Tìm hiểu các phương pháp phân cụm dữ liệu ứng dụng xây dựng bản đồ phân bố bệnh trên địa bàn tỉnh thái nguyên​

ĐẠI HỌC THÁI NGUYÊN TRƢỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THƠNG NGUYỄN MINH TÚ TÌM HIỂU CÁC PHƢƠNG PHÁP CỤM DỮ LIỆU ỨNG DỤNG XÂY DỰNG BẢN ĐỒ PHÂN BỐ BỆNH TRÊN ĐỊA BÀN TỈNH THÁI NGUYÊN Mã số: 60480101 Ngƣời hƣớng dẫn khoa học: TS NGUYỄN MINH HẢI LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH Thái Nguyên - 2015 Số hóa Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn LỜI CẢM ƠN Em xin chân thành cảm ơn Trƣờng Đại học Công nghệ Thông tin Truyền thông – Đại học Thái Nguyên tạo điều kiện cho em thực luận văn Em xin gửi lời cảm ơn sâu sắc tới thầy giáo TS Nguyễn Hải Minh, trƣởng khoa Công nghệ thông tin – Trƣờng Đại học Công nghệ Thông tin Truyền thông – Đại học Thái Nguyên trực tiếp hƣớng dẫn em trình thực luận văn Em xin gửi lời cảm ơn tới thầy, cô có ý kiến đóng góp bổ ích tạo điều kiện tốt cho em suốt thời gian thực luận văn Xin cảm ơn bạn học đồng khóa thƣờng xuyên động viên, giúp đỡ tơi q trình học tập Cuối cùng, em xin gửi lời cảm ơn đến gia đình đồng nghiệp ủng hộ động viên dành cho em suốt trình học tập nhƣ thực luận văn Thái Nguyên, tháng 11 năm 2015 Học viên Nguyễn Minh Tú Số hóa Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn LỜI CAM ĐOAN Em xin cam đoan nội dung đồ án tốt nghiệp với tên đề tài “Tìm hiểu phƣơng pháp phân cụm liệu ứng dụng xây dựng đồ phân bố bệnh địa bàn tỉnh Thái Nguyên” không chép nội dung từ luận văn khác, hay sản phẩm tƣơng tự mà em làm Sản phẩm luận văn thân em tìm hiểu xây dựng nên Nếu có sai em xin chịu hình thức kỷ luật Trƣờng Đại học Công nghệ Thông tin Truyền thông – Đại học Thái Nguyên Thái Nguyên, tháng 11 năm 2015 Học viên Nguyễn Minh Tú Số hóa Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn MỤC LỤC LỜI CẢM ƠN i LỜI CAM ĐOAN iii MỤC LỤC iv DANH MỤC BẢNG vi DANH MỤC CÁC HÌNH VẼ vii MỞ ĐẦU MỘT SỐ KẾT QUẢ NGHIÊN CƢ́U KHÁC CHƢƠNG I KHAI PHÁ DỮ LIỆU 1.1 Tổng quan khai phá liệu 1.2 Quá trình khám phá tri thức khai phá liệu 1.2.1 Quá trình khám phá tri thức 1.2.2 Quá trình khai phá liệu 1.3 Các kỹ thuật khai phá liệu 1.4 Mô ̣t số thách thƣ́c khai phá dƣ̃ liê ̣u 10 CHƢƠNG II PHÂN CỤM DƢ̃ LIÊU ̣ VÀ CÁC THUẬT TOÁNPHÂN CỤM 12 2.1 Khái niệm phân cụm liệu 13 2.1.1 Một số định nghĩa 13 2.1.2 Dữ liệu độ đo 13 2.2 Các yêu cầu phƣơng pháp phân cụm liệu 14 2.3 Các kỹ thuật phân cụm 16 2.3.1 Các kỹ thuật phân cụm 16 2.3.2 Các kỹ thuật phân cụm khác 17 2.3.3 Một số tiêu chuẩn đánh giá hiệu phân cụm 23 2.4 Một số thuật toán phân cụm liệu 24 2.4.1 Các thuật toán phân cụm phân hoạch 24 2.4.2 Các thuật toán phân cụm phân cấp 32 2.4.3 Các thuật toán phân cụm dựa mật độ 38 Số hóa Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn 2.4.3 Các thuật toán phân cụm dựa vào lƣới 