Kết quả kiểm tra đánh giá hiệu quả mạng neuron hỗ trợ chẩn đoán bệnh rối loạn
nhịp tim luyện theo mô hình mạng MLP đã thiết kế trong đồ án và theo mô hình mạng
MLP thiết kế của bài báo[3] trong chương III được tổng hợp trong Bảng 4.1 và Bảng
4.2 sau đây:
Case Gán trọng số cho thuộc
number tính
0 Trường hợp không gán
1 Gán trọng số đạo trình
tăng cường bằng 0
2 Gán trọng số đạo trình tim
bằng 0
3 Gán trọng số đạo trình cơ
bản bằng 0
4 Gán trọng số thuộc tính DI
đạo trình cơ bản bằng 0
5 Gán trọng số thuộc tính
DII đạo trình cơ bản bằng 0
6 Gán trọng số thuộc tính
DIII đạo trình cơ bản bằng 0
7 Gán trọng số thuộc tính
DIII đạo trình cơ bản và đạo trình tăng cường bằng 0
8 Gán trọng số 0.8; 0.4; 0.2
lần lƣợt với các thuộc tính
GVHD: PGS.TS Huỳnh Lương Nghĩa
đạo trình: Đạo trình cơ bản; Đạo trình tăng cường; Đạo trình tim.
9 Gán trọng số 0.9; 0.5; 0.1 lần lƣợt với các thuộc tính
đạo trình: Đạo trình cơ bản; Đạo trình tăng cường; Đạo trình tim.
Bảng 4.1: Tổng hợp kết quả kiểm tra đánh giá hiệu quả mạng neuron hỗ trợ chẩn đoán bệnh
rối loạn nhịp tim luyện theo mô hình mạng MLP đã thiết kế trong đồ án.
Case Gán trọng số cho thuộc tính
number
Kết quả luyện mạng của bài báo [3]
0 Trường hợp không gán
1 Gán trọng số đạo trình tăng
cường bằng 0
2 Gán trọng số đạo trình tim
bằng 0
3 Gán trọng số đạo trình cơ
bản bằng 0
4 Gán trọng số thuộc tính DI
đạo trình cơ bản bằng 0
5 Gán trọng số thuộc tính DII
đạo trình cơ bản bằng 0
6 Gán trọng số thuộc tính
DIII đạo trình cơ bản bằng 0
GVHD: PGS.TS Huỳnh Lương Nghĩa
7 Gán trọng số thuộc tính DIII đạo trình cơ bản và đạo trình tăng cường bằng 0
8 Gán trọng số 0.8; 0.2; 0.4 lần lƣợt với các thuộc tính đạo trình: Đạo trình cơ bản; Đạo trình tăng cường; Đạo trình tim.
9 Gán trọng số 0.9; 0.1; 0.5 lần lƣợt với các thuộc tính đạo trình: Đạo trình cơ bản; Đạo trình tăng cường; Đạo trình tim.
Bảng 4.2: Tổng hợp kết quả kiểm tra đánh giá hiệu quả mạng neuron hỗ trợ chẩn
đoán bệnh rối loạn nhịp tim luyện theo mô hình mạng MLP thiết kế của bài
báo[3]
Từ bảng 4.1 và bảng 4.2 kết quả đào tạo mạng neuron chẩn đoán bệnh rối loạn
nhịp tim trong hai trường hợp không gán và gán trong số cho các thuộc tính đầu vào
bằng 0 cho thấy:
- Kết quả nhận được ở trường hợp 1, 2, 5 và 6 tốt hơn trường hợp 0 suy ra đạo
trình tăng cường, đạo trình tim, thuộc tính DII đạo trình cơ bản, thuộc tính DIII đạo
trình cơ bản là dƣ thừa nên để tiết kiệm thời gian tính toán ta có thể bỏ qua một trong
số chúng tùy theo nhu cầu về độ xác thực và thời gian hội tụ sao cho hiệu quả nhất. Cụ
thể để có kết quả xác thực tốt nhất thì ta nên bổ thuộc tính đạo trình tim và để có thời
gian hội tụ tối ứu nhất và độ xác thực tốt ta nên bỏ thuộc tính đạo trình tăng cường.
