Nghiên Cứu Một Số Thuật Toán Học Máy Và Ứng Dụng Trong Phân Loại Bệnh

Phân lớp dữ liệu là tiến trình xếp dữ liệu vào các lớp đã được định nghĩa trước, dựa vào giá trị của các thuộc tính. Quá trình phân lớp bao gồm hai giai đoạn: xây dựng mô hình phân lớp và sử dụng mô hình. Xây dựng mô hình phân lớp là mô tả một tập những lớp dữ liệu, trong đó mỗi mẫu được gán thuộc về một lớp nào đó. Tập hợp các mẫu được sử dụng trong việc xây dựng mô hình được gọi là tập huấn luyện. Mô hình thường được biểu diễn dưới dạng những luật phân lớp hoặc công thức toán học. Để xây dựng mô hình phân lớp cần sử dụng các kỹ thuật khác nhau, trong đó có các kỹ thuật học máy. Sử dụng mô hình phân lớp là sử dụng mô hình phục vụ cho mục đích phân lớp dữ liệu trong tương lai hoặc phân lớp cho những đối tượng chưa biết đến. Trước khi sử dụng mô hình người ta thường phải đánh giá độ chính xác của mô hình. Độ chính xác là phần trăm của tập hợp mẫu kiểm tra được phân loại đúng bởi mô hình. Do đó, tập kiểm tra thường là độc lập với tập huấn luyện. Bài toán phân loại bệnh là một dạng của phân lớp dữ liệu.

Đối với bài toán phân lớp dữ liệu nói chung thường được thực hiện theo 2 giai đoạn: Giai đoạn học để xây dựng mô hình phân lớp và giai đoạn phân lớp để kiểm tra đánh giá mô hình phân lớp. Đối với bài toán phân loại bệnh có thể thực hiện theo các bước sau đây. Bước 1: Thu thập dữ liệu bệnh; Bước 2: Tiền xử lý dữ liệu; Bước 3: Phân chia dữ liệu thành tập dữ liệu huấn luyện và tập dữ liệu kiểm chứng; Bước 4: Xây dựng mô hình phân lớp theo phương pháp lựa chọn phù hợp trên tập huấn luyện; Bước 5: Sử dụng mô hình phân lớp có được để phân loại với tập dữ liệu kiểm chứng và đánh giá kết quả của mô hình.

Hiệu quả của mô hình phân lớp dữ liệu nói chung và phân loại bệnh nói riêng thường được xác định thông qua các đại lượng được mô tả dưới đây. Bốn trường hợp trên thường được biểu diễn dưới dạng ma trận hỗn loạn (confusion matrix). Ta có các độ đo đánh giá sau: (1) Độ đo Precision (Mức chính xác) - Định nghĩa: Precision = TP / (TP + FP). - Ý nghĩa: Precision càng lớn có nghĩa là độ chính xác của các điểm tìm được càng cao. - Ý nghĩa: Độ đo Recall được nhân với 100 và gọi là độ đo Sensitivity (Độ nhạy). - Ý nghĩa: Accuracy phản ánh độ chính xác chung của mô hình phân lớp . (4) Độ đo F-Measure - Định nghĩa: F-Measure = 2. - Ý nghĩa: F-Measure là là độ đo bao gồm vừa Precison và Recall. - Ý nghĩa: Độ đo Specitivity là tỷ lệ dự báo chính xác. Các độ đo Sensitivity, Specitivity, Accuracy, FP rate, FN rate thường được sử dụng trong lĩnh vực y tế để giải thích lâm sàng các kết quả xét nghiệm chẩn đoán và để ước tính mức độ tốt và phù hợp khi chỉ định xét nghiệm.

Bài toán phân loại bệnh được ứng dụng rộng rãi trong y học. Gần đây việc ứng dụng bài toán phân loại bệnh trong y học ngày càng hoàn thiện trong việc tìm ra mối liên hệ giữa các triệu chứng lâm sàng, cận lâm sàng, giữa các bệnh với nhau để hỗ trợ chẩn đoán, điều trị và tiên lượng bệnh. Trong điều trị, bài toán phân loại bệnh dùng đưa ra các dự đoán về kết quả điều trị, phẫu thuật dựa trên những kết quả điều trị trước đó và tình trạng hiện tại của người bệnh. Ngoài ra kết quả của bài toán phân loại bệnh có thể hỗ trợ trong quá trình phát hiện bệnh mới. Do đó cớ thể ứng dụng trong cảnh báo dịch bệnh. Điều này đặc biệt có ý nghĩa trong giai đoạn phát sinh đại dịch.

