ỨNG DỤNG TRÍ TUỆ NHÂN tạo xây DỰNG MẠNG NEURON hố TRỢ CHẨN đoán BỆNH rối LOẠN NHỊP TIM

TRƢỜNG ĐẠI HỌC ĐIỆN LỰC KHOA CÔNG NGHỆ KỸ THUẬT – ĐIỆN TỬ VIỄN THÔNG - - ĐỒ ÁN TỐT NGHIỆP ỨNG DỤNG TRÍ TUỆ NHÂN TẠO XÂY DỰNG MẠNG NEURON HỐ TRỢ CHẨN ĐOÁN BỆNH RỐI LOẠN NHỊP TIM Giáo viên hướng dẫn Sinh viên thực Lớp Mã sinh viên Khóa : PGSTS Huỳnh Lương Nghĩa : Đinh Văn Quang : D10TBĐTYT : 1581530035 : 2015-2020 Năm học 2019 - 2020 GVHD: PGS.TS Huỳnh Lương Nghĩa SVTH: Đinh Văn Quang LỜI CÁM ƠN Lời em xin đƣợc tỏ lòng biết ơn sâu sắc đến thầy: PGS TS Huỳnh Lƣơng Nghĩa, ngƣời tận tình hƣớng dẫn, truyền nhiệt huyết khoa học tạo điều kiện thuận lợi cho em nghiên cứu đề tài Em xin chân thành cảm ơn thầy, cô khoa Công Nghệ Kỹ Thuật – Điện Tử Viễn Thơng tận tình dạy dỗ, truyền đạt cho em nhiều kiến thức quý báu, sở để em tiếp cận kiến thức khoa học Xin chân thành cảm ơn bạn khoa Công Nghệ Kỹ Thuật – Điện Tử Viễn Thông, Trƣờng Đại học Điện Lực giúp đỡ, động viên trình thực đề tài Em xin chân thành cảm ơn ! Hà nội, tháng 12 năm 2019 Sinh viên thực Đinh Văn Quang i GVHD: PGS.TS Huỳnh Lương Nghĩa SVTH: Đinh Văn Quang NHẬN XÉT (Của giáo viên hƣớng dẫn) Giảng viên hƣớng dẫn (Ký, ghi rõ họ tên) PGS TS Huỳnh Lƣơng Nghĩa ii GVHD: PGS.TS Huỳnh Lương Nghĩa SVTH: Đinh Văn Quang NHẬN XÉT (Của giáo viên phản biện) Giảng viên phản biện (Ký, ghi rõ họ tên) iii GVHD: PGS.TS Huỳnh Lương Nghĩa SVTH: Đinh Văn Quang MỤC LỤC DANH MỤC HÌNH ẢNH vi DANH MỤC BẢNG BIỂU viii DANH MỤC VIẾT TẮT xi LỜI NÓI ĐẦU xii CHƢƠNG I: TỔNG QUAN VỀ ỨNG DỤNG MẠNG NEURON NHÂN TẠO TRONG Y TẾ 1.1 Khái quát mạng neuron nhân tạo .1 1.1.1 Định nghĩa mạng neuron .1 1.1.2 Cấu trúc mạng neuron 1.1.3 Phân loại mạng neuron 1.2 Tổng quan ứng dụng mạng neuron nhân tạo y tế 1.2.1 Các lĩnh vực y tế ứng dụng mạng neuron 1.2.2 Các ứng dụng mạng neuron y tế KẾT LUẬN CHƢƠNG I 11 CHƢƠNG II: THIẾT KẾ MẠNG NEURON HỖ TRỢ CHẨN ĐỐN BỆNH RỐI LOẠN NHỊP TIM SỬ DỤNG CƠNG CỤ NEURON NETWORK TOOLBOX TRONG PHẦN MỀM MATLAB 12 2.1 Giới thiệu phần mềm matlab công cụ neuron network toolbox 12 2.1.1 Khái niệm Matlab 12 2.1.2 Cấu trúc .12 2.1.3 Đặc điểm Matlab 12 2.1.4 Khả ứng dụng Matlab 13 2.1.5 Giới thiệu công cụ Neuron Network Toolbox phần mềm Matlab .13 2.2 Xây dựng sở liệu đáp ứng nhu cầu thiết kế mạng neuron 15 2.2.1 Chọn sở liệu thích hợp .15 2.2.2 Chuẩn hóa sơ liệu 17 2.3 Thiết kế mạng neuron hỗ trợ chẩn đoán bệnh rối loạn nhịp tim 18 2.3.1 Chọn cấu trúc mạng .18 2.3.2 Chọn thuật toán luyện mạng 20 iv GVHD: PGS.TS Huỳnh Lương Nghĩa SVTH: Đinh Văn Quang KẾT LUẬN CHƢƠNG II 24 CHƢƠNG III: LUYỆN MẠNG, THẨM ĐỊNH VÀ THỬ NGHIỆM MẠNG 25 3.1 Phân bố mẫu thử để luyện, thẩm định thử nghiệm mạng 25 3.2 Kết trƣờng hợp không gán trọng số cho thuộc tính đầu vào 26 3.3 Kết cho trƣờng hợp sử dụng phƣơng pháp gán trọng số cho thuộc tính đầu vào .27 3.3.1 Ý nghĩa phƣơng pháp gán trọng số cho thuộc