42 2.4.4 Các thuật toán phân cụm dựa mơ hình 44 CHƢƠNG 3: XÂY DƢ̣NG BẢN ĐỒ PHÂN BỐ BÊ ̣NH 46 3.1 Bài toán phân cụm liệu hồ sơ bệnh án 46 3.2 Dữ liệu tiêu chí xác định 46 3.2.1 Một số đặc điểm tập liệu gốc 46 3.2.2 Tiền xử lý liệu gốc 48 3.3 Lựa chọn phƣơng pháp phân cụm 54 3.4 Kết phân cụm liệu mẫu 55 3.5 Biểu điễn kết phân bố bệnh đồ 61 KẾT LUẬN 63 TÀI LIỆU THAM KHẢO 65 Số hóa Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn DANH MỤC BẢNG Bảng 3.1: Các loại bệnh ký hiệu 55 Bảng 3.2: Các khu vực hành ký hiệu 56 Bảng 3.3: Dữ liệu đầu vào cho phân cụm phân cấp 56 Bảng 3.4: Biểu diễn kết phân cụm chi tiết 59 Bảng 3.5: Biểu diễn kết phân cụm theo tiêu chí bệnh 61 Số hóa Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn DANH MỤC CÁC HÌNH VẼ Hình 1.1: Các giai đoạn trình khám phá tri thức Hình 1.2: Quá trình khai phá liệu Hình 2.1: Ví dụ phân cụm theo mật độ[4] 18 Hình 2.2: Cấu trúc phân cụm dựa lƣới[4] 19 Hình 2.3: Ví dụ phân cụm dựa mơ hình[4] 20 Hình 2.4: Cách mà cụm đƣa .22 Hình 2.5: Thuật tốn k-means 25 Hình 2.6: Sự thay đổi tâm cụm k-means có phần tử ngoại lai 28 Hình 2.7: Phân cụm phân cấp tập theo phƣơng pháp “dƣới lên” [4] 33 Hình 2.8: Single link 33 Hình 2.9: Complete link 33 Hình 2.10: Các bƣớc AGNES[4] 35 Hình 2.11: Các bƣớc DIANA[4] 36 Hình 2.12: Cấu trúc CF .37 Hình 2.13: Hình dạng cụm đƣợc khám phá thuật tốn DBSCAN .40 Hình 2.14: Sắp xếp cụm OPTICS phụ thuộc vào [4] 41 Hình 3.1: Sơ đồ khối giải toán 46 Hình 3.2: Phân tích liệu gốc, thuộc tính “HO TEN” 49 Hình 3.3: Dữ liệu gốc sau loại bỏ thuộc tính thừa liệu trùng lặp 50 Hình 3.4: Phân tích liệu gốc, thuộc tính “QUAN HUYEN” .51 Hình 3.5: Loại bỏ số giá trị thuộc tính “QUAN HUYEN” 52 Hình 3.6: Dữ liệu trƣớc sau lọc thuộc tính “CHUAN DOAN DAU RA” .53 Hình 3.7: Cấu phân bố liệu mẫu 58 Hình 3.8: Thiết lập tham số thuật toán K-means 58 Hình 3.9: Kết phân cụm chi tiết 59 Hình 3.10: Kết phân cụm dựa loại bệnh .60 Số hóa Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn Hình 3.11: Bản đồ phân bố bệnh khu vực 62 Số hóa Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn MỞ ĐẦU Đề tài tìm hiểu phƣơng pháp phân cụm liệu, đánh giá ƣu nhƣợc điểm phƣơng pháp để tìm phƣơng pháp phù hợp áp dụng tập liệu mẫu Kết đƣợc dùng để xây dựng đồ phân bố bệnh địa bàn tỉnh Thái Nguyên nhằm hỗ trợ công tác lên kế hoạch dự trù sở vật chất, thuốc trang thiết bị khác cho trung tâm y tế Tỉnh Thái Nguyên tỉnh trung du miền núi thuộc vùng Đông Bắc Việt Nam với diện tích 3500 km2 dân số khoảng triệu ngƣời; bao gồm đơn vị hành chính: Thành phố Thái Nguyên; Thị xã Sông Công huyện: Phổ Yên, Phú Bình, Đồng Hỷ, Võ Nhai, Định Hóa, Đại Từ, Phú Lƣơng Trong đó, tổng số gồm 180 xã, có 125 xã vùng cao miền núi, lại xã đồng trung du.Tỉnh Thái Nguyên có nhiều dân tộc anh em sinh sống Tuy nhiên, dân cƣ phân bố