Xây dựng mô hình hỗ trợ chẩn đoán bệnh dựa trên hệ suy diễn mờ phức Mamdani

Bài viết Xây dựng mô hình hỗ trợ chẩn đoán bệnh dựa trên hệ suy diễn mờ phức MAMDANI tập trung vào ứng dụng hệ suy diễn mờ trong chẩn đoán y tế. Kết quả thực nghiệm trên 5 bộ dữ liệu đã khẳng định hiệu quả của phương pháp đề xuất so với các hệ suy diễn đã có.

Tuyển tập Hội nghị Khoa học thường niên năm 2019 ISBN: 978-604-82-2981-8 XÂY DỰNG MƠ HÌNH HỖ TRỢ CHẨN ĐỐN BỆNH DỰA TRÊN HỆ SUY DIỄN MỜ PHỨC MAMDANI Lương Thị Hồng Lan1, Nguyễn Khánh Tùng2 Trường Đại học Thủy lợi, email: lanlhbk@tlu.edu.vn Trường Đại học Điện lực GIỚI THIỆU CHUNG Chẩn đoán y tế dự báo khả mắc bệnh bệnh nhân dựa vào thông tin, triệu chứng mà bệnh nhân gặp phải Nó đóng vai trị quan trọng quy trình điều trị bệnh nhân trung tâm y học lâm sàng Do đó, việc đảm bảo nâng cao chất lượng chẩn đoán vấn đề quan tâm hàng đầu Việt Nam giới Zadel phát triển lý thuyết lập luận mờ nhằm đưa cách biểu diễn lập luận với thơng tin ngơn ngữ khơng xác Đó xây dựng hệ sở tri thức (dựa luật If then) xây dựng lập luận tương ứng với sở tri thức (dựa giá trị biến ngơn ngữ xây dựng tảng mờ) Các hướng nghiên cứu ứng dụng mờ chẩn đoán y tế chủ yếu dựa hai hướng hệ thống học mờ xây dựng từ việc kết hợp hệ suy diễn với phương pháp mờ phương pháp dựa luật mờ, hệ chuyên gia mờ, suy diễn mờ hệ thống học mờ xây dựng dựa mơ hình mạng noron Bài báo tập trung vào ứng dụng hệ suy diễn mờ chẩn đốn y tế Một vài ví dụ ứng dụng hệ suy diễn mờ y tế bao gồm nhóm tác giả Adeli Neshat thiết kế hệ mờ chuyên gia để chẩn đoán bệnh tim Lee Wang cung cấp hệ chuyên gia mờ cho ứng dụng hỗ trợ định bệnh tiểu đường Kunhimangalam cộng áp dụng kĩ thuật suy luận mờ Mamdani để hỗ trợ đưa chẩn đốn xác bệnh thần kinh ngoại Frolova cộng sử dụng hệ suy diễn mờ để xác định suy tim cấp tính Gayathri Sumathi lại hỗ trợ việc xác định khối u ung thư suy luận mờ Mamdani Thakur cộng [10] sử dụng hệ suy diễn mờ MAMDANI để chẩn đoán bệnh Thalassemia Sardesai cộng lại nghiên cứu giảm thiểu phức tạp bệnh phụ khoa hệ suy diễn mờ Mamdani Gần đây, Nazaria cộng đưa cách tiếp cận dựa hệ suy diễn mờ để chẩn đoán khả phát triển bệnh tim bệnh nhân Từ kết nghiên cứu hệ mờ có, nghiên cứu hệ mờ phức áp dụng để xây dựng hệ suy diễn Mamdani dựa tập mờ phức HỆ SUY DIỄN MỜ PHỨC 2.1 Tập mờ phức Khái niệm tập mờ phức (Complex Fuzzy Set - CFS) logic mờ phức (Complex Fuzzy Logic - CFL) đề xuất Ramot cộng phần mở rộng lý thuyết tập mờ logic mờ Một tập mờ phức đặc trưng hàm thuộc giá trị phức μs(x) mà phạm vi giá trị đường trịn đơn vị không gian phức, biểu diễn có dạng: μ S ( x ) = rS ( x ).e( jωS ( x ) , j = −1 Trong đó: rs(s) biên độ ωs(x) pha, hàm có giá trị thực với điều kiện rs(s) ∈ [0,1] Pha bổ sung thêm số 216 Tuyển tập Hội nghị Khoa học thường niên năm 2019 ISBN: 978-604-82-2981-8 thông tin mở rộng liên quan tới chu kì khơng gian thời gian tập mờ xác định biên độ 2.2 Xây dựng hệ suy diễn mamdani tập mờ phức (MCFIS) Hệ suy diễn mờ phức chủ yếu gồm thành phần: Các luật mờ phức, mờ hóa phức, chế suy diễn phức giải mờ phức Quá trình suy diễn bao gồm bước: