مقاله طراحی و بررسی قدرت نرم افزار CCTA در تشخیص نوع ناهنجاری

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله طراحی و بررسی قدرت نرم افزار CCTA در تشخیص نوع ناهنجاری دارای ۸ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله طراحی و بررسی قدرت نرم افزار CCTA در تشخیص نوع ناهنجاری  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله طراحی و بررسی قدرت نرم افزار CCTA در تشخیص نوع ناهنجاری،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله طراحی و بررسی قدرت نرم افزار CCTA در تشخیص نوع ناهنجاری :

مقاله طراحی و بررسی قدرت نرم افزار CCTA در تشخیص نوع ناهنجاری که چکیده‌ی آن در زیر آورده شده است، در تابستان ۱۳۸۷ در تحقیق در علوم دندانپزشکی از صفحه ۹ تا ۱۵ منتشر شده است.
نام: طراحی و بررسی قدرت نرم افزار CCTA در تشخیص نوع ناهنجاری
این مقاله دارای ۷ صفحه می‌باشد، که برای تهیه‌ی آن می‌توانید بر روی گزینه‌ی خرید مقاله کلیک کنید.
کلمات مرتبط / کلیدی:
مقاله قدرت
مقاله نرم افزار
مقاله ناهنجاری
مقاله تشخیص نوع ناهنجاری

چکیده و خلاصه‌ای از مقاله:
سابقه و هدف: باتوجه به فراوانی ناهنجاریها و اهمیت تشخیص انها و مشکلات فعلی تشخیص انها، مخصوصا صرف وقت زیاد جهت انالیز سفالومتری و برای پاسخ به این سوال که ایا نرم افزار طراحی شده (CCTA-ShV3: Computerized Cephalometry Tracer & Analyser Sheibani Version3) نسبت به روش استاندارد فعلی قادر به تشخیص مال اکلوژن می باشد، این تحقیق بر روی رادیوگرافیهای سفالومتری بیماران مبتلا به ناهنجاریهای Cl lll, Cl ll, Cl l در سالهای ۱۳۸۶-۱۳۸۷ انجام گرفت.
مواد و روشها: تحقیق به روش کار آزمایی بالینی از نوع تشخیصی انجام گرفت. بعد از طراحی نرم افزار CCTA و تریسینگهای مستمر تعداد ۱۲۰ نمونه بدست آوردیم که شامل ۴۰ عدد ناهنجاریCl l ،۴۰ عدد ناهنجاری Cl ll و ۴۰ عدد ناهنجاری Cl lll بود. برای هر عکس یک کد گذاشته شد و همه اطلاعات مربوط به هر نمونه در فرم اطلاعاتی شماره ۱ ثبت گردید. کاربر بدون اطلاع از محل لندمارکهای قبلی که به روش دستی تریس شده بود شروع به گذاشتن لندمارکها کرد و بوسیله نرم افزار CCTA مجددا کلاس انها تعیین شد و در فرم شماره ۲ ثبت شد. تشخیص نرم افزار نسبت به تشخیص قطعی، حساسیت و اختصاصیت و به ویژه ارزش پیش بینی مثبت و منفی positive and negative predictive value محاسبه شد.
یافته ها: تعداد ۱۲۰ نمونه بدست آمد، بطوریکه به تعداد ۴۰ عدد Cl l، ۴۰ عددCl ll ، ۴۰عدد Cl lll داشتیم. پس از مقایسه کامل روش دستی و نرم افزاری، برای هر ۳ گروه حساسیت (sensitivity)، اختصاصیت(specificity) ، ارزش پیش بینی مثبتppv ، ارزش پیش بینی منفی NPV و کارایی کلی نرم افزار %۱۰۰ محاسبه شد.
بحث و نتیجه گیری: با توجه به دقت و تلاش زیادی که برای ساخت این نرم افزار داشتیم و همچنین تعداد نمونه های گرفته شده در این تحقیق، جامع بودن ان و همچنین حساسیت و اختصاصیت ۱۰۰% نرم افزار، نرم افزار CCTA جایگزین بسیار خوبی، بلکه بهتر بجای روش دستی است!