6. Cấu trúc trình bày nội dung luận văn
5.4.2. Đánh giá mơ hình phân lớp dự đốn bệnh tim
Ở Chương 4, tác giả đã giới thiệu một số phương pháp đánh giá một mơ hình phân lớp. Trên cơ sở đĩ, tác giả tiến hành đánh giá 6 mơ hình thuật tốn ở trên để đề xuất mơ hình tối ưu cho bài tốn dự đốn bệnh tim.
Để xây dựng một mơ hình học máy, thơng thường ta chia tập dữ liệu thành hai phần: tập Train (tập huấn luyện) và tập Test (tập kiểm thử) với phân bố 80 % (hoặc 70 %) cho tập Train và 20 % (hoặc 30 %) cho tập Test. Ở nội dung nghiên cứu này, tác giả tiến hành chia tập dữ liệu với phân bố: 80 % cho tập Train và 20 % cho tập Test.
5.4.2.I. Accuracy Bảng 5.5. Độ chính xác của các thuật tốn. TT Model Training Accuracy % Testing Accuracy % 0 K-nearest neighbors 88.43 90.16
1 Decision Tree Classifier 100.00 83.61
2 Logistic Regression 84.71 81.97
3 Naive Bayes 81.82 86.89
4 Support Vector Machine 85.95 86.89
Bảng 5.5 c h o th ấ y th u ậ t to á n K N N c h o đ ộ c h ín h x á c c ao n h ấ t ( 9 0 .1 6 % ) so v ớ i c á c th u ậ t to á n c ị n lại.
5.4.2.2. Confusion matrix
Hình 5.13. Confusion matrix của các thuật tốn.
Hình 5.13 c h o th ấ y th u ậ t to á n K N N p h â n lo ạ i đ ú n g n h iề u n h ấ t c h o c á c lớ p d ữ liệu .
5.4.2.3. Roc curve và AUC
Hình 5.14 c h o th ấ y c ả 6 th u ậ t to á n p h â n lo ạ i đ ề u c h o h iệ u s u ấ t h o ạ t đ ộ n g tố t, tr o n g đ ĩ th u ậ t to á n R a n d o m F o r e s t c h o h iệ u s u ấ t h o ạ t đ ộ n g tố t n h ấ t (A U C
= 0 .9 2 ).
5.4.2.4. Precision, Recall và F1-score
Bảng 5.6 đ á n h g iá c á c th a m số: P r e c is io n , R e c a ll, F 1 - s c o r e đ ố i v ớ i c á c th u ậ t to á n đ ã t r ìn h b ày . Bảng 5.6 c h o t a th ấ y r ằ n g tr o n g 6 th u ậ t to á n p h â n lo ạ i, tr o n g tr ư ờ n g h ợ p L ớ p 1 (lớ p d ự đ o á n m ộ t n g ư ờ i b ị b ệ n h tim ) đ ố i v ớ i th a m số P r e c is io n th ì th u ậ t to á n D e c is io n T re e c h o k ế t q u ả c a o n h ấ t (0 .9 2 ). T r o n g k h i đ ĩ , th u ậ t to á n K N N c h o k ế t q u ả c ao n h ấ t v ớ i R e c a ll = 0 .9 4 v à F 1 - s c o re = 0 .9 1 . T u y n h iê n v ì tậ p d ữ liệ u d ù n g tr o n g m ơ h ìn h d ự đ o á n k h ơ n g cĩ s ự c h ê n h lệ c h
q u á lớ n g iữ a c á c lớ p p h â n lo ạ i n ê n c á c th a m số đ á n h g iá n à y cĩ th ể b ỏ qua.
Bảng 5.6. Đánh giá các tham số Precision, Recall, F1-score.
