دانلود مقاله ترجمه شده مدل شبکه بیزین برای تحلیل عملکرد شناسایی در سیستم های نظارتی
چطور این مقاله مهندسی کامپیوتر و IT را دانلود کنم؟
فایل انگلیسی این مقاله با شناسه 2006431 رایگان است. ترجمه چکیده این مقاله مهندسی کامپیوتر و IT در همین صفحه قابل مشاهده است. شما می توانید پس از بررسی این دو مورد نسبت به خرید و دانلود مقاله ترجمه شده اقدام نمایید
حجم فایل انگلیسی :
198 Kb
حجم فایل فارسی :
254 کیلو بایت
نوع فایل های ضمیمه :
Pdf+Word
کلمه عبور همه فایلها :
www.daneshgahi.com
عنوان فارسي
مدل شبکه بیزین برای تحلیل عملکرد شناسایی در سیستم های نظارتی
عنوان انگليسي
A Bayesian Network Model for Analysis of Detection Performance in Surveillance Systems
نویسنده/ناشر/نام مجله
American Medical Informatics Association
این مقاله چند صفحه است؟
این مقاله ترجمه شده مهندسی کامپیوتر و IT شامل 5 صفحه انگلیسی به صورت پی دی اف و 12 صفحه متن فارسی به صورت ورد تایپ شده است
چکیده
پیشرفت های جهانی در حیطه بیماری های عفونی و بیوتروریسم موجب تولید و گسترش تجهیزاتی برای اصلاح تشخیص های نابجا در نظارت بر سلامت عمومی شده است. کارایی یک الگوریتم تشخیص نابجا را می توان از لحاظ حساسیت، ویژگی و تشخیص به موقع بررسی کرد. با این وجود این معیارها متغیرهای وابسته احتمالاتی هستند و همواره تعادلی میان آنها وجود دارد. در چنین وضعیتی این سؤال پیش می آید که چگونه این تعادل را برقرار و کمّی سازی کنیم. پاسخ این سؤال به ویژگی های بیماری مشخص تحت نظارت، ویژگی های داده های استفاده شده برای نظارت و ویژگی های الگوریتمی روش شناسایی بستگی دارد. در عمل شواهدی که عملکرد نسبی الگوریتم های متفاوت را توصیف می کنند، بصورت غیر یکپارچه و عموماً بصورت کیفی باقی می مانند. ما در این مقاله، ایجاد و ارزیابی چارچوب یک شبکه بیزین را جهت تحلیل و بررسی کارایی الگوریتم های تشخیص نابجا مد نظر می گیریم. این چارچوب مقایسه اصولی و پایه الگوریتم ها و همچنین شناسایی الگوریتم های مناسب جهت استفاده در نظارت سلامت عمومی در بیماری های خاص را محیا می سازد.
1-مقدمه
شیوع بیماری های عفونی به طور منظم اتفاق می افتد که این بیماری ها، هزینه ها و خسارات قابل توجهی را به بار می آورد [10]. متاًسفانه خطر شیوع بیماری ها در آینده به بخاطر به وجود آمدن مداوم بیماری های جدید و محدودیت های سیستم های کنونی ما قابل توجه است [14,5]. اگر شیوع های آینده به سرعت شناسایی شوند، راه کارهای مؤثری جهت محدود کردن خسارات اقتصادی و سلامتی وجود دارند [4,17]...
چکیده انگلیسی
Abstract
Worldwide developments concerning infectious diseases and bioterrorism are driving forces for improving aberrancy detection in public health surveillance. The performance of an aberrancy detection algorithm can be measured in terms of sensitivity, specificity and timeliness. However, these metrics are probabilistically dependent variables and there is always a trade-off between them. This situation raises the question of how to quantify this tradeoff. The answer to this question depends on the characteristics of the specific disease under surveillance, the characteristics of data used for surveillance, and the algorithmic properties of detection methods. In practice, the evidence describing the relative performance of different algorithms remains fragmented and mainly qualitative. In this paper, we consider the development and evaluation of a Bayesian network framework for analysis of performance measures of aberrancy detection algorithms. This framework enables principled comparison of algorithms and identification of suitable algorithms for use in specific public health surveillance settings
Keywords:
Bayesian Network Model