Bước 1: Xây dựng vùng mờ phức Trong bước xây dựng vùng mờ phức cách chia thành khoảng miền miền chứa lớp giá trị mờ phức hàm thuộc đầu vào đầu Bước Sinh luật mờ phức Trong bước này, tạo luật mờ phức từ dạng liệu số để xác định độ thuộc giá trị phức từ cặp tạo luật đầu vào- đầu Bước Tối ưu hoá luật mờ phức Khi snh tập luật từ liệu ban đầu, ta thực giản lược kích thước sở luật phức loại bỏ xung đột Mỗi luật phức gán mức độ giá trị phức dựa tích hợp tối đa tập liệu đầu vào tập liệu đầu riêng biệt Bước Ánh xạ đầu thông qua giải mờ phức Trong giai đoạn cuối thực đưa ánh xạ đầu vào đầu cách giải mờ phức liệu đầu vào 2.3 Xây dựng mô hình hỗ trợ chẩn đốn bệnh dựa MCFIS Trong mơ hình tốn hệ hỗ trợ định dựa tập mờ phức có đầu vào n bệnh nhân với triệu chứng bệnh bệnh nhân, ta cần nội suy yếu tố đầu tức chẩn đốn bệnh nhân có bệnh hay khơng? Input: P = (P1, , Pn) danh sách bệnh nhân, S = (S1, , Sm) triệu chứng Output: Nhãn bệnh (có bệnh/ khơng có bệnh) Việc xác định chẩn đoán bệnh thực dựa tập mờ phức theo bước sau: Bước 1: Mô tả triệu chứng bệnh S = (S1, , Sm) đầu vào thành tập mờ phức ( Biên độ giá trị thuộc tính; Pha mối liên hệ thuộc tính bệnh) Ở đây, tơi sử dụng hàm mờ phức Gaussian [7] cGaussian ( x,m,σ ,λ ) = rS ( x,m,σ ) exp ( jωs ( x,m,σ ,λ ) ) với biên độ pha hàm thuộc mờ phức định nghiã sau ⎡ ⎛ x−m⎞ ⎤ rS ( x,m,σ ) = Gaussian ( x,m,σ ) = exp ⎢−0.5 ⎜ ⎟ ⎥ ⎝ σ ⎠ ⎦⎥ ⎣⎢ ⎡ ⎛ x−m⎞ ⎤ ⎛ x−m⎞ ⎟ ⎥ x⎜ ⎟ x λ ⎝ σ ⎠ ⎦⎥ ⎝ σ ⎠ ωs ( x,m,σ ,λ ) = − exp ⎢ −0.5 ⎜ ⎣⎢ với {m, σ, λ}là trung bình, dải hàm Gaussian yếu tố tần số pha hàm thuộc mờ phức, x thành phần thuộc không gian U Bước 2: Xây dựng hệ luật mờ phức - Khởi tạo luật mờ phức - Xây dựng luật mờ tối ưu cách loại bỏ luật dư thừa, luật yếu Trong trình xây dựng luật mờ phức, sử dụng phép kéo theo Mamdani tập mờ phức μ A→ B ( x, y ) = ( rA ( x ) rB ( y ) ) e ⎛ ω ( x) ω ( y) ⎞ j 2π ⎜ A B ⎟ 2π ⎠ ⎝ 2π Bước Thực trình suy diễn dựa luật mờ tối ưu xây dựng bước Bước Giải mờ phức để tính tốn kết cho giá trị đầu có bệnh/ khơng có bệnh Mơ hình hỗ trợ chẩn đốn bệnh bao gồm phần chính: phần thứ dành cho chuyên gia để thực trình tạo hệ thống sở luật phức ban đầu, phần thứ hai dùng để suy luận ứng với giá trị triệu chứng bệnh đầu vào Q trình suy luận chẩn đốn bệnh thực thông qua hệ suy diễn mờ phức để từ có giá trị đầu THỰC NGHIỆM Tập liệu thực nghiệm Hệ hỗ trợ chẩn đoán bệnh thực liệu bệnh: Trong liệu ILPD (Indian Liver Patient Dataset), LD 217 Tuyển tập Hội nghị Khoa học thường niên năm 2019 ISBN: 978-604-82-2981-8 (Liver-Disorders) PIDD (Pima Indians Diabetes Dataset) lấy từ kho liệu UCI Machine Learning Repository; liệu Benchmark dataset Diebetes Benmark dataset Heart lấy từ Đại học Vanderbit Thực nghiệm Ngôn ngữ cài đặt thực nghiệm Matlab 2014 Độ đo Accuracy (Acc) dùng để đánh giá so sánh hiệu thuật toán cài đặt báo Các phương pháp để so sánh chẩn đoán bệnh gan gồm có: suy diễn mờ Mamdani (MFIS), Sugeno (SFIS), hệ suy diễn dựa tập mờ trực cảm (IFIS) hệ suy diễn Mamdani tập mờ phức (Mamdani-CFIS) Hình 3.1 So sánh độ xác thuật tốn Mamdani, Sugeno, IFS, Mamdani-CFIS Kết chạy thực nghiệm cho