không đều, vùng cao vùng núi dân cƣ thƣa thớt, thành thị đồng dân cƣ lại dày đặc Mật độ dân số thấp huyện Võ Nhai 72 ngƣời/ km2, cao Thành phố Thái Nguyên với mật độ 1.260 ngƣời/ km2 Do khác biệt lớn cấu dân số, lối sống, trình độ dân trí nên có khác biệt đáng kể hình thức bệnh khu vực hành khác Nếu thơng tin hình thức bệnh vấn đề sức khỏe khu vực hành đƣợc thu thập đầy đủ, sẽ giúp việc phân bổ nguồn lực hiệu để phát triển sách y tế công cộng cho khu vực khác Luận văn sử dụng kỹ thuật khai thác liệu để phân tích liệu y tế thuộc Đại học Y Dƣợc Thái Nguyên trongbốn tháng đầu năm 2015 Hy vọng việc sử dụng công cụ cách hiệu phân tích điều tra hình thức bệnh khu vực hành khác Thái Nguyên để tiếp tục xây dựng đồ y tế cho tỉnh Thái Nguyên Số hóa Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn MỘT SỐ KẾT QUẢ NGHIÊN CƢ́U KHÁC Ching-Kuo Wei et al [2] Nghiên cứu sử dụng kỹ thuật khai phá liệu điều tra loại bệnh khu vực hành khác phân tích khác khu vực hành để tiếp tục xây dựng đồ phân bố bệnh Nghiên cứu hy vọng giúp xây dựng tƣơng lai chiến lƣợc y tế phân bố nguồn lực cách thích hợp Lavrac [4] đề xuất số kỹ thuật khai thác liệu đƣợc áp dụng y học, đặc biệt số kỹ thuật máy học bao gồm chế mà làm cho chúng phù hợp cho việc phân tích sở liệu y tế (nguồn gốc quy tắc mang tính biểu tƣợng, sử dụng kiến thức nền, độ nhạy độ đặc hiệu giới thiệu gây ra) Tầm quan trọng thông dịch kết phân tích liệu thảo luận minh họa ứng dụng y tế chọn Lavrac et al [5] đề xuất phƣơng pháp khai thác liệu công nghệ trực quan đƣợc sử dụng để hỗ trợ việc định liên quan đến sức khỏe cộng đồng Slovenia.Mục đích nhằm khai thác sở liệu y tế công cộng để xác định khả đáp ứng dịch vụ y tế công cộng khu vực Các kết sử dụng để phát triển sách chăm sóc sức khỏe quan y tế Số hóa Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn 51 Hình 3.4: Phân tích liệu gốc, thuộc tính “QUAN HUYEN” Sau lọc bỏ giá trị khơng cần thiết thuộc tính “QUAN HUYEN” ta đƣợc kết nhƣ hình dƣới liệu giảm xuống cịn 4452 ghi Số hóa Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn 52 Hình 3.5: Loại bỏ số giá trị thuộc tính “QUAN HUYEN” Tuy nhiên để liệu phù hợp với mục đích toán, tiếp tục loại bỏ bớt giá trị khơng phù hợp thuộc tính “CHUAN DOAN DAU RA”: bệnh khơng phổ biến, có tính chất cấp tính, chấn thƣơng, khơng phù hợp với u cầu tốn Hình dƣới thể liệu trƣớc loại bỏ số giá trị thuộc tính “CHUAN DOAN DAU RA”; lúc liệu 4452 ghi Kết liệu sau thực việc lọc bỏ liệu đƣợc thể hình; liệu lúc gồm 2765 ghi Số hóa Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn 53 Hình 3.6: Dữ liệu trước sau lọc thuộc tính “CHUAN DOAN DAU RA” Số hóa Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn 54 Sau tiến hành bƣớc tiền xử lý liệu gốc thu đƣợc tập liệu với 2765 ghi; lƣu trữ thông tin tên tuổi, khu vực sinh sống kết