Hệ logic mờ với bài toán dự báo trong y học

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC VINH VÕ DUY THANH HỆ LOGIC MỜ VỚI BÀI TOÁN DỰ BÁO TRONG Y HỌC Chuyên ngành: Công nghệ thông tin Mã số: 60.48.02.01 LUẬN VĂN THẠC SĨ NGÀNH CÔNG NGHỆ THÔNG TIN NGHỆ AN, 2017 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC VINH VÕ DUY THANH HỆ LOGIC MỜ VỚI BÀI TOÁN DỰ BÁO TRONG Y HỌC Chuyên ngành: Công nghệ thông tin Mã số: 60.48.02.01 LUẬN VĂN THẠC SĨ NGÀNH CÔNG NGHỆ THÔNG TIN Người hướng dẫn: TS Phan Anh Phong NGHỆ AN, 2017 i LỜI CAM ĐOAN Tơi xin cam đoan cơng trình nghiên cứu riêng Các số liệu kết nghiên cứu luận văn trung thực chưa sử dụng để bảo vệ học vị Các thơng tin lược trích từ nguồn tài liệu thống rõ nguồn gốc rõ ràng Nếu sai tơi hồn tồn chịu trách nhiệm Tác giả luận văn Võ Duy Thanh ii LỜI CẢM ƠN Đầu tiên, xin gửi lời cảm ơn sâu sắc đến nhà khoa học TS Phan Anh Phong, thầy tận tình bảo, giúp đỡ, định hướng tạo điều kiện cho tơi hồn thành luận văn Tôi xin trân trọng cảm ơn giúp đỡ nhà khoa học, thầy, cô trường Đại học Vinh, Trường Đại học Đồng Tháp giảng dạy, truyền đạt kiến thức hỗ trợ điều kiện học tập cho Mặc dù, tác giả nỗ lực cố gắng để hồn thành luận văn, trình độ kinh nghiệm nghiên cứu khoa học hạn chế Nên chắn luận văn không tránh khỏi thiếu sót Tác giả kính mong nhận đóng góp dẫn nhà khoa học, bạn bè, đồng nghiệp giúp cho luận văn hồn thiện Để có kết hơm nay, tơi xin tỏ lịng biết ơn đến gia đình, bạn bè, đồng nghiệp động viên, giúp đỡ, chia sẻ khó khăn để tơi hồn thành nhiệm vụ học tập, nghiên cứu Xin chân thành cảm ơn! Nghệ An, ngày……tháng……năm 2017 Học viên thực Võ Duy Thanh iii MỤC LỤC LỜI CAM ĐOAN i LỜI CẢM ƠN ii MỤC LỤC iii DANH MỤC CÁC TỪ VIẾT TẮT vi DANH MỤC HÌNH vii DANH MỤC BẢNG ix MỞ ĐẦU 1 Sự cần thiết vấn đề nghiên cứu Lịch sử vấn đề nghiên cứu: Mục tiêu nghiên cứu Đối tượng phạm vi nghiên cứu Nội dung nghiên cứu Đóng góp luận văn Kết cấu luận văn Chương GIỚI THIỆU BÀI TOÁN DỰ BÁO TRONG Y HỌC 1.1 Đặt vấn đề 1.2 Các nghiên cứu liên quan đến toán dự báo y học 1.3 Bài toán dự báo bệnh nhân viêm tủy 1.3.1 Bài toán 1.3.2 Các tiếp cận nghiên cứu kết đạt 1.4 Kết luận chương Chương TỔNG QUAN VỀ TẬP MỜ VÀ HỆ LOGIC MỜ 10 iv 2.1 Đặt vấn đề 10 2.2 Lý thuyết tập mờ 10 2.2.1 Các khái niệm 10 2.2.2 Các phép toán tập mờ 14 2.2.3 T-norm T-cornorm 18 2.2.4 Quan hệ mờ 19 2.2.5 Phép hợp thành 20 2.3 Hệ logic mờ 21 2.3.1 Mờ hóa 21 2.3.2 Cơ sở luật 22 2.3.3 Suy diễn 23 2.3.4 Giải