tính đâu vào 27 3.3.2 Kết cho trƣờng hợp gán trọng số cho thuộc tính đầu vào 29 3.4 Kết thử nghiệm, kiểm chứng mơ hình báo[3] .39 Kết luận chƣơng III 53 CHƢƠNG IV: ĐÁNH GIÁ VÀ KẾT LUẬN 54 KẾT LUẬN CHUNG VÀ ĐỀ XUẤT HƢỚNG NGHIÊN CỨU 58 TÀI LIỆU THAM KHẢO 59 v GVHD: PGS.TS Huỳnh Lương Nghĩa SVTH: Đinh Văn Quang DANH MỤC HÌNH ẢNH Hình 1.1: Cấu trúc mạng neuron ba lớp Hình 1.2: Q trình xử lý thơng tin mạng neuron Hình 1.3: Mạng tự kết hợp Hình 1.4: Mạng kết hợp khác kiểu Hình 1.5: Mạng truyền thẳng Hình 1.6: Mạng phản hồi Hình 2.1: Mạng neuron MLP 19 Hình 2.2: Mạng neuron chẩn đoán hai lớp MLP 20 Hình 2.3: Lƣợc đồ thuật toán lan truyền ngƣợc gradient liên hợp 21 Hình 2.4: Lƣu đồ thao tác huấn luyện sử dụng thuật toán lan truyền ngƣợc 23 Hình 3.1: Kết xác thực tốt - case 26 Hình 3.2: Kết xác thực tốt – case1 30 Hình 3.3: Kết xác thực tốt – case2 31 Hình 3.4: Kết xác thực tốt – case 32 Hình 3.5: Kết xác thực tốt – case 33 Hình 3.6: Kết xác thực tốt – case 34 Hình 3.7: Kết xác thực tốt – case 35 Hình 3.8: Kết xác thực tốt – case 36 Hình 3.9: Kết xác thực tốt - case 38 Hình 3.10: Kết xác thực tốt - case 39 Hình 3.11: Kết xác thực tốt theo báo[3] 40 Hình 3.12: Mạng neuron chẩn đốn hai lớp MLP mơ lại báo[3] 41 Hình 3.13: Kết xác thực tốt luyện mạng theo thiết kế mô lại báo[3]- case 41 Hình 3.14: Kết xác thực tốt luyện mạng theo thiết kế mô lại báo[3] – case 43 Hình 3.15: Kết xác thực tốt luyện mạng theo thiết kế mô lại báo[3] – case 44 Hình 3.16: Kết xác thực tốt luyện mạng theo thiết kế mô lại báo[3]– case 45 vi GVHD: PGS.TS Huỳnh Lương Nghĩa SVTH: Đinh Văn Quang Hình 3.17: Kết xác thực tốt luyện mạng theo thiết kế mô lại báo[3] – case 46 Hình 3.18: Kết xác thực tốt luyện mạng theo thiết kế mô lại báo[3] – case 47 Hình 3.19: Kết xác thực tốt luyện mạng theo thiết kế mô lại báo[3] – case 48 Hình 3.20: Kết xác thực tốt luyện mạng theo thiết kế mô lại báo[3] – case 49 Hình 3.21: Kết xác thực tốt luyện mạng theo thiết kế mô lại báo[3] - case 51 Hình 3.22: Kết xác thực tốt luyện mạng theo thiết kế mô lại báo[3] - case 52 vii GVHD: PGS.TS Huỳnh Lương Nghĩa SVTH: Đinh Văn Quang DANH MỤC BẢNG BIỂU Bảng 1.1: Một số hàm truyền thông dụng Bảng 1.2: Các lĩnh vực y học ứng dụng mạng neuron nhân tạo Bảng 1.3: Tóm tắt ứng dụng mạng neuron thần kinh y học 11 Bảng 2.1: Các loại bệnh tim mạch đƣợc chẩn đoán 16 Bảng 2.2: Bảng tóm tắt đạo trình 17 Bảng 3.1: Bảng số tốt mơ hình mạng neuron cho bệnh rối loạn nhịp tim case 27 Bảng 3.2: Tỷ lệ thành công mơ hình phân loại bệnh rối loạn nhịp tim - case 27 Bảng 3.3: Mức cấu trúc thể phƣơng pháp chẩn đoán tƣơng ứng 27 Bảng 3.4: Bảng số tốt mơ hình mạng neuron phân loại bệnh rối loạn nhịp tim – case 30 Bảng 3.5: Tỷ lệ thành cơng mơ hình phân loại bệnh rối loạn nhịp tim – case 30 Bảng 3.6: Bảng số tốt mơ hình mạng neuron phân loại bệnh rối loạn nhịp tim – case 31 Bảng 3.7: Tỷ lệ thành cơng mơ hình phân loại bệnh rối loạn nhịp tim – case 31 Bảng 3.8: Bảng số tốt mơ hình mạng neuron phân loại bệnh rối loạn nhịp tim – case 32 Bảng 3.9: Tỷ lệ thành công mơ hình phân loại bệnh rối loạn nhịp tim – case 32 Bảng 3.10: Bảng số tốt mơ hình mạng neuron phân loại bệnh rối loạn nhịp tim – case 33 Bảng 3.11: Tỷ lệ thành cơng mơ hình phân loại bệnh rối loạn nhịp tim – case 33 Bảng 3.12: Bảng số tốt mô hình mạng neuron phân loại bệnh rối loạn nhịp tim – case 34 Bảng 3.13: Tỷ lệ thành cơng mơ hình phân loại bệnh rối loạn nhịp tim– case 34 Bảng 3.14: Bảng số tốt mơ hình mạng neuron phân loại bệnh rối loạn nhịp tim – case 35 Bảng 3.15: Tỷ lệ thành cơng mơ hình phân loại bệnh rối loạn nhịp tim – case 35 Bảng 3.16: Bảng số tốt mơ hình mạng neuron phân loại bệnh rối loạn nhịp tim – case 36 Bảng 3.17: Tỷ lệ thành công mô hình phân loại bệnh rối loạn nhịp tim – case 36 viii GVHD: PGS.TS Huỳnh Lương Nghĩa SVTH: Đinh Văn Quang Bảng 3.18: Bảng số tốt mơ hình mạng neuron cho bệnh rối loạn nhịp tim case 38 Bảng 3.19: Tỷ lệ thành cơng mơ hình phân loại bệnh rối loạn nhịp tim - case 38 Bảng 3.20: Bảng số tốt mơ hình mạng neuron cho bệnh rối loạn nhịp tim case 39 Bảng 3.21: Tỷ lệ thành cơng mơ hình phân loại bệnh rối loạn nhịp tim - case 39 Bảng 3.22: Bảng số tốt mơ hình mạng neuron phân loại bệnh rối loạn nhịp tim theo báo[3] 40 Bảng 3.23: Tỷ lệ thành công mơ hình phân loại bệnh rối loạn nhịp tim theo báo[3] 41 Bảng 3.24: Bảng số tốt mơ hình mạng neuron phân loại bệnh rối loạn nhịp tim luyện mạng theo thiết kế mô lại báo[3] - case 42 Bảng 3.25: Tỷ lệ thành cơng mơ hình phân loại bệnh rối loạn nhịp tim luyện mạng theo thiết kế mô lại báo[3]- case 42 Bảng 3.26: đánh giá mô hình MLP thiết kế đồ án báo[3] 42 Bảng 3.27: Bảng số tốt mơ hình mạng neuron phân loại bệnh rối loạn nhịp tim luyện mạng theo thiết kế mô lại báo[3] – case 44 Bảng 3.28: Tỷ lệ thành công mơ hình phân loại bệnh rối loạn nhịp tim luyện mạng theo thiết kế mô lại báo[3] – case 44 Bảng 3.29: Bảng số tốt mô hình mạng neuron phân loại bệnh rối loạn nhịp tim luyện mạng theo thiết kế mô lại báo[3] – case 45 Bảng 3.30: Tỷ lệ thành cơng mơ hình phân loại bệnh rối loạn nhịp tim luyện mạng theo thiết kế mô lại báo[3] – case 45 Bảng 3.31: Bảng số tốt mơ hình mạng neuron phân loại bệnh rối loạn nhịp tim luyện mạng theo thiết kế mô lại báo[3] – case 46 Bảng 3.32: Tỷ lệ thành cơng mơ hình phân loại bệnh rối loạn nhịp tim luyện mạng theo thiết kế mô lại báo[3] – case 46 Bảng 3.33: Bảng số tốt mơ hình mạng neuron phân loại bệnh rối loạn nhịp tim luyện mạng theo thiết kế mô lại báo[3] – case 47 Bảng 3.34: Tỷ lệ thành cơng mơ hình phân loại bệnh rối loạn nhịp tim luyện mạng theo thiết kế mô lại báo[3] – case 47 ix GVHD: PGS.TS Huỳnh Lương Nghĩa SVTH: Đinh Văn Quang Classification with NN model Real disease D1 D2 D3 D4 D5 D6 D7 D8 D9 D10 D1 D2 228 