Precision Recall F1-score
Lớp 0 Lớp 1 Lớp 0 Lớp 1 Lớp 0 Lớp 1 KNN 0 .9 3 0 .8 8 0 .8 6 0.94 0 .8 9 0.91 Decision Tree 0 .7 7 0.92 0 .9 3 0 .7 5 0 .8 4 0 .8 3 Logistic Regression 0 .7 8 0 .8 6 0 .8 6 0 .7 8 0 .8 2 0 .8 2 Nạve Bayes 0 .8 4 0 .9 0 0 .9 0 0 .8 4 0 .8 7 0 .8 7 SVM 0 .8 6 0 .8 8 0 .8 6 0 .8 8 0 .8 6 0 .8 8 Random Forests 0 .8 9 0 .8 5 0 .8 3 0.91 0 .8 6 0 .8 8 5.5. Kết luận chương C á c k ế t q u ả đ ạ t đ ư ợ c ở C h ư ơ n g 5 c h o th ấ y t ín h k h ả th i k h i tr iể n k h a i m ơ h ìn h h ệ th ố n g g iá m sá t v à c ả n h b á o sứ c k h ỏ e . Đ ồ n g th ờ i v iệ c ứ n g d ụ n g h ọ c m á y v à o m ơ h ìn h h ệ th ố n g đ ể d ự đ o á n b ệ n h là m ộ t x u h ư ớ n g tấ t y ế u k h i n ề n
c ơ n g n g h iệ p 4 .0 v ớ i s ự h iệ n d iệ n c ủ a Io T , B ig D a ta v à A I n g à y c à n g m a n g lạ i
KẾT LUẬN VÀ KIẾN NGHỊ
Đ ề tà i đ ã đ ạ t đ ư ợ c m ụ c tiê u b a n đ ầ u đ ặ t r a l à th iế t k ế h ệ th ố n g g iá m s á t v à
c ả n h b á o sứ c k h ỏ e ứ n g d ụ n g c ơ n g n g h ệ IoT. H ệ th ố n g h o ạ t đ ộ n g ổ n đ ịn h , cĩ đ ộ c h ín h x á c c a o , g iá th à n h rẻ v à p h ù h ợ p v ớ i đ ặ c đ iể m s in h lý c ủ a đ ạ i đ a số n g ư ờ i d â n v ì đ ư ợ c th iế t k ế d ư ớ i d ạ n g v ị n g đ e o ta y th ơ n g m in h . V iệ c ứ n g d ụ n g c ơ n g n g h ệ L o R a g ĩ p p h ầ n tă n g v ù n g p h ủ s ĩ n g v à tă n g tu ổ i th ọ d ù n g p in đ ố i v ớ i h ệ th ố n g . B ê n c ạ n h đ ĩ , v iệ c tíc h h ợ p c h ứ c n ă n g đ o E C G W ir e le s s k h ơ n g n h ữ n g là m c h o h ệ th ố n g c à n g lin h h o ạ t m à c ị n g ĩ p p h ầ n tố i ư u h ĩ a c á c q u y
tr ìn h đ iệ n tim h iệ n n a y tạ i c á c c ơ s ở y tế , b ệ n h v iệ n h a y c á c p h ị n g k h á m . Io T
v à h ọ c m á y l à h a i c ơ n g n g h ệ đ ư ợ c áp d ụ n g r ộ n g rã i v à đ ư ợ c x e m l à x u h ư ớ n g tấ t y ế u tr o n g th ờ i đ ạ i c ơ n g n g h ệ 4 .0 . V iệ c ứ n g d ụ n g h ọ c m á y v à o h ệ th ố n g g iá m sá t v à c ả n h b á o sứ c k h ỏ e g ĩ p p h ầ n p h ị n g n g ừ a , c h ẩ n đ o á n v à p h á t h iệ n s ớ m c á c y ế u tố n g u y cơ. N h ữ n g k ế t q u ả đ ạ t đ ư ợ c c ủ a đ ề tà i g ĩ p p h ầ n c ả i th iệ n sứ c k h ỏ e n g ư ờ i d â n , g iú p p h á t h iệ n c á c b ấ t th ư ờ n g v à đ ư a r a c á c c ả n h b á o k ịp th ờ i v ề tìn h tr ạ n g sứ c k h ỏ e c ủ a n g ư ờ i d ân . D o th ờ i g ia n n g h iê n c ứ u cĩ h ạ n n ê n b ư ớ c đ ầ u tá c g iả c h ỉ tíc h h ợ p c ả m
b iế n đ o n h ịp tim , S p O 2 v à tín h iệ u đ iệ n tim E C G . T r o n g th ờ i g ia n tớ i, tá c g iả
