HỆ THỐNG BIỂU DIỄN DỮ LIỆU SỐ SANG DẠNG ẢNH CHẨN ĐOÁN BỆNH SỬ DỤNG GIẢI THUẬT HỌC SÂU PHÂN HỆ: ỨNG DỤNG DESKTOP

Abstract

Công nghệ thông tin chính là bước đột phá của khoa học kỹ thuật, tác động và giúp thay đổi mọi lĩnh vực trong đời sống của con người một cách toàn diện, trong đó có ngành y học. Công nghệ thông tin giúp tự động hóa các phương tiện chẩn đoán và điều trị dựa vào dữ liệu có sẵn. Trong chẩn đoán cận lâm sàng thì chẩn đoán dựa trên dữ liệu thu thập được từ các thiết bị, máy y tế ngày càng chiếm một vai trò quan trọng, nhất là ngày nay với sự trợ giúp của các thiết bị, máy y tế hiện đại, công nghệ cao có các phần mềm tin học hỗ trợ giúp cho việc chẩn đoán trở nên nhanh chóng và chính xác hơn. Vì thế với đề tài “ Hệ thống biểu diễn dữ liệu số sang dạng ảnh chẩn đoán bệnh sử dụng giải thuật học sâu-phân hệ : Ứng dụng Desktop ” với đề tài này chúng em mong muốn xây dựng một hệ thống hỗ trợ y bác sĩ trong việc chuẩn đoán bệnh bằng việc ứng dụng Máy học (ML) nói chung và Deep Learning (DL) nói riêng và cụ thể là dùng công cụ Deepmg [10] hỗ trợ việc chẩn đoán bệnh dựa trên dữ liệu metagenomic trong lĩnh vực chăm sóc sức khỏe và chẩn đoán bệnh. Hệ thống xây dựng mô hình và tìm cách để tối ưu hoá tập dữ liệu cần thiết để đưa vào training trong máy học, dựa vào tập dữ liệu để sử dụng thuật toán nào phù hợp trong xây dựng mô hình của máy học và sẽ sử dụng mô hình đó để dự đoán các kết quả trong tương lai. Khi có tập dữ liệu thì việc đầu tiên phải xem xem là các thuộc tính của nó ảnh hưởng thế nào đến nhãn của bộ dữ liệu này, hay nó có đặc biệt gì hay không. Do đó, trong hệ thống này chúng em muốn nói đến bài toán về máy học là các bước như thu thập dữ liệu, đánh giá dữ liệu, kiểm thử mô hình, tối ưu hóa thuật toán là các bước vô cùng quan trọng. Hệ thống sẽ sử dụng bài toán phân lớp và dự đoán hỗ trợ lưu trữ và phân tích dữ liệu số chuyển sang dạng ảnh hỗ trợ bác sĩ ra quyết định lâm sàng, chẩn đoán bệnh khách quan hơn, nhanh chóng và chính xác hơn. Phân lớp là hình thức phân tích dữ liệu để rút ra các mô hình mô tả các lớp dữ liệu quan trọng. Không thuật toán nào vượt trội nhất cho mọi tập dữ liệu. Dựa vào các tiêu chí đánh giá như độ chính xác, thời gian huấn luyện, tính linh hoạt, độ lỗi,… để có thể đưa ra quyết định sử dụng mô hình nào.