و لغت نامه مبتنی بر هستی شناخته شده است، تغذیه می کند. در نهایت، این یک لیست از نشانه های قابل قبول را که به سیستم متخصص پزشکی یا DDSS برای تشخیص سرطان سینه ارسال می شود، تولید می کند. این مدل پیشنهادی بر روی DDSS مبتنی بر سرطان سینه پیش از این توسط این نویسندگان طراحی شده است و نتیجه نشان می دهد که پشتیبانی استنتاج از این مدل، ورودی اضافی حدود 64٪ در مقایسه با زمانی که ورودی بیمار که در آن به عنوان ورودی در حالت ارسال فرستاده شده است.
کلمات کلیدی : اصطلاحات پزشکی ، وب معنایی ، پردازش زبان طبیعی (NLP) ، مجموعه قوانین ، استنباط ، اکتشاف
لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/3bqCANa