sẽ n g h iê n c ứ u p h á t tr iể n , tíc h h ợ p th ê m n h iề u c ả m b iế n v à tr íc h x u ấ t d ữ liệ u t ừ
c á c th iế t b ị y s in h s ẵ n c ĩ tr ê n th ị tr ư ờ n g đ ể b ổ su n g , p h á t tr iể n h ệ th ố n g . Đ ồ n g th ờ i lu ậ n v ă n liê n q u a n tr ự c tiế p đ ế n lĩn h v ự c c h ă m sĩ c sứ c k h ỏ e , d o đ ĩ đ ể áp d ụ n g v à tr iể n k h a i r ộ n g rã i th ì h ệ th ố n g c ầ n đ ư ợ c k iể m đ ịn h b ở i c á c c ơ q u a n c h ứ c n ă n g v à s ự p h ố i h ợ p c ủ a c á c c ơ s ở y tế , b ệ n h v iệ n , p h ị n g k h á m v à n g ư ờ i s ử d ụ n g . V ớ i n h ữ n g k ế t q u ả đ ạ t đ ư ợ c c ủ a đ ề tà i, tá c g iả m o n g m u ố n á p d ụ n g v à
tr iể n k h a i h ệ th ố n g tr ê n d iệ n rộ n g n h ằ m g ĩ p p h ầ n m a n g lạ i n h iề u lợ i íc h v ề
DANH MỤC CƠNG TRÌNH KHOA HỌC ĐÃ CƠNG BỐ CỦA TÁC GIẢ
[1] Ngơ Văn Tâm, N g u y ễ n Đ ứ c T h iệ n , N g u y ễ n Đ ìn h L u y ệ n , H u ỳ n h N g u y ễ n B ả o P h ư ơ n g ( 2 0 2 1 ), “ H ệ th ố n g g iá m sá t v à c ả n h b á o sứ c k h ỏ e t ừ x a
th ờ i g ia n th ự c ứ n g d ụ n g I o T ” , Tạp chí khoa học và cơng nghệ Đại học
Đà Nẵng, v o l.1 9 , n o .4 .1 , p p .3 6 - 4 1 .
[2] Ngo Van Tam, N g u y e n D u c T h ie n (2 0 2 0 ), “R e a l- tim e h e a lth c a r e d a ta v is u a lis a tio n u s in g o p e n -s o u r c e p la tf o rm T h in g s b o a r d ” , Quy Nhon
DANH MỤC TÀI LIỆU THAM KHẢO
r
r ri* Ä _____
Tiêng việt
[1] B ộ T h ơ n g tin v à T r u y ề n th ơ n g ( 2 0 1 6 ), Thơng tư số 46/2016/TT-BTTTT, Đ ịa chỉ: h ttp s ://th u v ie n p h a p lu a t.v n /v a n - b a n /c o n g - n g h e - th o n g -
tin /T h o n g - tu - 4 6 - 2 0 1 6 - T T - B T T T T - d a n h - m u c - th ie t- b i- v o - tu y e n d ie n
- d u o c -m ie n - g ia y - p h e p - s u - d u n g - 3 3 8 3 0 4 .a s p x , [tru y c ậ p n g à y
2 0 /1 2 /2 0 2 0 ].
[2] B ộ T h ơ n g tin v à T r u y ề n th ơ n g ( 2 0 2 0 ), Thơng tư số 38/2020/TT-BTTTT,
Đ ịa ch ỉ: h ttp s ://h o a tie u .v n /th o n g -tu - 3 8 - 2 0 2 0 -tt- b tttt-q u v - c h u a n - k v -
th u a t - th ie t- b i- v o - tu v e n - m a n g - d ie n - r o n g - c o n g - s u a t- th a p - 2 0 4 2 8 1,
[tru y c ậ p n g à y 1 7 /0 1 /2 0 2 1 ].
[3] B ộ Y tế (2 0 1 1 ), Thơng tư 35/2011/TT-BYT, Đ ịa ch ỉ: h ttp s : //h e th o n g p h a p lu a t.c o m /th o n g - tu - 3 5 - 2 0 1 1 - tt- b y t- h u o n g - d a n c h a m -s o c -s u c -k h o e -
n g u o i- c a o - tu o i- d o - b o - y - te - b a n - h a n h .h tm l. [tru y c ậ p n g à y
2 0 /1 1 /2 0 2 0 ].
