Please use this identifier to cite or link to this item:
https://cuir.car.chula.ac.th/handle/123456789/50988
Title: | แบบจำลองการจำแนกไอซีดี-เทน ทีเอ็ม ข้ามภาษาโดยใช้เหมืองข้อความ |
Other Titles: | Model for classify ICD-10 TM cross language using text mining |
Authors: | พรรัศมิ์ จตุนราพิทย์ |
Advisors: | เกริก ภิรมย์โสภา กฤษณ์ เจริญลาภ |
Other author: | จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์ |
Advisor's Email: | Krerk.P@Chula.ac.th,krerk.p@chula.ac.th chris.cha@chula.ac.th |
Subjects: | ดาต้าไมนิง การค้นคืนสารสนเทศข้ามภาษา Data mining Cross-language information retrieval |
Issue Date: | 2558 |
Publisher: | จุฬาลงกรณ์มหาวิทยาลัย |
Abstract: | ปัจจุบันเทคโนโลยีมีส่วนเข้ามาช่่วยงานทางการแพทย์มากมาย ซึ่งส่วนหนึ่งของงานเวชระเบียนในการจำแนกโรคเพื่อบันทึกไอซีดี-เทน ทีเอ็ม ก็เช่นกัน แต่เนื่องด้วยระบบปัจจุบันโดยหลักมนุษย์ยังเป็นผู้ดำเนินการและต้องอาศัยความรู้เฉพาะทาง ความชำนาญของผู้ทำงาน ซึ่งวิทยานิพนธ์ฉบับนี้ได้นำเสนอแบบจำลองในการจำแนก ไอซีดี-เทน ทีเอ็มอัตโนมัติโดยใช้เหมืองข้อความ ซึ่งได้นำการค้นคืนมาช่วยในการวิเคราะห์คำ เพิ่มความแม่นยำในการจำแนกไอซีดี-เทน ทีเอ็ม และอัลกอริทึมที่้ใช้ในการจำแนกไอซีดี-เทน ทำการเลือกโดยเปรียบเทียบผลคำวินิจฉัย 3,000 คำวินิจฉัยจากผู้เชี่ยวชาญกับอัลกอริทึมนาอีฟเบย์ การตัดสินใจต้นไม้ ซัพพอร์ตเวกเตอร์แมชชีน เพื่อหาค่าความถูกต้อง ค่าความแม่นยำ และค่าระลึก ผลลัพธ์ที่ได้อัลกอริทึมนาอีฟเบย์ให้ค่าความถูกต้อง และค่าความแม่นยำสูงสุด วิทยานิพนธ์ฉบับนี้จึงเลือกอัลกอริทึมนาอีฟเบย์เพื่อทำการสร้างแบบจำลองการจำแนกไอซีดี-เทน ทีเอ็ม |
Other Abstract: | Nowadays, technology has been involved in medical area for various purposes including Medical Records which ICD-10 TM classification for ICD-10 TM record is one of its parts. However, the existing system for record ICD-10 TM requires specialist or expertise for classifying ICD-10 TM that leads to the late of processing, incorrectness or serious consequences. This thesis proposes model for classifying ICD-10 TM using machine learning and information retrieval to find similarity word. The classifier algorithms, Naïve Bayes, Support Vector Machine and Decision Tree were used to compare with 3,000 diagnosis note for retrieving correctness, accuracy and recall values. The results were exposed that Naïve Bayes gives the best result. Therefore, this thesis has decided to adopt Naïve Bayes algorithm for developing ICD-10 TM classification model. |
Description: | วิทยานิพนธ์ (วท.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2558 |
Degree Name: | วิทยาศาสตรมหาบัณฑิต |
Degree Level: | ปริญญาโท |
Degree Discipline: | วิศวกรรมซอฟต์แวร์ |
URI: | http://cuir.car.chula.ac.th/handle/123456789/50988 |
URI: | http://doi.org/10.14457/CU.the.2015.1380 |
metadata.dc.identifier.DOI: | 10.14457/CU.the.2015.1380 |
Type: | Thesis |
Appears in Collections: | Eng - Theses |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
5771002021.pdf | 2.07 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.