13 28 0 0 0 0 D3 12 0 0 1 D4 0 12 0 0 0 D5 0 0 0 D6 18 0 0 0 D7 0 0 D8 20 0 0 0 30 0 D9 1 0 0 D10 12 1 Bảng 3.29: Bảng số tốt mơ hình mạng neuron phân loại bệnh rối loạn nhịp tim luyện mạng theo thiết kế mô lại báo[3] – case Successful rate [%] Failed rate (%) 74.5 25.5 Bảng 3.30: Tỷ lệ thành cơng mơ hình phân loại bệnh rối loạn nhịp tim luyện mạng theo thiết kế mô lại báo[3] – case - Kết trƣờng hợp gán trọng số khơng thuộc tính đạo trình - Case 3: Hình 3.16: Kết xác thực tốt luyện mạng theo thiết kế mô lại báo[3]– case 45 GVHD: PGS.TS Huỳnh Lương Nghĩa SVTH: Đinh Văn Quang Classification with NN model D1 D2 D3 D4 D5 D6 D7 D8 D9 D10 D1 238 15 9 23 20 14 D2 13 0 1 D3 0 14 0 0 D4 0 0 0 0 0 D5 0 0 0 0 Real D6 0 0 1 0 disease D7 0 0 0 0 D8 3 28 D9 0 0 0 0 0 D10 1 0 1 Bảng 3.31: Bảng số tốt mô hình mạng neuron phân loại bệnh rối loạn nhịp tim luyện mạng theo thiết kế mô lại báo[3] – case Successful rate [%] 69.1 Failed rate[%] 30.9 Bảng 3.32: Tỷ lệ thành cơng mơ hình phân loại bệnh rối loạn nhịp tim luyện mạng theo thiết kế mô lại báo[3] – case - Kết trƣờng hợp gán trọng số không thuộc tính DI đạo trình – case 4: Hình 3.17: Kết xác thực tốt luyện mạng theo thiết kế mô lại báo[3] – case 46 GVHD: PGS.TS Huỳnh Lương Nghĩa SVTH: Đinh Văn Quang Classification with NN model D1 D2 D3 D4 D5 D6 D7 D8 D9 D10 D1 239 20 10 23 16 16 D2 23 0 0 0 D3 0 13 0 0 0 D4 0 0 0 0 D5 0 0 0 0 Real D6 0 0 0 disease D7 0 0 0 0 D8 1 0 34 1 D9 0 0 0 0 0 D10 0 0 0 0 Bảng 3.33: Bảng số tốt mơ hình mạng neuron phân loại bệnh rối loạn nhịp tim luyện mạng theo thiết kế mô lại báo[3] – case Successful rate [%] 74.7 Failed rate[%] 25.3 Bảng 3.34: Tỷ lệ thành cơng mơ hình phân loại bệnh rối loạn nhịp tim luyện mạng theo thiết kế mô lại báo[3] – case - Kết trƣờng hợp gán trọng số không thuộc tính DII đạo trình – case 5: Hình 3.18: Kết xác thực tốt luyện mạng theo thiết kế mô lại báo[3] – case 47 GVHD: PGS.TS Huỳnh Lương Nghĩa SVTH: Đinh Văn Quang Classification with NN model D1 D2 D3 D4 D5 D6 D7 D8 D9 D10 D1 232 18 19 12 13 D2 25 0 0 1 D3 0 14 0 0 D4 0 13 0 0 D5 0 0 0 0 Real D6 0 0 1 disease D7 0 0 0 0 D8 0 0 38 D9 0 0 0 0 D10 0 0 0 0 Bảng 3.35: Bảng số tốt mơ hình mạng neuron phân loại bệnh rối loạn nhịp tim luyện mạng theo thiết kế mô lại báo[3] – case Successful rate [%] 77 Failed rate[%] 23 Bảng 3.36: Tỷ lệ thành cơng mơ hình phân loại bệnh rối loạn nhịp tim luyện mạng theo thiết kế mô lại báo[3] – case - Kết trƣờng hợp gán trọng số khơng thuộc tính DIII đạo trình – case 6: Hình 3.19: Kết xác thực tốt luyện mạng theo thiết kế mô lại báo[3] – case 48 GVHD: PGS.TS Huỳnh Lương Nghĩa SVTH: Đinh Văn Quang Classification with NN model D1 D2 D3 D4 D5 D6 D7 D8 D9 D10 D1 229 15 16 12 10 D2 28 0 0 1 D3 0 14 0 0 D4 0 13 0 0 D5 0 0 0 0 Real D6 0 0 1 disease D7 0 0 0 0 D8 0 0 38 D9 0 0 0 0 D10 0 0 0 Bảng 3.37: Bảng số tốt mơ hình mạng