اسماعیل هداوندی

در این تحقیق با استفاده از ابزار برنامه ریزی ریاضی به تعیین مکان احداث تسهیلات درمانی و تقسیم بندی مناطق در سیستم های دفاعی به منظور گسترش سطح مطالعات آینده پژوهی پرداخته شده است. بدین منظور یک مدل ریاضی به منظور بهینه سازی عملیات انتقال مصدومان در هنگام جنگ ارائه شده است. در این مدل مناطق جمعیتی به گروه هایی بزرگ تر تحت عنوان پهنه تقسیم بندی شده و در هر پهنه یک مرکز درمانی برای سرویس دهی به مصدومان حضور دارد. توابع هدف مسأله شامل کمینه سازی هزینه های احداث مراکز، هزینه انتقال مصدومان و هزینه بازسازی مراکز است. مسأله شامل 3 نوع محدودیت کلی 1) محدودیت های ارسال مصدومان بین مراکز، 2) محدودیت تخصیص موجه مناطق جمعیتی به پهنه ها و 3) محدودیت ایجاد ساختارهای موجه در پهنه ها است. به منظور حل مسأله از حل کننده CPLEX استفاده شده که به عنوان یکی از کارآمدترین ابزار بهینه سازی شناخته می شود. نتایج حاصل از حل مسأله می تواند به عنوان یک الگوی نظام مند در راستای مطالعه شرایط آینده در صورت وقوع بحران های پدافند عامل مورد استفاده قرار گیرد.

مقدمه: الگوریتم های فرا ابتکاری و ترکیبی از توانمندی بالایی در مدل سازی مسائل پزشکی برخوردارند. در این مطالعه از شبکه عصبی به منظور پیش بینی ابتلا به دیابت در میان افراد مستعد دیابت استفاده گردید. روش کار: پژوهش حاضر از نوع کاربردی و جامعه ی هدف آن متشکل از 545 فرد بیمار و سالم از مرکز دیابت دانشگاه علوم پزشکی همدان جمع آوری گردید جهت پیش بینی بیماری دیابت استفاده شده است. در این مطالعه از الگوریتم ممتیک که تلفیقی است از الگوریتم ژنتیک و الگوریتم جستجوی محلی است، به منظور به روز رسانی وزن های شبکه عصبی و توسعه دقت شبکه عصبی استفاده شده است. یافته ها: بررسی اولیه نشان داد که دقت شبکه عصبی، 88درصد، می باشد. بعد از بروز رسانی وزن ها با الگوریتم ممتیک دقت آن به 2/93درصد افزایش یافت. برای مدل پیشنهادی به ترتیب حساسیت، ویژگی، ارزش اخباری مثبت، ارزش اخباری منفی، مساحت زیر منحنی 2/96، 4/92، 8/93، 3/95، 958/0 برای مدل الگوریتم ژنتیک، 98، 8/84، 6/88، 2/98، 952/0 و برای مدل رگرسیون لجستیک، 6/95، 5/84، 7/94، 0/87، 916/0 به دست آمد. نتیجه گیری: بر اساس یافته های این پژوهش، مدل های شبکه های عصبی در مقایسه با مدل رگرسیون از میزان خطای کمتری در تشخیص بیماری بر اساس متغیرهای فردی و سبک زندگی برخوردارند. یافته های این مطالعه می تواند به برنامه ریزان و ارائه کنندگان خدمات سلامت در برنامه های غربالگری و تشخیص به موقع بیماری دیابت کمک می نماید.