mờ 24 2.4 Những thách thức xây dựng hệ mờ 27 2.5 Kết luận chương 27 Chương XÂY DỰNG HỆ LOGIC MỜ DỰ BÁO THỜI GIAN SỐNG CỦA BỆNH NHÂN VIÊM TỦY 28 3.1 Đặt vấn đề 28 3.2 Xây dựng sở luật từ liệu phương pháp Wang – Mendel 28 3.2.1 Quy trình thực 29 3.2.2 Một ví dụ đơn giản xây dựng sở luật 32 3.3 Thiết kế hệ logic mờ cho toán dự báo 35 3.3.1 Xác định thuộc tính mơ hình giá trị ngơn ngữ 35 3.3.2 Xây dựng hàm thuộc cho giá trị ngôn ngữ 36 3.3.3 Suy diễn 40 3.4 Kết thử nghiệm 41 3.5 Kết luận chương 47 v Chương NÂNG CAO HIỆU QUẢ DỰ BÁO CỦA HỆ MỜ VỚI THUẬT TOÁN TỐI ƯU HÓA BẦY ĐÀN 49 4.1 Đặt vấn đề 49 4.2 Giải thuật tối ưu hóa bầy đàn (PSO) 49 4.2.1 Tổng quan giải thuật PSO 49 4.2.2 Các bước thực giải thuật 50 4.2.3 Hạn chế PSO 52 4.3 Áp dụng giải thuật tối ưu hóa bầy đàn 52 4.3.1 Hàm mục tiêu 53 4.3.2 Biểu biến cá thể: 55 4.3.3 Khởi tạo quần thể 55 4.4 Kết thử nghiệm 55 4.5 Kiểm tra kết dự báo hệ mờ đề xuất với Tool box Matlab 56 4.6 Kết luận chương 62 KẾT LUẬN 63 TÀI LIỆU THAM KHẢO 64 Phụ lục 66 vi DANH MỤC CÁC TỪ VIẾT TẮT Các chữ viết tắt: Giải nghĩa PSO Particle Swarm Optimization MISO Multi Input Single Output MIMO Multi Input Multi Output GA Genetic Algorithm LOM Largest of Maximum MOM Middle of Maximum SOM Smallest of Maximum vii DANH MỤC HÌNH Hình 2.1 Hàm thuộc µA ( x) có mức chuyển đổi tuyến tính 11 Hình 2.2 Hàm thuộc tập B 11 Hình 2.3 Miền xác định miền tin cậy tập mờ A 12 Hình 2.4 Biểu diễn tập mờ chiều cao 14 Hình 2.5 Hợp hai tập mờ có tập vũ trụ 14 Hình 2.6 Giao hai tập mờ có tập vũ trụ 15 Hình 2.7 Tập bù A tập mờ A 16 Hình 2.8 Giải mờ phương pháp điểm cực đại 25 Hình 2.9 Giải mờ phương pháp điểm trọng tâm 27 Hình 3.1 Biểu diễn hàm thuộc cho thuộc tính x1, x2, y 34 Hình 3.2 Sơ đồ thuật toán xây dựng hệ mờ 36 Hình 3.3 Tập tham số hàm thuộc cho biến ngơn ngữ LogBun 38 Hình 3.4 Tập tham số hàm thuộc cho biến ngôn ngữ HGB 39 Hình 3.5 Tập tham số hàm thuộc cho biến ngơn ngữ LogTime 40 Hình 3.6 Mơ hình hệ thống 41 Hình 3.7 Suy diễn giải mờ dựa sở luật 44 Hình 3.8 Đồ thị biểu thị kết tìm từ hệ mờ kết thực tế 46 Hình 4.1 Sơ đồ giải thuật PSO áp dụng cho tối ưu tham số hàm thuộc hệ logic mờ 54 Hình 4.2 Mơ hình hệ thống 57 Hình 4.3 Thiết lập tham số cho giá trị ngôn ngữ biến ngôn viii ngữ LogBun 58 Hình 4.4 Thiết lập tham số cho giá trị ngôn ngữ biến ngôn ngữ HGB 58 Hình 4.5 Thiết lập tham số cho giá trị ngôn ngữ biến ngôn ngữ LogTime 59 Hình 4.6 Thêm vào tập sở luật 59 Hình 4.7 Tính kết với đầu