neuron phân loại bệnh rối loạn nhịp tim luyện mạng theo thiết kế mô lại báo[3] – case Successful rate [%] 77.9 Failed rate[%] 22.1 Bảng 3.38: Tỷ lệ thành công mơ hình phân loại bệnh rối loạn nhịp tim luyện mạng theo thiết kế mô lại báo[3] – case - Kết trƣờng hợp gán trọng số khơng thuộc tính DIII đạo trình thuộc tính đạo trình tăng cƣờng – case 7: Hình 3.20: Kết xác thực tốt luyện mạng theo thiết kế mô lại báo[3] – case 49 GVHD: PGS.TS Huỳnh Lương Nghĩa SVTH: Đinh Văn Quang Classification with NN model D1 D2 D3 D4 D5 D6 D7 D8 D9 D10 D1 231 2 17 10 D2 36 0 3 D3 0 13 0 0 0 D4 0 13 0 0 0 D5 0 0 0 Real D6 0 0 0 disease D7 0 0 0 0 D8 0 42 D9 0 0 0 0 D10 0 0 0 0 Bảng 3.39: Bảng số tốt mơ hình mạng neuron phân loại bệnh rối loạn nhịp tim luyện mạng theo thiết kế mô lại báo[3] – case Successful rate [%] 80.8 Failed rate[%] 19.2 Bảng 3.40: Tỷ lệ thành cơng mơ hình phân loại bệnh rối loạn nhịp tim luyện mạng theo thiết kế mô lại báo[3] – case Căn vào kết nhận đƣợc cho trƣờng hợp gán trọng số thấy mức độ quan trọng nhóm thuộc tính cấu trúc cấp quan chức là: Thuộc tính đạo trình > Thuộc tính đạo trình tim > Thuộc tính đạo trình tăng cƣờng - Gán trọng số 0.8; 0.2; 0.4 lần lƣợt với thuộc tính: Đạo trình bản; Đạo trình tăng cƣờng; Đạo trình tim – case 8: IP=[IP([1:15],:);IP([16:51],:).*0.8;IP([52:87],:).*0.2;IP([88:159],:).*0.4;IP([1 60:189],:).*0.8;IP([190:219],:).*0.2;IP([220:279],:).*0.4]; IP11=IP; IP11([20,68,70,84,132,133,140,142,144,146,152,157,158,165,205,265,275],:)=[] - Gán trọng số 0.9; 0.1; 0.5 lần lƣợt với thuộc tính: Đạo trình bản; Đạo trình tăng cƣờng; Đạo trình tim – case 9: IP=[IP([1:15],:);IP([16:51],:).*0.9;IP([52:87],:).*0.1;IP([88:159],:).*0.5;IP([1 60:189],:).*0.9;IP([190:219],:).*0.1;IP([220:279],:).*0.5]; IP12=IP; IP12([20,68,70,84,132,133,140,142,144,146,152,157,158,165,205,265,275],:)=[] 50 GVHD: PGS.TS Huỳnh Lương Nghĩa SVTH: Đinh Văn Quang Tiến hành luyện, xác thực thử nghiệm mạng theo ma trân đầu vào đƣợc gán trọng số phấn bố lần lƣợt nhƣ ta thu đƣợc kết giống với kết trƣờng hợp không gán số (case 0) nhƣ sau: - Kết case 8: Hình 3.21: Kết xác thực tốt luyện mạng theo thiết kế mô lại báo[3] - case Classification with NN model Real disease D1 D2 D3 D4 D5 D6 D7 D8 D9 D10 D1 235 0 0 0 D2 10 34 0 0 0 0 D3 14 0 0 0 D4 10 0 0 D5 0 0 0 D6 21 0 0 D7 0 0 D8 13 0 0 0 37 0 D9 0 0 0 D10 13 0 Bảng 3.41: Bảng số tốt mơ hình mạng neuron phân loại bệnh rối loạn nhịp tim luyện mạng theo thiết kế mô lại báo[3] - case 51 GVHD: PGS.TS Huỳnh Lương Nghĩa SVTH: Đinh Văn Quang Successful rate [%] 76.1 23.9 Failed rate[%] Bảng 3.42: Tỷ lệ thành công mô hình phân loại bệnh rối loạn nhịp tim luyện mạng theo thiết kế mô lại báo[3] - case - Kết case : Hình 3.22: Kết xác thực tốt luyện mạng theo thiết kế mô lại báo[3] - case Classification with NN model Real disease D1 D2 D3 D4 D5 D6 D7 D8 D9 D10 D1 235 0 0 0 