Khóa luận tốt nghiệp hệ hỗ trợ chuẩn đoán bệnh tim dựa trên kỹ thuật máy học

Khóa luận tốt nghiệp hệ hỗ trợ chuẩn đoán bệnh tim dựa trên kỹ thuật máy học

ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN KHOA CÔNG NGHỆ PHẦN MỀM ĐẶNG MINH TIẾN – 16521215 TRƯƠNG HOÀNG KHANG – 16520570 KHĨA LUẬN TỐT NGHIỆP HỆ HỖ TRỢ CHẨN ĐỐN BỆNH TIM DỰA TRÊN KỸ THUẬT MÁY HỌC DECISION SUPPORT SYSTEM IN THE DIAGNOSIS OF HEART DISEASE BASED ON MACHINE LEARNING KỸ SƯ NGÀNH KỸ THUẬT PHẦN MỀM TP HỒ CHÍ MINH, 2020 ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN KHOA CÔNG NGHỆ PHẦN MỀM ĐẶNG MINH TIẾN – 16521215 TRƯƠNG HOÀNG KHANG – 16520570 KHÓA LUẬN TỐT NGHIỆP HỆ HỖ TRỢ CHẨN ĐOÁN BỆNH TIM DỰA TRÊN KỸ THUẬT MÁY HỌC DECISION SUPPORT SYSTEM IN THE DIAGNOSIS OF HEART DISEASE BASED ON MACHINE LEARNING KỸ SƯ NGÀNH KỸ THUẬT PHẦN MỀM GIẢNG VIÊN HƯỚNG DẪN TS DƯƠNG MINH ĐỨC TP HỒ CHÍ MINH, 2020 THƠNG TIN HỘI ĐỒNG CHẤM KHĨA LUẬN TỐT NGHIỆP Hội đồng chấm khóa luận tốt nghiệp, thành lập theo Quyết định số ……… ngày ………………… Hiệu trưởng Trường Đại học Công nghệ Thông tin ………………………………………… – Chủ tịch ………………………………………… – Thư ký ………………………………………… – Ủy viên ………………………………………… – Ủy viên ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH CỘNG HỒ XÃ HỘI CHỦ NGHĨA VIỆT NAM TRƯỜNG ĐẠI HỌC Độc Lập – Tự Do – Hạnh Phúc CÔNG NGHỆ THÔNG TIN ĐỀ CƯƠNG CHI TIẾT TÊN ĐỀ TÀI: HỆ HỖ TRỢ CHẨN ĐOÁN BỆNH TIM DỰA TRÊN KỸ THUẬT MÁY HỌC TÊN ĐỀ TÀI (Tiếng Anh): DECISION SUPPORT SYSTEM IN THE DIAGNOSIS OF HEART DISEASE BASED ON MACHINE LEARNING Cán hướng dẫn: TS Dương Minh Đức Thời gian thực hiện: Từ ngày 07/09/2020 đến ngày 08/01/2020 Sinh viên thực hiện: Trương Hoàng Khang - 16520570 Đặng Minh Tiến - 16521215 Nội dung đề tài: (Mô tả chi tiết mục tiêu, phạm vi, đối tượng, phương pháp thực hiện, kết mong đợi đề tài) Mục tiêu đề tài 1.1 Bối cảnh chọn đề tài Hiện bệnh tim mạch nguyên nhân hàng đầu gây tử vong toàn cầu, chiếm tới 31% tổng số ca tử vong Tại Việt Nam, bệnh tim mạch chịu trách nhiệm cho 31% tổng số ca tử vong năm 2016 tương đương với 170.000 tử vong Hầu hết bệnh tim mạch phịng ngừa phát sớm, điều trị kịp thời cách Phát triển công nghệ thông tin mang lại nhiều ứng dụng thực tiễn nhiều lĩnh vực đời sống nói chung y khoa nói riêng Do đó, hệ hỗ trợ chẩn đốn bệnh tim đóng vai trị quan trọng y khoa Bằng cách hỗ trợ Y Bác sĩ với định lâm sàng, chất lượng chăm sóc sức khỏe cải thiện chi phí tổ chức chăm sóc sức khỏe giảm bớt 1.2 Mục đích đề tài - Nghiên cứu kỹ thuật trí tuệ nhân tạo để vận dụng vào hệ hỗ trợ đưa định chẩn đốn bệnh tim Tìm hiểu hệ thống phân loại đa lớp để phân loại mẫu liệu Tìm hiểu phương pháp tổng hợp nhằm tạo nhiều mơ hình để so sánh ứng dụng cách tiếp cận tổng hợp vào vấn đề khác lĩnh vực y tế, đặc biệt bệnh tim Tìm hiểu phương pháp biến đổi đặc trưng