بخشی از مقاله
چکیده :
اشتباهات دارویی پرستاران، مشکلات بسیار زیادی را برای بیماران بوجود میآورد. در زمان خواندن اطلاعات دارویی توسط پرستاران و مسئولین داروخانهها معمولا اشتباهاتی از قبیل عدم توانایی تشخیص و نوع دارو و یا میزان مصرف صورت میگیرد که در بعضی مواقع این اشتباهات جبران ناپذیر هستند. به همین سبب داشتن سیستمی که بتواند انسان را از این اشتباهات جدا کند، می تواند به روند بهبودی سریعتر بیماران کمک کند. سیستم معرفی شده میتواند با خواندن داروهای موجود در دفترچه بیمه از اشتباهات پرستاران جلوگیری کند.
دو نوع دفترچه در کشور ایران رایج میباشد که عبارتند از، دفترچه بیمه خدمات درمانی و دفترچه بیمه تامین اجتماعی. دفترچه نوع اول حالت ایستاده دارد و برای تشخیص نیز به صورت ایستاده رفتار میشود. دفترچه نوع دوم حالت خوابیده دارد و برای تشخیص نیز بر روی همین ابعاد کار شده است. میزان درصد تشخیص بدست آمده با کمک روش معرفی شده و با مقایسه با درستی نتیجه برای دو نوع دفترچه، دقت %89 برای دفترچه بیمه خدمات درمانی و %81 برای دفترچه بیمه تامین اجتماعی میباشد. به نظر میرسد علت این اختلاف به ویژگیهای پس زمینه دو دفترچه بازمیگردد.
-1 مقدمه
تشخیص نوری حروف یکی از پرکاربردترین مواردی است که در دنیای دیجیتال بر روی آن بحث می شود. تبدیل یک تصویر به متن پروسه ای است که یک سیستم شناسایی نوری حروف با کمک روش ها و الگوریتم ها انجام می دهد. اولین قدم در ای ن پردازش تشخیص تصویر می باشد که این کار را با استفاده از پردازش تصویر انجام می دهند.
هنگامی که یک سند متنی اسکن می شود، کامپیوتر این متن را به صورت یک تصویر گرافیکی تشخیص می دهد. در نتیجه کاربران قادر نخواهند بود که متن موجود در تصویر سند را ویرایش نمایند و یا آن را مورد جستجو قرار دهند. یک نرم افزار OCR این متن اسکن شده را خوانده، محتویات آن را شناسایی نموده و به صورت یک فایل در کامپیوتر ذخیره می سازد. چنین قابلیتی امکان استفاده گسترده از کامپیوتر را در پردازش سریع حجم وسیعی از داده های مکتوب تولید شده توسط شرکت ها و مؤسسات مختلف نظیر بانک ها، شرکت های بیمه، مؤسسات خدمات عمومی، اداره ی پست و سایر نهادهایی که سالیانه با میلیون ها مورد پرداخت، دریافت و حسابرسی امور مشتریان خود مواجه اند فراهم می آورد
به دنبال پیشرفت های حاصله در زمینه ی ساخت پردازنده های سریع، اثر محدودکننده ی نحوه ی ورود داده ها به درون کامپیوتر بر سرعت انتقال اطلاعات، بیش از پیش نمود یافته است. با به کارگیری دستگاه های OCR علاوه بر دستیابی به سرعت بالاتر در مرحله ی داده خوانی، امکان استفاده از قابلیت های پیش پردازشی آن ها، ویرایشگری و تغییر فرمت داده ها نیز فراهم می آید.
در زمان خواندن اطلاعات دارویی توسط پرستاران و مسئولین داروخانه ها معمولا اشتباهاتی صورت می گیرد که در بعضی مواقع این اشتباهات جبران ناپذیر هستند. به همین سبب داشتن سیستمی که بتواند انسان را از این اشتباهات جدا کند می نواند به روند بهبودی سریع تر بیماران کمک کند.
هفت سال پس از انتشار گزارش موسسه ی پزشکی در خصوص مشکل خطاهای پزشکی، گزارش دیگری از موسسه ی پزشکی در جولای 2006 فاش کرد که خطاهای تجویز دارو سالانه مسبب آسیب به 1/5 میلیون نفر در ایلات متحده ی آمریکا است. از مجموع کل نسخه¬های دارویی که اخیراً برای کودکان در طی ویزیت های سرپایی تجویز شده تا »مراکز مراقبت های بهداشتی« در حدود 15 درصد آن ها،دُز تجویز شده¬ی دارو اشتباه است.
سیستمی مورد نظر یک سیستم تشخیص نوری حروف برای تشخیص دست خط پزشکان از روی دفترچه های بیمه می باشد. این سیستم رفتاری مشابه با یک سیستم بازشناسی نوری حروف ساده دارد ولی انجام این کار با دشواری هایی همراه است.
در ادامه در بخش دوم مروری بر ادبیات پیشین و در بخش سوم منطق فازی معرفی شده و در انتها نتایج را مورد بررسی قرار گرفته است.
-2 پیشینه تحقیق
زمورا و همکارانشان بر روی تشخیص دستخط پزشکان کار کردهاند .[1] در این مقاله از شبکه عصبی جهت تشخیص استفاده شده است. این روش یکی از روشهای مناسب جهت تشخیص میباشد که تعدادی نرون را برای ورودی و تعدادی نرون را جهت خروجی در نظر میگیرد. در روش پیشنهادی ایشان میزان تشخیص با خطای %16 بهدست آمده است.
یوسف الاریان و همکارانشان در سال 2015 بر روی تشخیص معنایی دستخط کار کردهاند .[2] تشخیص معنایی متن را بر اساس معنایی که ممکن است داشته باشد مورد تشخیص قرار میدهد. متن مورد استفاده در این پایاننامه عربی میباشد.