- Trường hợp 3 cho thấy tỉ lệ sai số rất cao tỉ lệ thành công thấp nên việc bỏ
thuộc tính đạo trình cơ bản là không hợp lý. Điều này cho phép khẳng định đạo trình
cơ bản là thuộc tính quan trọng nhất trong quá trình luyện mạng neuron chẩn đoán
bệnh rối loạn nhịp tim.
- Dựa vào kết quả của các trường hợp 4,5,6 ta thấy DI là dạng thuộc tính quan
trọng nhất tiếp đến là DII và để tiết kiệm thời gian và thu đƣợc kết quả tốt hơn có thể
bỏ dạng thuộc tính DIII.
- Đối với trường hợp 7 thu được kết quả luyện mạng rất khả quan đối với thiết
kế mô phỏng lại mạng của bài báo [3] và ngƣợc lại đối với mạng thiết kế của đồ án thì
lại không khả quan điều này có thể vì dữ liệu đầu vào chứa nhiều thuộc tính không có
ý nghĩa do gán trọng số bằng 0, làm thiếu liên kết giữa các thuộc tính với nhau mà số
56
GVHD: PGS.TS Huỳnh Lương Nghĩa SVTH: Đinh Văn Quang
neuron trong lớp ẩn thiết kế mạng của luân văn lại không đủ nhiều nên dẫn đến kết quả luyện mạng không đƣợc chính xác nhƣ vậy.
- Có thể thấy trường hợp 8 và 9 của cả 2 mô hình luyện mạng đều nằm trong trường hợp đặc biệt mạng hội tụ về giá trị cực tiểu tổng thể chính bằng kết quả trường hợp 0 điều này ngầm cho ta thấy rằng mức độ quan trọng theo mức cấu trúc cơ thể cụ thể là cấu trúc cấp cơ quan chức năng của các nhóm thuộc tính đạo trình là nhƣ nhau
và chúng chỉ khác nhau về mức độ liên kết giữa các thuộc tính với nhau. Ngoài ra còn
bổ sung cho ta một phương pháp để xác định cực tiểu tổng thể.
- kết quả các trường hợp mô phỏng lại theo phương pháp của bài báo[3] thu đƣợc kết quả tốt hơn so với kết quả luyện mạng thiết kế của đồ án đối với tất cả trường hợp điều này được chứng minh trên cơ sở lý thuyết luyên mạng, số lượng neuron trong lớp ẩn mô hình mạng thiết kế của đồ án ít đồng nghĩa với việc chu kì hội
tụ mạng thiết kế của đồ án nhanh hơn và độ chính xác giảm xuống
Nhìn chung cả 2 thiết kế đều có ƣu điểm riêng về độ chính xác và thời gian hội tụ , kết quả gần như là đương đương với nhau.
Mô hình MLP đã thiết kế trong đồ án là phù hợp cho sử dụng trong chẩn đoán bênh rối loại nhịp tim.
57
GVHD: PGS.TS Huỳnh Lương Nghĩa SVTH: Đinh Văn Quang
KẾT LUẬN CHUNG VÀ ĐỀ XUẤT HƯỚNG NGHIÊN CỨU
Tóm lại, bằng cách sử dụng công cụ Neuron Network Toolbox trong phần mềm Matlab em đã 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 trong việc thăm khám cũng nhƣ đề xuất phác đồ điều trị phù hợp với từng bệnh nhân. Việc sử dụng các mô hình mạng neuron cho thấy tỷ lệ phần trăm thành công rất tốt.
Từ trên ta có phương hướng hoàn thiện mạng neuron hỗ trợ chẩn đoán là:
- Nghiên cứu xây dựng bộ dữ liệu bệnh rối loạn nhịp tim của người Việt Nam để
có thể thiết kế mạng neuron phù hợp hơn hỗ trợ chẩn đoán bệnh rối loạn nhịp tim, đạt được độ chính xác, hiệu quả hơn khi sử dụng cho người nước ta.
- Kết quả nghiên cứu có thể áp dụng cho việc chẩn đoán bệnh lý với các triệu chứng/thuộc tính đặc trƣng bệnh lý khác nhau thu nhận đƣợc ở các mức cấu trúc cơ thể khác nhau.
58
GVHD: PGS.TS Huỳnh Lương Nghĩa SVTH: Đinh Văn Quang