để giảm chiều kích thước tập liệu thô Nghiên cứu ứng dụng thuật toán phân loại để thực nghiệm đánh giá độ xác nhãn kết chẩn đốn bệnh Phạm vi nghiên cứu - Phạm vi không gian: Nghiên cứu chẩn đoán đưa định bệnh tim cho bệnh viện, sở khám chữa bệnh từ xa - Phạm vi nội dung: Ứng dụng hỗ trợ nhận thơng tin chẩn đốn bệnh tim - Phạm vi chức năng: + Tạo hình thông tin nhập liệu để khai báo triệu chứng bệnh + Nhận thơng tin, hỗ trợ chẩn đốn bệnh Đối tượng - Phịng thí nghiệm, nghiên cứu - Cơ sở khám chữa bệnh từ xa - Hệ thống định chẩn đoán bệnh tim trực tuyến Phương pháp thực - Nghiên cứu hệ thống đa phân loại để xây dựng tập phân loại từ liệu huấn luyện - Nghiên cứu hệ thống phương pháp tổng hợp, chuyển đổi thuộc tính thuật tốn phân loại - Phân tích so sánh phương pháp tiếp cận dựa kho liệu y tế từ nhiều nguồn - Xây dựng máy chủ đưa thông tin liên quan bệnh kết Từ giúp giảm chi phí mặt tài tăng chất lượng trì chăm sóc sức khỏe cho tổ chức chăm sóc sức khỏe Kết dự kiến - Tìm phương pháp để xây dựng nhóm phân loại tổng hợp mang đến hiệu tốt vấn đề bệnh tim - So sánh mức độ lỗi xảy từ thuật toán phân loại - Ứng dụng công nghệ máy học vào việc chẩn đốn bệnh - Sử dụng cơng nghệ máy học để kết hợp nhiều nguồn liệu vào hệ thống - Nâng cao chất lượng chăm sóc sức khỏe Kế hoạch thực hiện: Thời gian thực từ 07/09/2020 tới 08/01/2020, nhóm chia thành giai đoạn cụ thể: STT Nội dung Thời gian Người thực Tìm kiếm tài liệu, đọc hiểu 15/09/2020 – Tiến, Khang kiến thức liên 30/09/2020 quan đến máy học mơ hình cần thiết Tìm hiểu python thư viện hỗ trợ máy học sklearn 01/10/2020 – Tiến, Khang 14/10/2020 Cài đặt, chạy thử, kiểm tra hệ 15/10/2020 – thống phân loại dựa 31/10/2020 Tiến, Khang liệu chuẩn từ UCI Lập báo cáo thống kê kết 01/11/2020 – thực nghiệm phương 15/11/2020 Tiến, Khang pháp Tìm tham số tối ưu, kết hợp 16/11/2020 – phương pháp phân loại 30/11/2020 Tiến, Khang đánh giá tỉ lệ lỗi Xây dựng ứng dụng nhận 01/12/2020 – thông tin chẩn đốn bệnh 26/12/2020 Tiến, Khang tim Hồn thiện tài liệu xử lý yêu cầu phát sinh 27/12/2020 – 08/01/2020 Tiến, Khang Xác nhận CBHD TP HCM, ngày 28 tháng 09 năm 2020 (Ký tên ghi rõ họ tên) Sinh viên (Ký tên ghi rõ họ tên) TS Dương Minh Đức Đặng Minh Tiến Trương Hoàng Khang LỜI CẢM ƠN Được phân công quý Thầy Cô khoa Công nghệ Phần mềm Trường Đại học Công nghệ Thông tin Thành phố Hồ Chí Minh, sau khoảng thời gian học tập nghiên cứu, em hoàn thành đồ án tốt nghiệp “Hệ hỗ trợ chẩn đoán bệnh tim dựa kỹ thuật máy học” Để hoàn thành đồ án giao, ngồi nổ lực học hỏi thân cịn có hướng dẫn tận tình q Thầy Cơ khoa Em xin chân thành cảm ơn Thầy TS Dương Minh Đức, Giảng viên Khoa Công nghệ Phần mềm trường Đại học Công nghệ Thông tin Thành phố Hồ Chí Minh Nhờ có quan tâm, giúp đỡ hướng dẫn tận tình kiến thức, kỹ cần thiết mà