luận bệnh bệnh nhân Tập liệu đƣợc dùng làm tập liệu mẫu để triển khai thuật toán phân cụm liệu cho bƣớc 3.3 Lựa chọn phƣơng pháp phân cụm Bài toán sử dụng phƣơng pháp phân cụm hai bƣớc Trong bƣớc thứ nhất, sử dụng thuật toán phân cụm phân cấp Agglomerative Hierarchical Clustering (AHC) để đƣa đƣợc cụm tốt Sau đó, sử dụng thuật tốn phân cụm phân hoạch K-means để tiếp thực phân cụm đƣa kết Bƣớc thứ nhất: Dùng thuật toán AHC để tiến hành phân cụm Ban đầu, xem đối tƣợng cụm nhóm hai đối tƣợng gần thành cụm Lặp lại trình tất đối tƣợng đƣợc nhóm vào cụm cuối Để xác định đƣợc khoảng cách đối tƣợngta dùng nhiề u phƣơng pháp Nhƣng luận văn dụng công thƣ́c Euclidean để xác định khoảng cách đó: dij = , (i,j = 1,2,….,n) dij:Khoảng cách đối tƣợng i j(Khoảng cách Euclidean khu vực hành chính) m: số lƣợng biến n: số lƣợng mẫu Các bƣớc thực phân cụm: Chuyển đặc trƣng, thuộc tính đối tƣợng vào ma trận khoảng cách Xem đối tƣợng cụm Gộp hai cụm gần nhất, dùng công thức Ecuclide Distance để xác định khoảng cách đối tƣợng, hai cụm gần hai cụm có khoảng cách nhỏ Cập nhật lại ma trận khoảng cách Lặp lại bƣớc tất đối tƣợng đƣợc gộp vào cụm Số hóa Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn 55 Bƣớc thứ hai: Tiếp tục sử dụng thuật toán k-means phân cụm phân hoạch để thực phân nhóm Các bƣớc thực hiện: Chọn K tâm cho K cụm Mỗi cụm đƣợc đại diện tâm cụm (Trong bƣớc thực phân cụm phân cấp để định chọn số lƣợng cụm chọn tâm cụm) Tính khoảng cách đối tƣợng đến K tâm (dùng khoảng cách Euclidean) Nhóm đối tƣợng vào nhóm gần Xác định lại tâm cho nhóm Thực lại bƣớc thứ hai khơng có thay đổi nhóm đối tƣợng Cuối sau thực thủ tục hai bƣớc đƣa đƣợc kết phân cụm 3.4 Kết phân cụm liệu mẫu Dựa liệu mẫu tiêu chí ban đầu đặt việc phân tích liệu, xác định lăm loại bệnh phổ biến để đƣa vào làm tiêu chí phân cụm nhƣ xác định số mẫu liên quan đến bệnh Bảng 3.1: Các loại bệnh ký hiệu ICD Loại bệnh N20.1 Sỏi niệu quản N18 Suy thận mãn K29 Viêm dày tá tràng C34 Bƣớu ác phổi phế quản I10 Cao huyết áp Tiến hành phân cụm khu vực hành thuộc tỉnh Thái Nguyên Số hóa Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn 56 Bảng 3.2: Các khu vực hành ký hiệu Ký hiệu Khu vực hành A TP Thái Nguyên B Huyện Đồng Hỷ C Huyện Phú Bình D Huyện Võ Nhai E Huyện Đại Từ F Huyện Định Hóa G Huyện Phú Lƣơng H Huyện Phổ Yên I TX Sơng Cơng Luận văn sử dụng phƣơng pháp phân nhóm hai bƣớc, ta xét kết phân nhóm bƣớc A Bƣớc thứ Xét tiêu chí số lƣợng mẫu bệnh khu vực hành làm tiêu chí đầu xác định liệu đầu vào Bảng 3.3: Dữ liệu đầu vào cho phân cụm phân cấp Khu vực N20.1 N18 (số lƣợng mẫu) K29 I10 C34 A 23 20 43 32 27 B 19 11 13 13 C 17 D E 8 12 F 4 G 10 H 0 I 1 0 Số hóa Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn 57 Kết phân cụm bước thứ nhất(thứ tự phân cụm): A, B, C, D, E, F, G, H, I