D2 10 34 0 0 0 0 D3 14 0 0 0 D4 10 0 0 D5 0 0 0 D6 21 0 0 D7 0 0 D8 13 0 0 0 37 0 D9 0 0 0 D10 13 0 Bảng 3.43: Bảng số tốt mơ hình mạng neuron phân loại bệnh rối loạn nhịp tim luyện mạng theo thiết kế mô lại báo[3] - case 52 GVHD: PGS.TS Huỳnh Lương Nghĩa SVTH: Đinh Văn Quang Successful rate [%] 76.1 23.9 Failed rate[%] Bảng 3.44: Tỷ lệ thành công mơ hình phân loại bệnh rối loạn nhịp tim luyện mạng theo thiết kế mô lại báo[3] - case Kết luận chƣơng III Trong chƣơng không tiến hành luyện, xác thực thử nghiệm mạng neuron nhân tạo vào việc hỗ trợ chẩn đoán bệnh rối loạn nhịp tim hai trƣờng hợp gán trọng số cho thuộc tính đầu vào khơng gán trọng số cho thuộc tính đầu vào mà đƣa kết thử nghiệm, kiểm chứng mơ hình mạng sử dụng trƣớc báo[3] Thuật toán học mạng neuron đƣợc sử dụng kết hợp mạng neuron truyền thẳng đa lớp thuật toán lan truyền ngƣợc đề cập chƣơng II 53 GVHD: PGS.TS Huỳnh Lương Nghĩa SVTH: Đinh Văn Quang CHƢƠNG IV: ĐÁNH GIÁ VÀ KẾT LUẬN Kết kiểm tra đánh giá hiệu mạng neuron hỗ trợ chẩn đoán bệnh rối loạn nhịp tim luyện theo mơ hình mạng MLP thiết kế đồ án theo mô hình mạng MLP thiết kế báo[3] chƣơng III đƣợc tổng hợp Bảng 4.1 Bảng 4.2 sau đây: Case number Gán trọng số cho thuộc tính Kết đào tạo Mạng Tỷ lệ thành công [%] Tỷ lệ thất bại Kết xác thực tốt Chu kỳ hội tụ [%] Trƣờng hợp không gán Gán trọng số đạo trình tăng cƣờng 76.3 23.7 0.116 53 73.8 26.2 0.107 37 72.7 27.3 0.099 59 Gán trọng số đạo trình tim Gán trọng số đạo trình 55.3 44.7 0.154 Gán trọng số thuộc tính DI đạo trình 73.6 26.4 0.130 55 70.4 29.6 0.115 39 77.9 22.1 0.105 61 55.3 44.7 0.157 8 Gán trọng số thuộc tính DII đạo trình Gán trọng số thuộc tính DIII đạo trình Gán trọng số thuộc tính DIII đạo trình đạo trình tăng cƣờng Gán trọng số 0.8; 0.4; 0.2 lần lƣợt với thuộc tính 54 GVHD: PGS.TS Huỳnh Lương Nghĩa đạo trình: Đạo trình bản; Đạo trình tăng cƣờng; Đạo trình tim Gán trọng số 0.9; 0.5; 0.1 lần lƣợt với thuộc tính đạo trình: Đạo trình bản; Đạo trình tăng cƣờng; Đạo trình tim SVTH: Đinh Văn Quang 76.3 23.7 0.116 53 76.3 23.7 0.116 53 Bảng 4.1: Tổng hợp kết kiểm tra đánh giá hiệu mạng neuron hỗ trợ chẩn đoán bệnh rối loạn nhịp tim luyện theo mơ hình mạng MLP thiết kế đồ án Case number Kết đào tạo Mạng Gán trọng số cho thuộc tính Tỷ lệ thành cơng [%] Tỷ lệ thất bại Kết xác thực tốt Chu kỳ hội tụ [%] Kết luyện mạng báo [3] 72.31 79.86 20,14 27.9 0.023 Không xác định Trƣờng hợp không gán 76.1 23.9 0.104 67 Gán trọng số đạo trình tăng cƣờng 73.1 26.9 0.093 34 Gán trọng số đạo trình tim 74.5 25.5 0.101 49 Gán trọng số đạo trình 69.1 30.9 0.120 30 Gán trọng số thuộc tính DI 74.7 25.3 0.106 50 đạo trình Gán trọng số thuộc tính DII đạo trình 77.0 23.0 0.085 48 Gán trọng số thuộc tính DIII đạo trình 77.9 22.1 0.076 58 55 GVHD: PGS.TS Huỳnh Lương Nghĩa SVTH: Đinh Văn Quang Gán trọng số thuộc tính DIII đạo trình đạo trình tăng