fa طراحی یک سیستم تصمیم گیرنده جهت درمان پوسیدگی دندان در کودکان عمومى General پژوهشي Orginal <strong><span style="letter-spacing: -0.4pt;"><span style="font-family: b yagut;">مقدمه و هدف</span></span></strong><strong><em><span style="letter-spacing: -0.5pt;"><span style="font-family: b yagut;"><span style="font-size: 10pt;">:</span></span></span></em></strong> <span style="letter-spacing: -0.5pt;"><span style="font-family: b yagut;"><span style="font-size: 10pt;">دندانپزشکان بر اساس مشاهدات جمع‌آوری شده از بیماران، طرح درمان را مشخص می‌کنند. با این وجود در بسیاری از موارد، مشاهدات موجود ناکامل و مبهم است و در نتیجه فرآیند تصمیم‌گیری همراه با عدم قطعیت می‌باشد. در این مقاله یک سیستم تصمیم یار مبتنی بر شبکه بیزی بررسی شده است که می‌تواند برای تعیین طرح درمان در شرایط دشوار تصمیم‌گیری به دانشجویان و دندانپزشکان یاری برساند.</span></span></span><br> <strong><span style="letter-spacing: -0.2pt;"><span style="font-family: b yagut;">روش‌ها</span></span></strong><strong><span style="letter-spacing: -0.5pt;"><span style="font-family: b yagut;"><span style="font-size: 10pt;">:</span></span></span></strong> <span style="letter-spacing: -0.6pt;"><span style="font-family: b yagut;"><span style="font-size: 10pt;">در این سیستم، متغیرهای ورودی علائم بیمار و متغیرهای خروجی درمان‌ها بودند.&nbsp; شبکه بیزی برای 13 علامت تشخیص پوسیدگی و 5 درمان مرتبط طراحی شد. برای تعیین روابط بین متغیرها از الگوریتم خوشه بندی </span></span></span><span dir="LTR" style="letter-spacing: -0.6pt;"><span style="font-family: cg times,serif;"><span style="font-size: 10pt;">k</span></span></span><span style="letter-spacing: -0.6pt;"><span style="font-family: b yagut;"><span style="font-size: 10pt;">_میانگین استفاده شد.</span></span></span><br> <strong><span style="letter-spacing: -0.2pt;"><span style="font-family: b yagut;">یافته‌ها<em>:</em></span></span></strong> <span style="letter-spacing: -0.5pt;"><span style="font-family: b yagut;"><span style="font-size: 10pt;">سیستم پیشنهادی با استفاده از سناریوهای واقعی بیماران ارزیابی شده است و نتایج حاصل، حاکی از دقت قابل قبول آن می‌باشد.</span></span></span><br> <strong><span style="letter-spacing: -0.3pt;"><span style="font-family: b yagut;">نتیجه‌گیری</span></span></strong><strong><span style="letter-spacing: -0.5pt;"><span style="font-family: b yagut;">:</span></span></strong><span style="letter-spacing: -0.5pt;"><span style="font-family: b yagut;"><span style="font-size: 10pt;"> می‌توان از این سیستم بعنوان نرم افزار کمک آموزشی در دانشکده‌های دندانپزشکی برای آموزش به دانشجویان استفاده نمود. </span></span></span> <strong>&nbsp;Introduction:</strong> Dentists have to choose a precise treatment plan based on the prevailing sign symptoms gathered from patients. However; in most of cases, the symptoms are complicate which makes the lack of confidence for the dentist to find an accurate treatment plan. This study introduces a new diagnosis system that helps the dentists and students to choose an accurate course of treatment for dental caries. This diagnostic system is based on Bayesian Network (BN) analysis.<br> <strong>Methods:</strong> In this system, patient&rsquo;s symptoms were as input variables and treatments were as output variables. A Bayesian Network is designed for 13 different sign-symptoms and 5 related treatments. K-means clustering algorithm is used to determine the relationships between variables, including symptoms and treatment.<br> <strong>Results:</strong> The system evaluated by using actual scenario to determine the accuracy and showed reliable outcome.<br> <strong>Conclusion: </strong>This system can be used in dental schools to teach students. شبکه بیزی, سیستم تصمیم‌یار, دندانپزشک, عدم قطعیت Bayesian Network, Decision making system, Dentist, Uncertainty 37 44 http://dsme.hums.ac.ir/browse.php?a_code=A-12-2-5&slc_lang=fa&sid=1 Somayeh Khoramian Tusi دکتر سمیه خرمیان طوسی so_khoramian@yahoo.com 10031947532846008522 10031947532846008522 Yes نشگاه علوم پزشکی رفسنجان Behnam Zeynali بهنام زینلی 10031947532846008523 10031947532846008523 No نشگاه علوم پزشکی رفسنجان