Theo dõi nhịp thở bằng phương pháp học sâu

BÁO CÁO LUẬN VĂN TỐT NGHIỆP THEO DÕI NHỊP THỞ BẰNG PHƯƠNG PHÁP HỌC SÂU Giảng viên hướng dẫn : PGS.TS Phạm Văn Cường Học viên thực : Vũ Văn Huy NỘI DUNG TRÌNH BÀY • Giới thiệu đề tài • Bài tốn theo dõi nhịp thở • Nghiên cứu liên quan phương pháp tiếp cận • Hệ thống nhận dạng nhịp thở • Học sâu phương pháp LSTM • Ứng dụng đếm nhịp thở • Đánh giá kết luận GIỚI THIỆU ĐỀ TÀI • Các liệu y tế thu thập ngày đa dạng phổ biến Việc khai thác thông tin từ nguồn đem lại nhiều lợi ích • Đã có số nghiên cứu dựa học máy với liệu y tế • Phương pháp học sâu phương pháp tiếp cận BÀI TOÁN THEO DÕI NHỊP THỞ • Bài tốn 1: Cho trước tập file âm (các file chứa liệu nhịp thở không chứa), nhiệm vụ gắn nhãn phân loại nhịp thở cho file • Bài toán 2: Dữ liệu âm lúc đoạn liệu ngắn mà luồng liệu liên tục Nhiệm vụ cần làm đếm số lượng nhịp thở có liệu cho • Bài tốn 3: Vẫn luồng liệu liên tục Nhiệm vụ khai thác nhiều thông tin từ liệu (xác định yếu tố bất thường, rối loạn bệnh hô hấp, dự đốn bệnh lý…) CÁC NGHIÊN CỨU LIÊN QUAN • Xác định giai đoạn giấc ngủ dựa theo dõi nhịp thở • Phát âm hơ hấp bất thường dựa trích chọn đặc trưng PHƯƠNG PHÁP GIẢI QUYẾT BÀI TỐN • Phương pháp nghiên cứu lý thuyết: Dựa lý thuyết học sâu, tìm hiểu kỹ thuật LSTM (Long Short Term Memory), từ áp dụng vào tốn theo dõi nhịp thở • Phương pháp nghiên cứu thực nghiệm: Thu thập liệu âm nhịp thở, từ cài đặt thử nghiệm tập mẫu liệu HỌC SÂU VÀ PHƯƠNG PHÁP LSTM (1) • Trí tuệ nhân tạo (artificial intelligence) • Học máy (machine learning) • Học sâu (deep learning) HỌC SÂU VÀ PHƯƠNG PHÁP LSTM (2) • Sự khác biệt giữ Học máy Học sâu HỌC SÂU VÀ PHƯƠNG PHÁP LSTM (3) • Mạng nơ-ron truyền thống câu hỏi “Lưu trữ lại diễn trước đó?” • Mạng nơ-ron hồi quy RNN (Recurrent Neural Network) HỌC SÂU VÀ PHƯƠNG PHÁP LSTM (3) • Vấn đề phụ thuộc xa: – VD: “các đám mây bầu …” (trời) • Long Short Term Memmory: mơ hình tế báo nhớ – Cổng vào (input gate layer) – Cổng quên lặp trạng thái (forget gate layer, state loop) – Cổng (output gate layer) SƠ ĐỒ QUÁ TRÌNH NHẬN DẠNG NHỊP THỞ LỌC NHIỄU BẰNG BỘ LỌC KALMAN • Giới thiệu từ năm 1960 giáo sư Kalman • Ứng dụng rộng rãi nghiên cứu ứng dụng • Bộ lọc Kalman đơn giản thuật toán xử lý liệu hồi quy tối ưu • Các thư viện hỗ trợ đa dạng nhiều ngơn ngữ lập trình hỗ trợ TRÍCH CHỌN DỮ LIỆU (1) • Phần mềm Audacity để quan sát trích chọn mẫu liệu từ file ghi âm lấy mẫu TRÍCH CHỌN DỮ LIỆU (2) • Vấn đề độ dài mẫu liệu – Ảnh hưởng đến tỉ lệ nhận dạng xác – Thời gian training tạo Model Độ dài Số lượng Thời gian tạo frame frame liệu model (giờ) training 200 100 2.15 1000 100 4.08 1800 100 9.4 2400 100 15.8 TẠO MODEL LSTM • THỬ NGHIỆM VÀ ĐÁNH GIÁ (1) • Cấu hình máy tính sử dụng thử nghiệm đánh giá: – CPU: AMD Ryzen 2200G 3.5 GHz – RAM: 8G DDR4 – OS: Linux Mint 19 Cinnamon 64bit • Phiên phần mềm sử dụng: – Java: 1.8 – Python: 2.7 – Tensorflow: r1.11 – Keras: 2.2.4 THỬ NGHIỆM VÀ ĐÁNH GIÁ (2) • TH1: mơi trường n tĩnh, đối tượng trạng thái nghỉ ngơi • TH2: mơi trường ồn, đối tượng trạng thái nghỉ ngơi • TH3: mơi trường yên tĩnh, đối tượng vừa vận động mạnh • TH4: môi trường ồn, đối tượng vừa vận động mạnh THỬ NGHIỆM VÀ ĐÁNH GIÁ (2) 0.95 0.9 0.85 0.8 0.75 0.7 0.65 ỨNG DỤNG ĐẾM NHỊP THỞ KẾT LUẬN • Kết đạt được: – Tìm hiểu toán theo dõi nhịp thở số nghiên cứu liên quan (phát âm hô hấp bất thường trích chọn đặc trưng, phân loại giai đoạn giấc ngủ dựa nhịp thở) – Tìm hiểu Deep Learning, phương pháp LSTM áp dụng vào toán theo dõi nhịp thở – Xây dựng ứng dụng đếm nhịp thở • Các hạn chế: – Luận văn bước đầu giải toán nhỏ toan theo dõi nhịp thở – Việc thu thập liệu khiêm tốn, chưa đầy đủ phong phú Chân thành cảm ơn thầy cô bạn lắng nghe! ... Giới thiệu đề tài • Bài tốn theo dõi nhịp thở • Nghiên cứu liên quan phương pháp tiếp cận • Hệ thống nhận dạng nhịp thở • Học sâu phương pháp LSTM • Ứng dụng đếm nhịp thở • Đánh giá kết luận GIỚI... (artificial intelligence) • Học máy (machine learning) • Học sâu (deep learning) HỌC SÂU VÀ PHƯƠNG PHÁP LSTM (2) • Sự khác biệt giữ Học máy Học sâu HỌC SÂU VÀ PHƯƠNG PHÁP LSTM (3) • Mạng nơ-ron... có số nghiên cứu dựa học máy với liệu y tế • Phương pháp học sâu phương pháp tiếp cận BÀI TOÁN THEO DÕI NHỊP THỞ • Bài tốn 1: Cho trước tập file âm (các file chứa liệu nhịp thở không chứa), nhiệm