cƣờng 80.8 19.2 0.111 65 Gán trọng số 0.8; 0.2; 0.4 lần lƣợt với thuộc tính đạo trình: Đạo trình bản; Đạo trình tăng cƣờng; Đạo trình tim 76.1 23.9 0.104 67 Gán trọng số 0.9; 0.1; 0.5 lần lƣợt với thuộc tính đạo trình: Đạo trình bản; Đạo trình tăng cƣờng; Đạo trình tim 76.1 23.9 0.104 67 Bảng 4.2: Tổng hợp kết kiểm tra đánh giá hiệu mạng neuron hỗ trợ chẩn đoán bệnh rối loạn nhịp tim luyện theo mơ hình mạng MLP thiết kế báo[3] Từ bảng 4.1 bảng 4.2 kết đào tạo mạng neuron chẩn đoán bệnh rối loạn nhịp tim hai trƣờng hợp không gán gán số cho thuộc tính đầu vào cho thấy: - Kết nhận đƣợc trƣờng hợp 1, 2, tốt trƣờng hợp suy đạo trình tăng cƣờng, đạo trình tim, thuộc tính DII đạo trình bản, thuộc tính DIII đạo trình dƣ thừa nên để tiết kiệm thời gian tính tốn ta bỏ qua số chúng tùy theo nhu cầu độ xác thực thời gian hội tụ cho hiệu Cụ thể để có kết xác thực tốt ta nên bổ thuộc tính đạo trình tim để có thời gian hội tụ tối ứu độ xác thực tốt ta nên bỏ thuộc tính đạo trình tăng cƣờng - Trƣờng hợp cho thấy tỉ lệ sai số cao tỉ lệ thành công thấp nên việc bỏ thuộc tính đạo trình khơng hợp lý Điều cho phép khẳng định đạo trình thuộc tính quan trọng q trình luyện mạng neuron chẩn đoán bệnh rối loạn nhịp tim - Dựa vào kết trƣờng hợp 4,5,6 ta thấy DI dạng thuộc tính quan trọng tiếp đến DII để tiết kiệm thời gian thu đƣợc kết tốt bỏ dạng thuộc tính DIII - Đối với trƣờng hợp thu đƣợc kết luyện mạng khả quan thiết kế mô lại mạng báo [3] ngƣợc lại mạng thiết kế đồ án lại khơng khả quan điều liệu đầu vào chứa nhiều thuộc tính khơng có ý nghĩa gán trọng số 0, làm thiếu liên kết thuộc tính với mà số 56 GVHD: PGS.TS Huỳnh Lương Nghĩa SVTH: Đinh Văn Quang neuron lớp ẩn thiết kế mạng luân văn lại không đủ nhiều nên dẫn đến kết luyện mạng khơng đƣợc xác nhƣ - Có thể thấy trƣờng hợp mơ hình luyện mạng nằm trƣờng hợp đặc biệt mạng hội tụ giá trị cực tiểu tổng thể kết trƣờng hợp điều ngầm cho ta thấy mức độ quan trọng theo mức cấu trúc thể cụ thể cấu trúc cấp quan chức nhóm thuộc tính đạo trình nhƣ chúng khác mức độ liên kết thuộc tính với Ngồi cịn bổ sung cho ta phƣơng pháp để xác định cực tiểu tổng thể - kết trƣờng hợp mô lại theo phƣơng pháp báo[3] thu đƣợc kết tốt so với kết luyện mạng thiết kế đồ án tất trƣờng hợp điều đƣợc chứng minh sở lý thuyết luyên mạng, số lƣợng neuron lớp ẩn mơ hình mạng thiết kế đồ án đồng nghĩa với việc chu kì hội tụ mạng thiết kế đồ án nhanh độ xác giảm xuống  Nhìn chung thiết kế có ƣu điểm riêng độ xác thời gian hội tụ , kết gần nhƣ đƣơng đƣơng với  Mơ hình MLP thiết kế đồ án phù hợp cho sử dụng chẩn đoán bênh rối loại nhịp tim 57 GVHD: PGS.TS Huỳnh Lương Nghĩa SVTH: Đinh Văn Quang KẾT LUẬN CHUNG VÀ ĐỀ XUẤT HƢỚNG NGHIÊN CỨU Tóm lại, cách sử dụng công cụ Neuron Network Toolbox phần mềm Matlab em thiết kế đƣợc mô hình mạng neuron lan truyền ngƣợc (MLP) hỗ trợ chẩn đoán bệnh rối loạn nhịp