vào ghi 19 liệu kiểm tra 60 Hình 4.8 Đồ thị biểu thị kết tìm từ hệ mờ kết thực tế 61 54 Hình 4.1 Sơ đồ giải thuật PSO áp dụng cho tối ưu tham số hàm thuộc hệ logic mờ 55 4.3.2 Biểu biến cá thể: Chọn miền giá trị thuộc tính LogBun, HGB, LogTime theo công thức (3.7) Khởi tạo cá thể gồm 12 biến tương ứng với 12 tham số hàm thuộc a1->a12 công thức (3.8), (3.9), (3.10), (3.11), (3.12), (3.13), (3.14), (3.15), (3.16) Các biến cá thể phải thỏa mãn điều kiện ràng buộc sau: - a1 < a2 < a3 < a4; a1, a2, a3, a4 ∈ [ 0.7777 2.2180] - a5 < a6 < a7 < a8; a5, a6, a7, a8 ∈ [ 4.899514.6005] - a9 < a10 < a11 < a12; a9, a10, a11, a12 ∈ [ 0.0964 1.9450] 4.3.3 Khởi tạo quần thể Tạo quần thể ngẫu nhiên bao gồm 50 cá thể (n=50) cá thể có12 biến (m=12) cho tiến hành cập nhật vị trí bầy đàn 100 lần (maxite=100) Dữ liệu thực liên tục lần khác 4.4 Kết thử nghiệm Ứng dụng bước cài đặt giải thuật PSO phần 4.2.2 phần mềm Matlab ta tìm liệu cho cá thể gồm 12 biến Bảng 4.1,Bảng 4.2,Bảng 4.3 Bảng 4.1 Tham số hàm thuộc cho thuộc tính LogBun a1 a2 a3 a4 0.7782 1.4846 1.5481 1.5883 56 Bảng 4.2 Tham số hàm thuộc cho thuộc tính HGB a5 a6 a7 a8 10.4604 10.4605 14.6000 14.6001 Bảng 4.3 Tham số hàm thuộc cho thuộc tính LogTime a9 a10 a11 a12 0.5040 1.9445 1.9446 1.9447 Bài tốn tìm hàm mục tiêu với giá trị LSE = 1.4041 kết tốt so với kết tìm Y Zhang Y.Zhao [14] 4.5 Kiểm tra kết dự báo hệ mờ đề xuất với Toolbox Matlab Căn vào kết tìm tham số Bảng 4.1, Bảng 4.2, Bảng 4.3 ta tiến hành xác định lại sở luật phương pháp Wang – Mendel Kết xây dựng sở luật dựa vào tham số hàm thuộc vừa tìm được, biểu diễn Bảng 4.4 Bảng 4.4 Cơ sở luật xây dựng phương pháp Wang Mendel trường hợp tối ưu tham số hàm thuộc LogBun HGB LogTime Low Low Medium Low Medium Medium Medium Low Short Medium Medium Medium High Low Short 57 High Medium Short Sử dụng FIS matlab để kiểm tra tính xác tham số Bảng 4.1, Bảng 4.2, Bảng 4.3 Khởi tạo mơ hình hệ thống với biến ngơn ngữ vào LogBun HGB, biến ngôn ngữ đầu LogTime Sử dụng phép Tnorm min, T-cornom max, phép giải mờ centroid thể qua Hình 4.2 Cập nhật tham số Bảng 4.1, Bảng 4.2, Bảng 4.3 cho giá trị ngôn ngữ Hình 4.3, Hình 4.4, Hình 4.5 Hình 4.6 thêm tập sở luật vào sở luật Bảng 4.4 Hình 4.7 kết tìm thử nghiệm với ghi thứ 19 [phụ lục 2] Kết tìm LogTime thể qua Bảng 4.5 Áp dụng cơng thức tính LSE (3.17) ta kết 1.4041 tương ứng với kết hàm mục tiêu tìm Hình 4.2 Mơ hình hệ thống 58 Hình 4.3 Thiết lập tham số cho giá trị ngơn