مارته و همکارانشان در سال 2014 بر روی باینری کردن تشخیص دستخط کار کردهاند .[3] ایشان با استفاده از این روش، ساختار بسیار ساده و با سرعت عملیات بالایی را معرفی نموده که در این روش کل تصویر به صورت یک ماتریس دوبعدی در نظر گرفته میشود سپس عملیات قطعهبندی و تشخیص بر روی این ماتریس انجام میگیرد.
اسما بن و همکاران در سال 2015 یک تقسیمبندی را برای مطالب موجود در نسخههای پزشکی انجام دادهاند .[9] این نوع تقسیمبندی در این گزارش مورد استفاده قرار گرفته است. در این مقاله با کمک تقسیمبندی انجام شده، یک نوع کلاسبندی برای داروها نیز صورت پذیرفته ولی از انجام تشخیص خوددداری نمودهاند.
میناکشی و همکاران در سال 2015تشخیص میزان دُز داروها کار کردهاند .[10] این مقاله از این جهت اهمیت دارد که بسیاری از دارهاو با دُزهای مختلف را معرفی میکند. این روش میتواند در آینده جهت ارائه یک نرمافزار گوشی همراه مورد استفاده قرار گیرد.
لونیس و همکاران در سال 2015 یک نوع کلاسبندی دارویی را انجام دادهاند .[11] این مقاله داروها را به کلاسهای مختلفی تقسیم میکند. این نوع کلاسبندی که در این مقاله استفاده شده است، باعث میشود تا عملیات تشخیص داروها به سادگی صورت پذیرد.
-3 روش معرفی شده
در زمان خواندن اطلاعات دارویی توسط پرستاران و مسئولین داروخانهها معمولا اشتباهاتی از قبیل عدم توانایی تشخیص و نوع دارو و یا میزاندُز صورت میگیرد که در بعضی مواقع این اشتباهات جبرانناپذیر هستند. به همین سبب داشتن سیستمی که بتواند انسان را از این اشتباهات جدا کند میتواند به روند بهبودی سریعتر بیماران کمک کند
سیستمی موردنظر که در اینجا معرفی می شود یک سیستم [8] OCR برای تشخیص دستخط پزشکان از روی دفترچههای بیمه میباشد. همانطور که از عنوان تحقیق مشخص است این سیستم رفتاری مشابه با یک سیستم بازشناسی نوری حروف ساده دارد ولی انجام این کار با دشواریهایی همراه است. تشخیص نوری حروف یکی از پرکاربردترین مواردی است که در دنیای دیجیتال بر روی آن بحث میشود.
دیاگرام 1 مراحل انجام تشخیص را در این سیستم نشان میدهد که این مراحل با تصویربرداری آغاز میشود و سپس نتیجه به دست آمده معرفی میشود.
-4 پیش پردازش
اهداف کلی این مرحله را میتوان ارتقای تصویر و حذف مولفه-های غیر ضروری از تصویر دانست. مرحله پیش پردازش شامل کلیهی اعمالی که روی سیگنال تصویری خام صورت میگیرند تا موجب تسهیل روند اجرای فازهای بعدی گردند؛ مانند باینری-کردن تصویر، حذف نویز، هموارسازی، نازکسازی، تشخیص زبان و فونت کلمات و نظایر اینها. این مرحله شامل کلیهی پردازش-هایی است که بر روی سیگنالهای تصویری خام انجام میشوند تا موجب تسهیل یا افزایش دقت روند اجرای فازهای بعدی گردند
دیاگرام -1 ترتیب انجام عملیات جهت تشخیص دستخط پزشکان از روی دفترچه بیمه
تصاویر موردنظر دارای یک سطح سفید رنگ میباشند که شامل بخشهایی از دفترچه میباشد. این بخش به عنوان یک نویزدهنده به تصویر در نظر گرفته میشود و با استفاده از یک آستانهسازی متقارن پسزمینه حذف میشود.
شکل -1 حذف پس زمینه تصویر- الف - تصویر اصلی- ب - تصویر با حذف پس زمینه
قطعهبندی موردنظر ، با اعمال یک تکنیک ساده انجام میشود. تصویر به ابعاد 20*20 تقسیم میشود.[13] دلیل انجام این کار انتخاب قلب فازی مورد نظر و تعداد پیکسلهای تشکیلدهنده هر تصویر است. چنانچه تصویر را به اندازه گفته شده تقسیم شود، میتوان کلمات و حروف - تاحدی - را از بقیه بخشها جدا کرد. یک تصویر با اندازه 20 * 20 شامل حروف و بخشهای مازاد خواهد شد.
شکل -2 نمونهای از قطعههای به دست آمده- الف - حرف – t ب - قطعه سفید- ج - حرف f
-5 منطق فازی
در این مرحله که مهمترین بخش از تشخیص میباشد، ویژگیهای بهدست آمده در مراحل گذشته، جهت تشخیص مورد استفاده قرار میگیرد. تبدیل مقادیر عددی به فازی در بخش فازیساز انجام میشود15]،.[14 سیستمهای مختلفی برای فازیسازها وجود دارند که از میان آنها فازیساز مثلثی مورد استفاده قرار گرفته است.
پایگاه داده در قلب فازی موردنظر، یک سری ویژگیهایی هستند که در بخشهای قبل به دست آمدهاند. البته این ویژگیها بسته به هر بخش متفاوت خواهند بود. مثلا در بخش قطعهبندی آن بخشهایی را که دارای یک قطعه سفید هستند دور ریخته میشوند و به گونهای مورد محاسبه قرار نمیگیرند تا پیچیدگی کار نیز پایین بیاید.