[4] B ộ Y tế ( 2 0 1 9 ), Quyết định 4888/QĐ-BYT 2019, Đ ịa chỉ: h ttp s ://lu a tv ie tn a m .v n /y - te / q u y e t- d in h - 4 8 8 8 - q d - b y t- 2 0 1 9 - d e - a n -
u n g - d u n g -v a -p h a t-tr ie n - c o n g - n g h e - th o n g - tin - y - te -th o n g -m in h -
1 7 7 8 6 4 -d 1 . h tm l, [tru y c ậ p n g à y 1 8 /0 2 /2 0 2 0 ].
[5] N g u y ễ n M in h Đ ứ c , T r ầ n H ả i N a m , Đ ỗ H ạ n h (2 0 1 8 ), “T h iế t b ị đ e o c h ă m
sĩ c sứ c k h ỏ e c h o n g ư ờ i c a o t u ổ i” , Tạp chí Khoa học và Cơng nghệ,
số 125, tr.2 3 -2 8 .
[6] L u o n g T h a i H ie n , D in h T h i T a m (2 0 1 7 ), “ S u p p o rt v e c to r m a c h in e s ,
p r e s e n te d f o r th e p r o b le m o f id e n tify in g tw o g ro u p s o f p o in ts o n th e
[7] I f a c to ry ( 2 0 1 8 ), Thực trạng triển khai IoT tại Việt Nam , Đ ịa chỉ: h ttp s ://if a c to r v .c o m .v n /th u c - tr a n g - tr ie n - k h a i- io t- ta i- v ie t- n a m /. [tru y
c ậ p n g à y 1 2 /0 1 /2 0 2 1 ].
[8] M a c h in e L e a r n in g c ơ b ả n , Các phương pháp đánh giá một hệ thống phân
lớp, Đ ịa chỉ: h ttp s ://m a c h in e le a r n in g c o b a n .c o m /2 0 1 7 /0 8 /3 1/ e v a lu a tio n /, [tru y c ậ p n g à y 2 8 /1 2 /2 0 2 0 ].
[9] M a c h in e L e a r n in g c ơ b ả n ( 2 0 1 7 ), Bài 6: K-nearest neighbors, Đ ịa chỉ: h ttp s ://m a c h in e le a r n in g c o b a n .c o m /2 0 1 7 /0 1 /0 8 /k n n /, [tru y c ậ p n g à y
1 2 /0 1 /2 0 2 1 ].
[10] M e d a lly , M edally PRO-F8, Đ ịa chỉ: h ttp s ://m e d a lly .c o m .v n / sa n - p h a m /m a v - d o - n o n g - d o - o x v - m e d a llv - p r o - f8 /. [tru y c ậ p n g à y
1 4 /1 2 /2 0 2 1 ].
[11] M e s id a s , M QTT là gì?, Đ ịa chỉ: h ttp s ://m e s id a s .c o m /m q tt/, [tru y c ậ p n g à y 0 5 /0 9 /2 0 2 0 ].
[12] Đ ỗ T h a n h N g h ị ( 2 0 0 8 ), Giáo trình khai thác dữ liệu, Đ ạ i h ọ c C ầ n T h ơ . [13] P h ù n g T r u n g N g h ĩa , L ư ơ n g V ă n G ia n g (2 0 1 8 ), Hệ thống tự động cảnh
báo, giám sát và chăm sĩc sức khỏe từ xa cho người cao tuổi về nhịp
tim, nhiệt độ, huyết áp, Đ ịa chỉ: h ttp s ://2 0 7 5 .c o m .v n /h e - th o n g - c a n h -
b a o - c h a m - s o c - v a - g ia m - s a t- s u c - k h o e - tu - x a , [tru y c ậ p n g à y
1 8 /0 3 /2 0 2 0 ].
[14] N g u y ễ n N g h ĩa (2 0 2 0 ), Bài Tốn Phân Lớp trong Machine Learning -
Classification in Machine Learning, Đ ịa chỉ: h ttp s ://w w w .s td io .v n /
a i-m l/b a i-to a n - p h a n - lo p -tr o n g - m a c h in e - le a rn in g - c la s s if ic a tio n - in -
m a c h in e - le a r n in g -5 1 5 O I h , [tru y c ậ p n g à y 1 2 /1 2 /2 0 2 0 ].
