JATI (Jurnal Mahasiswa Teknik Informatika)· 2024
YAPAY ZEKA DESTEKLİ HEMŞİRE ÇAĞRI SİSTEMİ (PAPEDA) KARAWANG BÖLGE HASTANESİ'NDE HEMŞİRE PERFORMANSINI GELİŞTİRİYOR
PANGGILAN PERAWAT DARURAT (PAPEDA) MENGGUNAKAN ARTIFICIAL INTELLIGENCE UNTUK EFESIENSI KINERJA PERAWAT DI RSUD KARAWANG
- 0atıf
- 2024yıl
Kısa özet
Raspberry Pi kameraları, CNN ve LSTM modellerini kullanan yapay zeka destekli bir hemşire çağrı sistemi (PAPEDA), hasta durumlarını izlemede %98 doğruluk (CNN) ve %100'e yakın doğruluk (LSTM) elde ederek RSUD Karawang'da hemşire verimliliğini ve hasta memnuniyetini önemli ölçüde artırdı.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- RSUD Karawang'da hasta takibini iyileştirmek için yapay zeka destekli bir hemşire çağrı sistemi (PAPEDA) uygulandı.
- Sistem, Konvolüsyonel Sinir Ağı (CNN) ve Uzun Kısa Süreli Bellek (LSTM) yapay zeka modelleri ile Raspberry Pi kameralarını kullanıyor.
- CNN, hasta durumlarını analiz etmede %98 doğruluk sağlarken, LSTM %100'e yakın doğruluk gösterdi.
- LSTM, CNN'e kıyasla hasta gözlemlerini anlama konusunda daha iyi performans sergiledi.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
RSUD Karawang adalah sebuah rumah sakit yang lengkap dengan berbagai fasilitas seperti poli anak, penyakit, jantung, kebidanan, dan lain-lain. Namun, kendala muncul dalam memantau kondisi pasien di rumah sakit ini. Hal ini menyebabkan paramedis, termasuk spesialis dan petugas medis, harus mengunjungi pasien berulang kali untuk memeriksa kondisi mereka. Untuk mengatasi masalah ini dan meningkatkan kepuasan pasien, rumah sakit menggunakan inovasi penalaran terkomputerisasi atau kecerdasan buatan manusia. Dengan inovasi ini, mesin dapat secara konsisten melakukan observasi pasien, sehingga pasien hanya perlu memberikan isyarat tangan yang sudah ditentukan sebelumnya. Untuk mencapai hal ini, penelitian menggunakan kamera Raspberry Pi dan regulator untuk menciptakan kesadaran buatan manusia. Informasi yang dikumpulkan kemudian diolah menggunakan strategi Convolutional Neural Network (CNN) dan Long Short-Term Memory (LSTM) untuk menganalisis kondisi pasien. Hasil penilaian dengan menggunakan disarray grid menunjukkan bahwa strategi CNN memiliki presisi sebesar 98%, sementara teknik LSTM memiliki akurasi mendekati 100% dalam menyaring kondisi pasien di setiap ruangan. Selain itu, tampaknya teknik LSTM memberikan hasil yang lebih baik dalam memahami observasi dibandingkan dengan strategi CNN. Dengan penerapan inovasi penalaran buatan manusia ini, diharapkan klinik dapat meningkatkan kemampuan dalam mengamati kondisi pasien dan memberikan pertimbangan yang lebih baik, serta meningkatkan kepuasan pribadi pasien secara keseluruhan.
Yazarların özeti; kaynağından alınmıştır. JATI (Jurnal Mahasiswa Teknik Informatika), 2024 · DOI ↗
Devamı Pofolia uygulamasında
Çıkarımlar ve makaleye soru sorma; ilgi alanına göre her gün yeni özetler. Ücretsiz.
Web'de giriş yaparak açAlan: Pediatri, Perinatoloji ve Çocuk Sağlığı
Pediatrics, Perinatology and Child HealthMedicine