Thầy truyền dạy, nên em đạt thành ngày hơm Em xin chân thành cảm ơn Thầy chúc Thầy dồi sức khỏe Em xin cảm ơn quý Thầy Cô hội đồng phản biện dành thời gian đọc nhận xét đồ án Em xin gửi đến quý Thầy Cô lời chúc sức khỏe Em mong nhận góp ý bảo thêm quý Thầy Cô Xin trân trọng cảm ơn! TP HCM, ngày 14 tháng 01 năm 2021 MỤC LỤC DANH MỤC HÌNH ẢNH v DANH MỤC CÁC BẢNG vii DANH MỤC VIẾT TẮT viii TÓM TẮT KHÓA LUẬN ix CHƯƠNG TỔNG QUAN VỀ ĐỀ TÀI .1 Lý chọn đề tài Mục tiêu phạm vi Các nghiên cứu liên quan Kết Tổng quát .3 CHƯƠNG CƠ SỞ LÝ THUYẾT Tổng quan khai phá liệu 2.1.1 Khái niệm khai phá liệu 2.1.2 Tại dùng khai phá liệu 2.1.3 Các công đoạn khám phá tri thức từ CSDL Tổng quan hệ hỗ trợ định Hệ phân lớp 2.3.1 Bài toán phân lớp 2.3.2 Hệ phân lớp độc lập 2.3.3 Hệ đa phân lớp Các phương pháp biến đổi đặc trưng 10 2.4.1 Phân tích thành phần (PCA) .10 Các phương pháp thuật toán phân lớp 10 i - Press CTRL-C to abort the installation - Or specify a different location below [/home/sammy/anaconda3] >>> Sau cài đặt xong nhận thông báo sau: installation finished Do you wish the installer to prepend the Anaconda3 install location to PATH in your /home/sammy/.bashrc ? [yes|no] [yes] >>> 5.2.2 Cài đặt môi trường Anaconda ứng dụng Sao chép thư mục chứa mã nguồn backend ứng dụng lên máy chủ Ubuntu Bên thư mục ứng dụng, thấy file quan trọng cấu hình sẵn environment.yml – Đây file cấu hình mơi trường mà ứng dụng cần Hình 5.2 Tập tin cấu hình môi trường Anaconda Tạo môi trường heartml-env từ yêu cầu ứng dụng 49 $ conda env create -n heartml-env file environment.yml 5.2.3 Khởi chạy ứng dụng backend server Sau cài đặt môi trường conda cần thiết cho ứng dụng, bắt đầu khởi chạy main.py Trước tiên cần kích hoạt mơi trường heartml-env tạo bên $ conda activate heartml-env Sau khởi chạy ứng dụng lệnh: $ python main.py Sau ứng dụng khởi chạy thành cơng, kiểm tra hoạt động API đoạn mã javascript sau: fetch('http://: /api', { method: 'POST', body: JSON.stringify({ sex: 1, age: 60, cp: 2, trestbps: 160, chol: 207, fbs: 1, restecg: 1, thalach: 158, exang: 1, oldpeak: 1.4, slope: 1, ca: 1, 50 thal: }), }) then(async (res) => { const kq = await res.text(); console.log(kq); }) catch((err) => { console.log(err); }); Ứng dụng di động Ứng dụng chẩn đoán bệnh tim dựa kỹ thuật máy học viết React Native – framework mã nguồn mở phát triển facebook, sử dụng để phát triển ứng dụng di động iOS, Android Hiện ứng dụng build Android iOS sử dụng API từ server mà nhóm setup để demo Các nhóm phát triển sau đóng gói lại ứng dụng dựa mã nguồn mà nhóm thực đồ án cung cấp Tổng quan ứng dụng minh họa, hiển thị câu hỏi yêu cầu người dùng cung cấp thơng tin tuổi tác, giới tính, triệu chứng kết xét nghiệm Các thông tin gửi máy chủ để dự đốn nguy tiềm ẩn bệnh tim người dùng 51 Giao diện