tim, giúp đỡ đắc lực cho bác sĩ việc thăm khám nhƣ đề xuất phác đồ điều trị phù hợp với bệnh nhân Việc sử dụng mơ hình mạng neuron cho thấy tỷ lệ phần trăm thành công tốt Từ ta có phƣơng hƣớng hồn thiện mạng neuron hỗ trợ chẩn đoán là: - Nghiên cứu xây dựng liệu bệnh rối loạn nhịp tim ngƣời Việt Nam để thiết kế mạng neuron phù hợp hỗ trợ chẩn đoán bệnh rối loạn nhịp tim, đạt đƣợc độ xác, hiệu sử dụng cho ngƣời nƣớc ta - Kết nghiên cứu áp dụng cho việc chẩn đốn bệnh lý với triệu chứng/thuộc tính đặc trƣng bệnh lý khác thu nhận đƣợc mức cấu trúc thể khác 58 GVHD: PGS.TS Huỳnh Lương Nghĩa SVTH: Đinh Văn Quang TÀI LIỆU THAM KHẢO [1] Donna L Hudson- Maurice E Cohen Neuron networks and artificial intelligence for biomedical engineering Institute of Electrical and Electronics Engineers, Inc,2000 [2] Kornel Papik- Bela Molnar- Rainer Schaefer- Zalan Dombovari- Zsolt TulassayJanos Feher Application of neuron networks in medicine — a review Med Sci Monit, 1998; 4(3): 538-546 [3] S Kajan- D Pernecký- J Goga Application of neuron network in medical diagnostics Grant agency KEGA,4-2014 [4] MATLAB.Toolbox Neuron R2012a [5] H L Nghia- N T Thuy and Đ V Quang Pathological diagnosis Neuron Network with inputs corresponding with structure levels of the body Tạp chí ngun cứu khoa học cơng nghê quân sự, số 57A, 11-2018 [6] UCI: Machine Learning Repository [online] :http://archive.ics.uci edu/ ml/ datasets/Arrhythmia [7] Deepa Rao, Sujuan Zhao (2012) Prediction of Breast cancer [8] https://gsm672.wikispaces.com/Prediction+of+Breast+cancer, last visit: 5/14/18 [9] Garg B, Sufian Beg MM, Ansari AQ (2009), Optimizing Number of Inputs to Classify Breast Cancer Using Artificial Neuron Network J Comput Sci Syst Biol 2:247-254 doi:10.4172/jcsb.100003 [10] N W Street, W H Wolberg, O L Mangasarian Nuclear feature extraction for breast tumor diagnosis In: IS&T/SPIE’s Symposium on Electronic Imaging: Science and Technology International Society for Optics and Photonics, 1993 s 861-870 [11] Попечителев Е.П, Методы медико-биологических исследований, Учеб Пособие, Житомир, 1997 [12] Huỳnh Lƣơng Nghĩa, Additional Lectures course "Methodology of Exploring BioMedical Electronic systems" Hanoi Technical University LeQuyDon, 2011 59 ... việc chẩn đoán bệnh rối loạn nhịp tim phát bệnh sớm nhằm nâng cao hiệu điều trị bệnh, chọn đề tài: ? ?Ứng Dụng Trí Tuệ Nhân Tạo Xây Dựng Mạng Neuron Hỗ Trợ Chẩn Đốn Bệnh Rối Loạn Nhịp Tim ” mạng neuron. .. mạng neuron nhân tạo 1.1.1 Định nghĩa mạng neuron Một ý tƣởng đằng sau mạng neuron [1] xây dựng neuron nhân tạo có đặc điểm neuron sinh học Mạng neuron nhân tạo hay thƣờng gọi ngắn gọn mạng neuron. .. khảo sát mơ hình mạng neuron, áp dụng phƣơng pháp học máy mạng neuron ứng dụng vào toán chẩn đoán bệnh rối loạn nhịp tim Dựa vào liệu (Arrhythmia Data Set) bệnh rối loạn nhịp tim “Altay Guvenir,