[15] B ạ c h T â n S in h (2 0 1 7 ), “K h ả n ă n g v à đ ịn h h ư ớ n g v ề s ự p h á t tr iể n In te r n e t
k ế t n ố i v ạ n v ậ t (In te rn e t o f T h in g s - Io T ) tr ê n th ế g iớ i” , JSTPM , tậ p 6, số 3, tr.8 4 -9 2 .
[16] B ạ c h T â n S in h , Đ ặ n g T h ị H o a (2 0 1 9 ), “I n te r n e t k ế t n ố i v ạ n v ậ t ở V iệ t
N a m : T h ự c tr ạ n g v à g iả i p h á p p h á t t r iể n ” , Tạp chí Khoa học & Cơng
nghệ Việt Nam , số 1 + 2 , tr.2 2 -2 4 .
[17] S ở y tế T P .H C M ( 2 0 1 9 ), Tìm hiểu các loại dữ liệu sức khoẻ của “Big
data” tại Hàn Quốc, Đ ịa chỉ: h ttp ://w w w .m e d in e t.h o c h im in h c ity .g o v .v n /c a i- c a c h - h a n h - c h in h - y -te - th o n g - m in h /tim - h ie u -c a c - lo a i-
d u -lie u - s u c - k h o e - c u a - b ig - d a ta - ta i- h a n -q u o c -c m o b ile 4 7 1 4 - 1 5 9 1 3 .a s
p x , [tru y c ậ p n g à y 2 3 /1 0 /2 0 2 0 ].
[18] T M A In n o v a tio n , Giải pháp hơ trợ giám sát sức khỏe người cao tuổi
Elder Care, Đ ịa chỉ: h ttp s ://w w w .tm a in n o v a tio n . v n /e ld e r -c a r e - h e -
th o n g - h o - tr o - g ia m - s a t- s u c - k h o e - n g u o i- c a o - tu o i/, [tru y c ậ p n g à y
1 0 /1 0 /2 0 2 0 ].
[ 19] H u ỳ n h P h ụ n g T o à n , N g u y ễ n V ũ L â m , N g u y ễ n M in h T r u n g v à Đ ỗ T h a n h
N g h ị ( 2 0 1 2 ), “R ừ n g n g ẫ u n h iê n c ả i tiế n c h o p h â n lo ạ i d ữ liệ u g e n ” ,
Tạp chí Khoa học 2012, 2 2 b , tr.9 -1 7 .
[20] T h u T r a n g ( 2 0 2 0 ), “I o T - N ề n tả n g c ơ n g n g h ệ c h o y tế th ơ n g m in h ” , Tạp
chí Thơng tin & Truyền thơng, số 7 + 8 th á n g 7 /2 0 2 0 , tr.9 9 -1 0 1 .
[21] N g u y ễ n V ă n T u ấ n (2 0 0 7 ), Phân tích hồi qui logistic trong: Phân tích số
liệu và tạo biểu đồ bằng R , N h à X u ấ t b ả n K h o a h ọ c v à K ỹ th u ậ t. [22] N g u y ễ n V ă n T u ấ n (2 0 1 4 ), Bài giảng dịch tễ học: độ nhạy, độ đặc hiệu
và ROC, Đ ịa chỉ: h ttp s ://tu a n v a n n g u y e n .tr ih o c .c o m /2 0 14 /0 9 /b a i-
g ia n g - d ic h - te - h o c - o - n h a y - o - a c - h ie u /, [tru y c ậ p n g à y 2 8 /1 1 /2 0 2 0 ].
[23] V in a F e , Ứng dụng của IoT trong Y tế, Đ ịa chỉ: h ttp ://io ttu o n g la i.c o m /u n g -d u n g -io t-tro n g - y -te .h tm l. [tru y c ậ p n g à y
[24] V in m e c , Chỉ số SPO2 ở người bình thường là bao nhiêu., Đ ịa chỉ: h ttp s ://w w w .v in m e c .c o m /v i/tin - tu c /th o n g - tin -s u c - k h o e /c h i- s o - s p o 2 -
o - n g u o i- b in h - th u o n g - la - b a o - n h ie u /? lin k ty p e = re la te d p o s ts , [tru y
c ậ p n g à y 2 3 /1 2 /2 0 2 0 ].