ứng dụng Ứng dụng gồm 13 hình nhập thơng tin tương ứng với số lượng đặc trưng cần để thực chẩn đoán bệnh Hình 5.3 Màn hình nhập thơng tin giới tính người dùng Hình 5.4 Màn hình nhập thơng tin tuổi người dùng 52 Hình 5.5 Màn hình nhập thơng tin đau ngực Hình 5.6 Màn hình nhập thơng tin huyết áp 53 Hình 5.7 Màn hình nhập thơng tin cholesterol Hình 5.8 Màn hình nhập thơng tin đường huyết 54 Hình 5.9 Màn hình nhập thơng tin kết điện tâm đồ Hình 5.10 Màn hình nhập thơng tin nhịp tim 55 Hình 5.11 Màn hình nhập thơng tin đau thắt ngực vận động Hình 5.12 Màn hình nhập thơng tin giá trị ST depression tập thể dục so với lúc nghỉ ngơi 56 Hình 5.13 Màn hình nhập thơng tin độ dốc đoạn ST tập thể dục Hình 5.14 Màn hình nhập thơng tin số lượng ống chứa tô màu thực nội soi huỳnh quang 57 Hình 5.15 Màn hình nhập thơng tin trạng thái tim 58 Hình 5.16 Màn hình nhận kết chẩn đốn bệnh 59 CHƯƠNG KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN Kết luận Kết thu từ việc thực nghiệm tham số góp phần tạo nên tác động tích cực cho mơ hình Đối sánh kết với nghiên cứu tác giả [10], ta thấy số liệu sử dụng với tham số cho mơ hình giúp mơ hình tăng độ xác Về kết phân lớp, mơ hình dự đốn tốt trả kết tương đối tốt, hệ thống có số phân lớp bị phân lớp khơng mong muốn Đề tài tìm phương pháp hiệu thể tiến việc cải thiện mơ hình đối sánh với nghiên cứu tác giả khác Bên cạnh đó, việc mơ hình tốt áp dụng để xây dựng ứng dụng hỗ trợ chuyên gia định chẩn đoán bệnh, giúp giảm rủi ro, chi phí, nguồn nhân lực y tế Tạo tiền đề để phát triển công cụ chẩn bệnh từ xa, giúp sàng lọc nhanh rủi ro nguy bệnh Đề tài đáp ứng mục tiêu đề dùng tri thức kỹ thuật máy học phổ biến để xây dựng “Hệ hỗ trợ chẩn đoán bệnh tim dựa kỹ thuật máy học” với kết tương đối xác, khoa học chọn lọc kỹ nhằm góp phần nâng cao tính tích cực hiệu trong cơng tác chăm sóc sức khỏe cộng đồng Hạn chế đề tài Dữ liệu nghiên cứu cịn khuyết nhiều đặc trưng khiến cho kết nghiên cứu tập liệu khác cho kết không tương đồng Tập liệu nghiên cứu không phù hợp với tình trạng y tế Việt Nam nên khơng thể ứng dụng cho người Việt Một số thông tin liệu địi hỏi phải có máy móc kỹ thuật tiên tiến để chẩn đốn 60 Hướng phát triển Những cơng việc nghiên cứu phát triển thêm dựa tài liệu bao gồm việc áp dụng số phương pháp Hybrid, xây dựng mơ hình phân lớp kết hợp thêm với phương pháp khác để tạo mơ hình cho độ xác cao Bên cạnh nhóm nghiên cứu sau chọn đặc trưng khác tiêu chí để cải tiến Về mặt thực tiễn, nhóm nghiên cứu mong muốn xây dựng ứng dụng phù hợp với tình hình y tế Việt Nam Các cơng việc bao gồm: • Thu thập xây dựng liệu từ sở y tế Việt Nam • Áp dụng mơ hình luận văn tài liệu khác để đối sánh tìm phương pháp phù hợp • Cho phép lưu trữ bệnh án cải thiện liệu học qua ứng dụng • Thêm tính khuyến nghị tư vấn