ngữ biến ngơn ngữ LogBun Hình 4.4 Thiết lập tham số cho giá trị ngơn ngữ biến ngơn ngữ HGB 59 Hình 4.5 Thiết lập tham số cho giá trị ngôn ngữ biến ngơn ngữ LogTime Hình 4.6 Thêm vào tập sở luật 60 Hình 4.7 Tính kết với đầu vào ghi 19 liệu kiểm tra Bảng 4.5 Kết liệu LogTime tìm hệ mờ liệu mẫu STT Yb (đầu hệ mờ) Yt (đầu thực tế) 10 11 12 0.8316 0.7317 1.0207 1.0334 0.7558 0.7317 1.1283 1.3863 1.4139 0.8502 1.0781 0.8731 0.30103 0.477121 0.69897 0.778151 0.778151 0.845098 0.845098 1.041393 1.041393 1.041393 1.041393 1.278754 61 Bảng 4.5 Kết liệu LogTime tìm hệ mờ liệu mẫu STT Yb (đầu hệ mờ) Yt (đầu thực tế) 13 14 15 16 17 18 19 20 1.4337 1.4235 1.4388 1.0334 1.4388 1.4563 0.7317 0.7644 1.380211 1.39794 1.50515 1.544068 1.94939 1.963788 0.60206 1.079181 Hình 4.8 Đồ thị biểu thị kết tìm từ hệ mờ kết thực tế Đồ thị biểu diễn kết tìm so với liệu mẫu thể Hình 4.8 Khi sử dụng tham số tối ưu Bảng 4.1, Bảng 4.2, Bảng 4.3 hệ mờ cho kết tốt, với sai số sử dụng liệu kiểm tra LSE=1.4041 So sánh với hệ mờ loại khoảng thống kê (của Y Zhang Y.Zhao với LSE = 1.78 [14]) hệ mờ loại đại số gia tử (của TS 62 Phan Anh Phong với LSE = 1.75 [3]) sai số hệ mờ kết hợp với giải thuật tối ưu hóa bầy đàn tương đối tốt 4.6 Kết luận chương Chương trình bày giải thuật tối ưu PSO Sau ứng dụng giải thuật vào việc tối ưu tham số hàm thuộc cho toán dự báo bệnh nhân viêm tủy Điểm khác biệt hệ thống so với hệ mờ khác ứng dụng tương đối hiệu giải thuật PSO việc tối ưu tham số hàm thuộc Việc kết hợp giải thuật PSO việc xây dựng hình thang ban đầu cịn hỗ trợ cho việc thay đổi hình dạng hàm thuộc Hàm thuộc gần biến đổi dạng hình thang tam giác vài trường hợp đặc biệt Kết đạt tương đối thành công đưa dự báo có độ sai lệch thấp so với nghiên cứu trước Từ sở cho thấy tính khả thi ứng dụng phương pháp xây dựng sở luật từ liệu với việc áp dụng giải thuật PSO để tối ưu hóa tham số hàm thuộc 63 KẾT LUẬN Luận văn trình bày hướng tiếp cập việc xây dựng sở luật từ liệu ứng dụng cách tối ưu hóa tham số hàm thuộc giải thuật PSO Kết sở để ứng dụng xây dựng hệ mờ cho dạng toán khác Dựa kết tham số hàm thuộc tối ưu Bảng 4.1, Bảng 4.2, Bảng 4.3 ta nhận thấy có vài trường hợp hàm thuộc gần đường thẳng, hàm thuộc khơng có ý nghĩa cách tiếp cận mờ Phải việc chọn số lượng giá trị ngôn ngữ trường hợp chưa phù hợp việc lựa chọn hình dạng tập mờ chưa đủ bao quát, từ đặt vấn đề cần nghiên cứu thêm: - Nghiên cứu phương pháp phân tích thành phần để kiểm