Học máy là một lĩnh vực con của trí tuệ nhân tạo, được định nghĩa rộng rãi là khả năng của một cỗ máy bắt chước hành vi thông minh của con người. Hệ thống trí tuệ nhân tạo được sử dụng để thực hiện các nhiệm vụ phức tạp theo cách tương tự như cách con người giải quyết vấn đề. Theo Boris Katz, principal research scientist và là người đứng đầu Nhóm InfoLab tại CSAIL, mục tiêu của AI là tạo ra các mô hình máy tính thể hiện “các hành vi thông minh” giống như con người. Điều này có nghĩa là máy có thể nhận dạng cảnh trực quan, hiểu văn bản được viết bằng ngôn ngữ tự nhiên hoặc thực hiện một hành động trong thế giới vật chất. Phân loại các kỹ thuật học máy Có ba dạng học máy chính như sau: Học có giám sát, Học không giám sát, Học tăng cường.

Học máy có ứng dụng rộng khắp trong các ngành khoa học và công nghệ, đặc biệt những ngành cần phân tích khối lượng dữ liệu khổng lồ để trích xuất ra các thông tin hữu ích. Qua các nội dung trình bày ở trên, có thể nhận thấy sự tương đồng giữa quá trình học máy và quá trình phân lớp dữ liệu nói chung và bài toán phân loại bệnh nói riêng. Do đó, hầu hết các kỹ thuật học máy đều có thể sử dụng để xây dựng mô hình phân loại bệnh. Các kỹ thuật học máy tiêu biểu được ứng dụng cho bài toán phân loại bệnh bao gồm: Phương pháp Cây quyết định, Phương pháp Bayes, Phương pháp Máy vector hỗ trợ (SVM), Phương pháp Mạng no-ron nhân tạo (Artificial Neural Network - ANN).

Ban đầu thuật ngữ học sâu (Deep Learning) xuất hiện trong quá trình xây dựng các mạng nơ-ron sâu (deep neural networks) nhằm xử lý tốt hơn các bài toán phức tạp. Trong mạng nơ-ron sâu sẽ bao gồm nhiều lớp. Ví dụ, mô hình mạng nơ-ron sâu Google LeNet để nhận dạng hình ảnh có 22 lớp. Khi đó, đầu ra của một lớp nào đó sẽ được sử dung như là đầu vào của lớp kế tiếp. Do đó, quá trình học máy sẽ sâu hơn và hiệu quả hy vọng sẽ đạt được cao hơn. Học sâu không có nghĩa là học máy thêm kiến thức chuyên sâu, nó có nghĩa là máy sử dụng các lớp khác nhau để học hỏi từ dữ liệu. Độ sâu của mô hình được biểu thị bằng số lớp trong mô hình.

Hướng tiếp cận học sâu đầu tiên thường được kể đến là các mạng nơ-ron sâu. Dưới đây, luận văn liệt kê một số dạng mạng nơ-ron sâu tham khảo trên mạng Internet. Mạng nơ-ron tích chập Mạng nơ-ron tích chập (Convolutional Neural Networks - CNN) được xây dựng để xử lý hình ảnh. CNN thực hiện so sánh hình ảnh theo từng mảnh (còn gọi là các feature). Khi xem xét một hình ảnh mới, CNN không biết chính xác các feature nào sẽ khớp nên sẽ thử tất cả các mảnh có thể.

Nội dung chính của chương 2 là nghiên cứu chi tiết hai thuật toán học máy cây quyết định và máy vector hỗ trợ để giải quyết bài toán phân loại bệnh và một số vấn đề liên quan.

Nội dung chính của chương 2 là nghiên cứu chi tiết hai thuật toán học máy cây quyết định và máy vector hỗ trợ để giải quyết bài toán phân loại bệnh và một số vấn đề liên quan.

Nội dung chính của chương 3 là ứng dụng hai thuật toán học máy đã nghiên cứu trong chương 2 cho bài toán phân loại bệnh dựa trên kết quả xét nghiệm hóa nghiệm.

Nội dung chính của chương 3 là ứng dụng hai thuật toán học máy đã nghiên cứu trong chương 2 cho bài toán phân loại bệnh dựa trên kết quả xét nghiệm hóa nghiệm.