vấn đề sức khỏe 61 TÀI LIỆU THAM KHẢO TIẾNG ANH [1] L Breiman, “Bagging predictors”, Mach Learn., 1996, doi: 2001, doi: 10.1007/bf00058655 [2] L Breiman, “Random forests”, Mach Learn., 10.1023/A:1010933404324 [3] N Cristianini J Shawe-Taylor, An Introduction to Support Vector Machines and Other Kernel-based Learning Methods Cambridge University Press, 2000 [4] R O Duda, P E Hart, D G Stork, “Pattern classification”, New York John Wiley, Sect., 2001 [5] K Era Singh Nishika, “Prediction of Heart Disease using Data Mining Techniques”, 2015 [6] T K Ho, “The random subspace method for constructing decision forests”, IEEE Trans Pattern Anal Mach Intell., 1998, doi: 10.1109/34.709601 [8] J Kittler, M Hatef, R P W Duin, J Matas, “On combining classifiers”, IEEE Trans Pattern Anal Mach Intell., 1998, doi: 10.1109/34.667881 [9] A Methaila, P Kansal, H Arya, P Kumar, “Early Heart Disease Prediction Using Data Mining Techniques”, Computer Science & Information Technology ( CS & IT ), tháng 2014, tr 53–59, doi: 10.5121/csit.2014.4807 [10] L Nanni, S Brahnam, A Lumini, T Barrier, “Data mining based on intelligent systems for decision support systems in healthcare”, Stud Comput Intell., 2010, doi: 10.1007/978-3-642-16095-0_4 [11] S Palaniappan R Awang, “Intelligent heart disease prediction system using data mining techniques”, 2008, doi: 10.1109/AICCSA.2008.4493524 62 [13] V Podgorelec M Zorman, “Decision Tree Learning”, Encyclopedia of Complexity and Systems Science, 2015 [14] C E Rasmussen C K I Williams, Gaussian processes for machine learning 2006 2006 [15] P Singh, S Singh, G S Pandi-Jain, “Effective heart disease prediction system using data mining techniques”, Int J Nanomedicine, 2018, doi: 10.2147/IJN.S124998 [16] V N Vapnik, The Nature of Statistical Learning Theory Springer-Verlag 1995 TIẾNG VIỆT [7] T Q Khốt, “Đánh giá kết phân tích”, Bài giảng DSLab Viện, Viện nghiên cứu cao cấp Tốn [12] PGS.TS Đỗ Phúc, Giáo trình Khai phá liệu TP Hồ Chí Minh: NXB Đại học Quốc gia TP.HCM, 2016 [17] P N Vinh, “TIẾP CẬN LÂM SÀNG BỆNH NHÂN BỆNH TIM MẠCH (Clinical approach to cardio vascular patient)”, Bệnh viện Tim Tâm Đức, Viện Tim Tp HCM 63 ... hiệu điều trị bệnh, chúng em chọn đề tài xây dựng ? ?Hệ hỗ trợ chẩn đoán bệnh tim dựa kỹ thuật máy học? ?? để làm đề tài tốt nghiệp Mục tiêu phạm vi Mục tiêu: • Nghiên cứu kỹ thuật máy học để xây dựng... nghệ Phần mềm Trường Đại học Công nghệ Thơng tin Thành phố Hồ Chí Minh, sau khoảng thời gian học tập nghiên cứu, em hoàn thành đồ án tốt nghiệp ? ?Hệ hỗ trợ chẩn đoán bệnh tim dựa kỹ thuật máy học? ??... Machine viii TĨM TẮT KHĨA LUẬN Trong khóa luận này, chúng em nghiên cứu vấn đề hỗ trợ chuyên gia đưa định chẩn đoán lâm sàng bệnh tim dựa kỹ thuật máy học Các phương pháp máy học học sâu áp dụng để