nghiệm xác định xác mức độ tin cậy lựa chọn thuộc tính đầu vào - Nghiên cứu ứng dụng mờ hóa đa trị để giảm nhiễu cho toán - Xây dựng sở luật có kết hợp từ chuyên gia từ liệu mẫu, luật xây dựng phải có kiểm tra chéo để xác định độ tin cậy - Nghiên cứu việc tối ưu số biến ngôn ngữ cho thuộc tính để hàm thuộc xây dựng có độ xác cao 64 TÀI LIỆU THAM KHẢO  Tiếng Việt [1] Nguyễn Cát Hồ (2009), Giáo trình: Logic mờ ứng dụng, Đại học Huế [2] Nguyễn Quang Lập (2013), Luận văn: Giải thuật bầy đàn PSO, giải thuật di truyền ứng dụng giải toán tối ưu đa mục tiêu, Đại học Thái Nguyên [3] Phan Anh Phong (2016), Tài liệu tham khảo: Tập mờ loại hai đại số gia tử lý thuyết ứng dụng, Đại học Vinh [4] Hồ Thị Vĩnh Thanh (2013), Luận văn: Ứng dụng logic mờ xây dựng hệ trợ giúp chẩn đoán bệnh đau co thăt ngực, Đà nẵng [5] Văn Đỗ Cẩm Vân (2010), Luận văn: Ứng dụng logic mờ xây dựng hệ trợ giúp chẩn đoán bệnh thần kinh –tâm thần., Đà Nẵng  Tiếng Anh [6] A John Wiley & Sons (2013), Computational Intelligence [7] H.J.Zimmermann (2001): Fuzzy set theory-and its applications, Kluwer Acad Pub, Dodrech [8] J Kennedy, R Eberhart, Particle swarm optimization, in: IEEE International Conference on Neural Networks, Vol 4, 1995, pp 1942–1948 [9] Konstantinos E Parsopoulos, Michael N Vrahatis (2010) Particle Swarm Optimization and Intelligence: Advances and Applications [10] Li-Xin Wang and Jerry M Mendel (1992) Generating Fuzzy Rules by Learning from Examples [11] Omran M G H (2004) Particle Swarm Optimization Method 65 for Pattern Recognition and Image Processing [12] Timothy J Ross (3rd edition 2010), Fuzzy logic with engineering Applications, University of New Mexico, USA [13] SAS/STAT 9.2 User’s Guide The PHREG Procedure (2008) [14] Y Zhang Y.Zhao (2007), Statistical Genetic Interval – Valued Fuzzy Systems with Prediction in Clinical Trials [15] https://vi.wikipedia.org/wiki/Tối_ưu_bầy_đàn 66 PHỤ LỤC Phụ lục 1: Bảng chứa liệu huấn luyện Thứ tự LogBUN HGB TIME LogTime Số hiệu ghi 45 BẢN GHI DÙNG ĐỂ XÂY DỰNG MƠ HÌNH MỜ 2.2175 9.4 1.25 0.096910 1.9395 12.0 1.25 0.096910 1.5185 9.8 2.00 0.301030 1.7482 11.3 2.00 0.301030 1.6812 6.5 5.00 0.698970 1.3617 9.0 6.00 0.778151 2.1139 10.2 6.00 0.778151 10 1.1761 11.4 7.00 0.845098 15 1.7243 8.2 9.00 0.954243 16 10 1.3010 13.2 11.00 1.041393 19 11 0.7782 5.5 13.00 1.113943 22 12 1.3979 14.6 14.00 1.146128 23 13 1.6021 10.6 15.00 1.176091 24 14 1.3424 9.0 16.00 1.204120 25 15 1.3222 8.8 