[25] V in m e c , Điện tâm đồ nĩi lên điều gì?, Đ ịa ch ỉ: h ttp s: //w w w .v in m e c .c o m / v i/tin - tu c /th o n g -tin - s u c - k h o e /d ie n -ta m - d o - n o i-
le n -d ie u -g i/, [tru y c ậ p n g à y 0 4 /1 0 /2 0 2 0 ].
[26] W ik ip e d ia , Học máy, Đ ịa chỉ: h t tp s ://v i.w ik ip e d ia .o r g /w ik i/ H % E 1 % B B % 8 D c m % C 3 % A 1 v , [tru y c ậ p n g à y 1 4 /0 9 /2 0 2 0 ].
Tiếng Anh
[27] A ix in S u n , E e - P e n g L im , W e e -K e o n g N g . S u n (2 0 0 2 ), Web
classification using support vector machine, P r o c e e d in g s o f th e 4 th
I n te rn a tio n a l W o rk s h o p o n W e b I n f o r m a tio n a n d D a ta M a n a g e m e n t,
M c L e a n , V irg in ia , U S A ( A C M P re ss).
[28] A . A n z a n p o u r , A .-M . R a h m a n i, P . L ilje b e r g , H . T e n h u n e n (2 0 1 5 ),
“I n te r n e t o f th in g s e n a b le d in -h o m e h e a lth m o n ito r in g s y s te m u s in g
e a rly w a r n in g s c o re ” , in: Proceedings o f the 5th EAI International Conference on Wireless Mobile Communication and Healthcare, ICST (Institute fo r Computer Sciences, Social-Informatics and
Telecommunications Engineering), p p .1 7 4 -1 7 7 .
[29] A p p le , Apple watch, A v a ila b le : h ttp s ://w w w .a p p le .c o m / h e a lth c a r e /a p p le - w a tc h /, [a c c e s s e d 2 0 /1 2 /2 0 1 9 ].
[30] L . A tz o ri, A . Ie ra , a n d G. M o r a b ito (2 0 1 0 ), “T h e I n te r n e t o f T h in g s : A
s u rv e y ” , Computer Networks, v o l. 5 4 , n o . 15, p p .2 7 8 7 - 2 8 0 5 .
te c h n iq u e s ” , International Research Journal o f Computer Science
(IRJCS), is s u e 0 4 , v o lu m e 6.
[32] L . B a o , S. I n tille ( 2 0 0 4 ), “A c tiv ity R e c o g n itio n f r o m U s e r - A n n o ta te d
A c c e le r a tio n d a ta ” , in Pervasive Computing, P ro c P e rv a s iv e : 3 0 0 1 , 2 0 0 4 , p p .1 - 1 7 .
[33] S.S . B a r o ld , R .X . S tro o b a n d t, A .F . S in n a e v e ( 2 0 1 0 ), Cardiac Pacemakers and Resynchronization Step by Step: An Illustrated
Guide, J o h n W ile y & S o n s.
[34] A . B o u r o u is , A . Z e r d a z i, M . F e h a m , A . B o u c h a c h ia (2 0 1 3 ), “M -h e a lth :
s k in d is e a s e a n a ly s is s y s te m u s in g s m a r tp h o n e ’s c a m e r a ” , Procedía
Comput., S c i.1 9 , p p . 1 1 1 6 -1 1 2 0 .
[35] L. B r e im a n (2 0 0 1 ), " R a n d o m F o r e s ts " , Machine Learning Journal Paper, v o l.4 5 , p p .5 -3 2 .
[36] J.M . B r o n s te in , M . T a g lia ti, R .L . A lte r m a n , A .M . L o z a n o , J. V o lk m a n n ,
A . S te fa n i, F .B . H o ra k , M .S . O k u n , K .D . F o o te , P. K ra c k , e t al.
(2 0 1 1 ), “D e e p b r a in s tim u la tio n f o r p a rk in s o n d ise a se : a n e x p e rt