A, B, C, D, E, (F,H), G, I A, B, C, (D,E), (F,H), G, I A, B, C, (D,E), ((F,H),I), G A, B, C, (D,E), (((F,H),I),G) A, B, (C,(D,E)), (((F,H),I),G) A, B, ((C,(D,E)),(((F,H),I),G))) A, (B,((C,(D,E)),(((F,H),I),G)))) (A,(B,((C,(D,E)),(((F,H),I),G))))) B Bƣớc thứ hai Trong bƣớc dùng thuật toán K-means để tiến hành phân cụm dựa Data Mining Software WeKa Tập liệu thu đƣợc sau bƣớc tiền xử lý liệu với 2700 ghi, đến bƣớc cần lấy ghi liên quan đến loại bệnh phổ biến Dữ liệu cuối dùng để phân cụm bƣớc tập liệu mẫu có tên ytn5b.final.arffbao gồm 350 bệnh nhân với ba thuộc tính Cấu trúc phân bố liệu đƣợc thể bảng dƣới Số hóa Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn 58 Hình 3.7: Cấu phân bố liệu mẫu Dựa kết phân cụm bƣớc thứ chọn số cụm Nhiệm vụ cần thực dùng thuật tốn K-means để phân nhóm số bệnh nhân vào nhóm(cụm) dựa vào tƣơng tự thuộc tính họ Thiết lập tham số cho thuật toán K-means nhƣ số cụm(K=5), lựa chọn phƣơng pháp tính khoảng cách(khoảng cách Euclidean), … nhƣ hình dƣới Hình 3.8: Thiết lập tham số thuật tốn K-means Kết phân cụm chi tiết nhƣ hình Số hóa Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn 59 Hình 3.9: Kết phân cụm chi tiết Dựa vào kết phân cụm chi tiết lấy đƣợc từ phần mềm Weka ta xây dựng bảng biểu diễn kết Bảng 3.4: Biểu diễn kết phân cụm chi tiết Cụm Tâm cụm - TP Thái Nguyên - K29 (Viêm dày tá tràng) - Huyện Phú Bình - N20.1 (Sỏi niệu quản) - TP Thái Nguyên - N18 (Suy thận mãn) - Huyện Đại Từ - C34 (Bƣớu ác phổi phế quản) - Huyện Đồng Hỷ - N20.1 (Sỏi niệu quản) Số lƣợng mẫu % 183 52 48 14 48 14 51 14 22 Theo kết thể hình bảng 3.4, bệnh phổ biến khu vực viêm dày tá tràng(K29) với lƣợng ngƣời mắc bệnh nhiều tập trung khu vực TP Thái Nguyên Trong cụm thứ nhất, cụm có số lƣợng mẫu lớn chiếm 52% với tâm cụm TP Thái Nguyên (68%), bệnh phổ biến viêm dày tá tràng (K29- 50%), bệnh phổ biến cao huyết áp (I10-22%), bệnh bƣớu ác phế quản phổi (C34-14%) sỏi niệu quản (N20.112%) Trong cụm thứ hai, tâm cụm thuộc huyện Phú Bình với bệnh phổ biến lần lƣợt là: sỏi niệu quản (N20.1-52%), bệnh bƣớu ác phế quản phổi (C34-35%) bệnh suy thận mãn (N18-10%) Trong cụm thứ ba, tâm cụm nằm khu vực TP Thái Nguyên bệnh phổ biến bệnh suy thận mãn(N18-100%) Cụm thứ tƣ, tâm cụm thuộc khu vực huyện Đại Từ với bệnh phổ biến bệnh bƣớu ác phế quản phổi (C34-94%) Cụm thứ lăm, tâm cụm thuộc khu vực huyện Đồng Hỷ với bệnh phổ biến sỏi niệu quản (N20.1-86%) cao huyết áp(I10-13%) Số hóa Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn 60 Dựa vào kết hình dung đƣợc phân bố số bệnh phổ biến khu vực hành (cấp quận, huyện) tỉnh Thái Nguyên Tuy nhiên, cụm thứ cụm thứ ba có tâm cụm thuộc khu vực TP Thái Nguyên Với kết phân cụm nhƣ chƣa đáp ứng đƣợc yêu cầu phân bố bệnh theo khu vực hành (cấp quận huyện) tỉnh Do ta tiến hành phân cụm tập liệu mẫu theo tiêu chí “bệnh” để xem phân bố bệnh khu vực hành Kết phân cụm theo tiêu chí bệnh đƣợc thể hiển hình dƣới Hình 3.10: Kết phân cụm dựa loại bệnh Số hóa Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn 61 Dựa vào kết phân cụm chi tiết lấy đƣợc từ phần mềm Weka ta xây dựng bảng biểu diễn kết Bảng 3.5: Biểu diễn kết phân cụm theo tiêu chí bệnh Cụm ICD K29 Bệnh Viêm dày tá tràng Khu vực Huyện Võ Nhai, huyện Định Hóa, TX Sông Công, Huyện Phổ Yên, Huyện Phú Lƣơng C34 Bƣớu ác phế quản phổi Huyện Phú Bình I10 Cao huyết áp TP Thái Nguyên N18 Suy thận mãn Huyện Đại Từ N20.1 Sỏi niệu quản Huyện Đồng Hỷ Theo kết thể hình bảng 3.5, ta xem phân cụm khu vực theo hình thức bệnh Trong cụm thứ nhất, bệnh viêm đại tràng phổ biến phân bố chủ yếu huyện Võ Nhai, Định Hóa, Phổ n, Phú Lƣơng TX Sơng Cơng Trong cụm thứ hai, bệnh bƣớu ác phế quản phổi phổ biến phân bố chủ yếu huyện Phú Bình Trong cụm thứ ba, bệnh cao huyết áp phổ biến tập trung chủ yếu TP Thái Nguyên Trong cụm bố n, bệnh suy thận mãn phổ biến phân bố chủ yếu huyện Đại Từ Trong cụm thứ lăm, bệnh sỏi niệu quản phổ biến phân bố chủ yếu huyện Đồng Hỷ Trên kết thu đƣợc sau tiến hành phân cụm liệu mẫu Kết đƣợc biểu diễn dƣới dạng đồ để có nhìn tổng quan phân bố bệnh phổ biến khu vực hành thuộc tỉnh Thái Nguyên 3.5 Biểu điễn kết phân bố bệnh đồ Các loại bệnh phổ biến đƣợc hiển thị dƣới dạng đồ phân bố khu vực hành tỉnh Thái Ngun nhƣ hình Số hóa Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn 62 Hình 3.11:Bản đồ phân bố bệnh khu vực Hy vọng với kết thu đƣợc với đồ phân bố bệnh khu vực thuộc tỉnh Thái Nguyên giúp ích cho chuyên gia, nhà quản lý y tế việc lên kế hoạch dự trù sở vật chất, thuốc trang thiết bị khác cho trung tâm y tế Số hóa Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn Tỉnh 63 KẾT ḶN Trong q trình tìm hiểu hồn thành luận văn tốt nghiệp với tên đề tài “Tìm hiểu phƣơng pháp phân cụm liệuứng dụng xây dựng đồ phân bố bệnh địa bàn tỉnh Thái Nguyên”, dù đạt đƣợc số kết định mặt tìm hiểu lý thuyết tảng, kiến thức, mảng ứng dụng nhƣ xây dựng thực nghiệm, nhiên khai phá liệu nói chung phân cụm liệu nói riêng lĩnh vực nghiên cứu rộng lớn với nhiều phƣơng pháp, kỹ thuật, hƣớng nghiên cứu khác để tìm hiểu nhƣ xây dựng ứng dụng hữu ích thực tế Tác giả thu đƣợc số kết sau: - Về lý thuyết: + Tìm hiểu đƣợc lý thuyết tảng, số mảng ứng dụng khai phá liệu nhƣ phân cụm liệu + Tìm hiểu phƣơng pháp, thuật tốn phân cụm liệu điển hình + Tìm hiểu đề tài tƣơng tự đƣợc công bố số tạp chí quốc tế để tham khảo phƣơng pháp thực nghiệm phù hợp + Dựa phƣơng pháp tìm hiểu đƣợc sử dụng số thuật toán để cài đặt thực nghiệm tập liệu hồ sơ bệnh án Đại học Y Dƣợc Thái Nguyên, từ đƣa số kết luận quan trọng để xây dựng đồ phân bố bệnh địa bàn tỉnh Tuy nhiên, trình thực nhận thấy luận văn nhiều điểm hạn chế: - Về lý thuyết chƣa: Chƣa tìm hiểu đƣợc thuâ ̣t toán lọc bỏ nhiễu, tiền xử lý liệu tối ƣu - Về liệu: Kết phân cụm giúp đƣa đƣợc số đánh giá tập liệu Tuy nhiên kết có đƣợc chƣa thực khách quan nguồn liệu Đại học Y Dƣợc Thái Nguyên chƣađầ y đủ để đƣa kết đánh giá cho tồn tỉnh Số hóa Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn 64 Hướng phát triển Sẽ tiếp tục tìm hiểu để kết hợp phƣơng pháp phân cụm áp dụng cho tập liệu mẫu Tìm hiểu thêm thuật toán lọc bỏ nhiễu, tiền xử lý liệu từ xây dựng cơng cụ cho việc tiền xử lý liệu Đối với liệu phục vụ cho việc xây dựng đồ phân bố cần tổng hợp từ nhiều nguồn, nhiều sở y tế lớn tồn tỉnh có đƣợc đánh giá khách quan Xây dựng công cụ riêng để tiến hành phân tích, phân cụm liễu nhƣ đƣa liệu làm đầu vào tốt để biểu diễn đồ phân bố bệnh Trên số kết đạt đƣợc nhƣ hƣớng phát triển đề tài Tuy nhiên, thời gian nhƣ trình độ cịn nhiều giới hạn nên đề tài cịn nhiều thiếu sót hạn chế, mong đƣợc đóng góp nhiều thầy cô chuyên gia lĩnh vực khai phá liệu Số hóa Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn 65 TÀI LIỆU THAM KHẢO Tiếng Việt: [1] Lê Văn Phùng, Quách Xuân Trƣởng, Khai phá liệu, NXB Thông tin truyền thông, 2012 Tiếng Anh: [2] Ching-Kuo Wei & Syi Su & Ming-Chin Yang,“Application of Data Mining on the Development of a Disease Distribution Map of Screened Community Residents of Taipei County in Taiwan”, DOI 10.1007/s10916-011-9664-7, J Med Syst (2012) 36:2021–2027 [3] Jiawei Han and Micheline Kamber “Data Mining Concepts and Techniques” 2007 Chapter & Chapter (Intelligent Database Systems Research Lab School of Computing Science Simon Fraser University, Canada) [4] Nada Lavrac, “Selected techniques for data mining in medicine”, Department of Intelligent Systems, J Stefan Institute, 1000 Ljubljana, Slovenia, 1998 [5] Nada Lavrac a,b,* Marko Debeljak , Marko Bohanec a a , Aleksander Pur c , Bojan Cestnik a,d , , Andrej Kobler e, “Data mining and visualization for decision support and modeling of public health-care resources”, Journal of Biomedical Informatics 40 (2007) 438–447, 2006 [6] Martin Brown, Data mining techniques, http://www.ibm.com/developerworks/library/ba-data-mining-techniques/ Số hóa Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn ... ĐẦU Đề tài tìm hiểu phƣơng pháp phân cụm liệu, đánh giá ƣu nhƣợc điểm phƣơng pháp để tìm phƣơng pháp phù hợp áp dụng tập liệu mẫu Kết đƣợc dùng để xây dựng đồ phân bố bệnh địa bàn tỉnh Thái Nguyên... LỜI CAM ĐOAN Em xin cam đoan nội dung đồ án tốt nghiệp với tên đề tài ? ?Tìm hiểu phƣơng pháp phân cụm liệu ứng dụng xây dựng đồ phân bố bệnh địa bàn tỉnh Thái Nguyên” không chép nội dung từ luận... hiệu phân cụm 23 2.4 Một số thuật toán phân cụm liệu 24 2.4.1 Các thuật toán phân cụm phân hoạch 24 2.4.2 Các thuật toán phân cụm phân cấp 32 2.4.3 Các thuật toán phân cụm