thấy độ xác hệ suy diễn dựa tập mờ phức cao hệ suy diễn so sánh nhiên thời gian chạy cao KẾT LUẬN Trong báo phát triển hệ suy diễn Mamdani dựa tập mờ phức để hỗ trợ toán chẩn đoán bệnh Bài báo có số đóng góp sau: (i) xây dựng mơ hình hệ suy diễn Mamdani dựa tập mờ phức; (ii) cài đặt thực nghiệm hệ suy diễn mờ phức Mamdani liệu chuẩn nhằm thực bước xây dựng hệ hỗ trợ chẩn đoán bệnh; (iii) Kết thực nghiệm liệu khẳng định hiệu phương pháp đề xuất so với hệ suy diễn có TÀI LIỆU THAM KHẢO [1] Adeli, A., Neshat, M (2010) A fuzzy expert system for heart disease diagnosis Lecture Notes in Engineering and Computer Science Hong Kong March [2] Frolova, N., Bakal, J A., McAlister, F A, Rowe, Kaul, P., (2015) Assessing the use of international classification of diseases10th revision codes from the emergency department for the identification of acute heart failure, 3(5), 386-91 [3] Gayathri, B M., & Sumathi, C P (2015) Mamdani fuzzy inference system for breast cancer risk detection, 2015 IEEE International Conference on (pp 1-6) IEEE [4] Kunhimangalam, R., Ovallath, S., & Joseph, P K (2014) A clinical decision support system with an integrated EMR for diagnosis of peripheral neuropathy Journal of medical systems, 38(4), 38 [5] Lee, C S., Wang, M H (2011) A fuzzy expert system for diabetes decision support application IEEE Transactions on Systems, Man, and Cybernetics, 41(1), 139-153 [6] Nazari, S., Fallah, M., Kazemipoor, H., & Salehipour, A (2018) A fuzzy inferencefuzzy analytic hierarchy process-based clinical decision support system for diagnosis of heart diseases Expert Systems with Applications, 95, 261-271 [7] Ramot, D., Friedman, M., (2003) Complex fuzzy logic IEEE Transactions on Fuzzy Systems, 11(4), 450-461 [8] Sardesai, A., Kharat, V., Sambarey, P., & Deshpande, A (2016) Fuzzy Logic-Based Formalisms for Gynecology Disease Diagnosis Journal of Intelligent Systems, 25(2), 283-295 [9] Sun, C., Wang, G., Liu, C., Jin, S., Hu, Y., & Wu, L (2017) Research on the Application of Reading Recommendation System in High Medical College Library Based on the Local Data DEStech Transactions on Social Science, Education and Human Science [10] Thakur, Raw, S N., Sharma, (2016) Design of a Fuzzy Model for Thalassemia Disease Diagnosis: Using Mamdani Type Fuzzy Inference System International Journal of Pharmacy and Pharmaceutical Sciences, 8(4), 356-361 [11] Zadeh, L A (1972) A fuzzy-set-theoretic interpretation of linguistic hedges 218 ... tập mờ xác định biên độ 2.2 Xây dựng hệ suy diễn mamdani tập mờ phức (MCFIS) Hệ suy diễn mờ phức chủ yếu gồm thành phần: Các luật mờ phức, mờ hóa phức, chế suy diễn phức giải mờ phức Quá trình suy. .. hỗ trợ tốn chẩn đốn bệnh Bài báo có số đóng góp sau: (i) xây dựng mơ hình hệ suy diễn Mamdani dựa tập mờ phức; (ii) cài đặt thực nghiệm hệ suy diễn mờ phức Mamdani liệu chuẩn nhằm thực bước xây. .. sánh chẩn đốn bệnh gan gồm có: suy diễn mờ Mamdani (MFIS), Sugeno (SFIS), hệ suy diễn dựa tập mờ trực cảm (IFIS) hệ suy diễn Mamdani tập mờ phức (Mamdani- CFIS) Hình 3.1 So sánh độ xác thuật tốn Mamdani,