16.00 1.204120 26 16 1.2304 10.0 17.00 1.230449 27 17 1.5911 11.2 17.00 1.230449 28 18 1.4472 7.5 18.00 1.255273 29 19 1.0792 14.4 19.09 1.278754 30 20 1.2304 11.2 26.00 1.414973 34 21 1.6021 11.0 37.00 1.568202 37 22 1.0000 10.2 41.00 1.612784 38 23 1.1461 5.0 41.00 1.612784 39 24 1.5682 7.7 51.00 1.707570 40 25 1.0000 10.1 52.00 1.716003 41 67 Thứ tự LogBUN 26 1.2553 9.0 54.00 1.732394 42 27 1.2041 12.1 58.00 1.763428 43 28 1.4472 6.6 66.00 1.819544 44 29 1.3222 12.8 67.00 1.826075 45 30 1.1761 10.6 88.00 1.944483 46 31 1.9243 10.0 4.00 0.602060 50 32 1.1139 12.4 7.00 0.845098 51 33 1.5315 10.2 7.00 0.845098 52 34 1.0792 9.9 8.00 0.903090 53 35 1.1461 11.6 12.00 1.079181 54 36 1.6128 14.0 11.00 1.041393 55 37 1.6628 4.9 13.00 1.113943 57 38 1.1461 13.0 16.00 1.204120 58 39 1.3222 13.0 19.00 1.278754 59 40 1.3222 10.8 19.00 1.278754 60 41 1.2304 7.3 28.00 1.447158 61 42 1.7559 12.8 41.00 1.612784 62 43 1.1139 12.0 53.00 1.724276 63 44 1.2553 12.5 57.00 1.755875 64 45 1.0792 14.0 77.00 1.886491 65 HGB TIME LogTime Số hiệu ghi Phụ lục 2: Bảng chứa liệu kiểm tra 20 BẢN GHI DÙNG ĐỂ ĐÁNH GIÁ MƠ HÌNH MỜ Thứ tự LogBUN HGB TIME LogTime Số hiệu ghi 1.3010 5.1 2.00 0.301030 1.5441 6.7 3.00 0.477121 2.2355 10.1 5.00 0.698970 68 20 BẢN GHI DÙNG ĐỂ ĐÁNH GIÁ MƠ HÌNH MỜ Thứ tự LogBUN HGB TIME LogTime Số hiệu ghi 1.1139 9.7 6.00 0.778151 11 1.4150 10.4 6.00 0.778151 12 1.9777 9.5 7.00 0.845098 13 1.0414 5.1 7.00 0.845098 14 1.1139 14.0 11.00 1.041393 17 1.2304 12.0 11.00 1.041393 18 10 1.5682 7.5 11.00 1.041393 20 11 1.0792 9.6 11.00 1.041393 21 12 1.2553 7.5 19.00 1.278754 31 13 1.3010 14.6 24.00 1.380211 32 14 1.0000 12.4 25.00 1.397940 33 15 1.3222 10.6 32.00 1.505150 35 16 1.1139 7.0 35.00 1.544068 36 17 1.3222 14.0 89.00 1.949390 47 18 1.4314 11.0 92.00 1.963788 48 19 1.9542 10.2 4.00 0.602060 49 20 1.3979 8.8 12.00 1.079181 56 ... Giới thiệu toán dự báo y học Chương 2: Tổng quan tập mờ hệ logic mờ Chương 3: X? ?y dựng hệ logic mờ dự báo thời gian sống bệnh nhân viêm t? ?y 4 Chương 4: Nâng cao hiệu dự báo hệ mờ với thuật tốn... Định nghĩa 2.3: Quan hệ mờ tập mờ Cho tập mờ A với μA(x) X, tập mờ B với μB (y) Y Quan hệ mờ tập mờ A B quan hệ mờ R X? ?Y thoả mãn điều kiện: μR(x, y) ≤ μA(x), ? ?y? ? ?Y μR(x, y) ≤ μB (y) , ∀x∈X 2.2.5 Phép... Chương GIỚI THIỆU BÀI TOÁN DỰ BÁO TRONG Y HỌC 1.1 Đặt vấn đề 1.2 Các nghiên cứu liên quan đến toán dự báo y học 1.3 Bài toán dự báo bệnh nhân viêm t? ?y 1.3.1 Bài toán