Nhận diện COVID-19 qua âm thanh tiếng ho: Nghiên cứu và ứng dụng

Khóa luận nghiên cứu ứng dụng khoa học dữ liệu trong việc nhận diện Covid-19 qua đặc trưng âm thanh tiếng ho, mang lại giải pháp mới.

• Tác giả: Duong Van Binh
• Người hướng dẫn: TS. Do Trong Hop
• Trường học: Đại học Quốc gia TP. Hồ Chí Minh
• Chuyên ngành: Khoa học dữ liệu
• Đề tài: Nhận diện COVID-19 qua âm thanh tiếng ho
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2022
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CẢM ƠN
• 1. CHƯƠNG 1: TỔNG QUAN ĐỀ TÀI
• 1.1. Lý do chọn đề tài
• 1.2. Tổng quan bài toán phân loại âm thanh
• 1.3. Phân loại âm thanh tiếng ho COVID-19
• 1.4. Các công trình và nghiên cứu liên quan
• 2. PHƯƠNG PHÁP TIẾP CẬN
• 2.1. Bộ dữ liệu âm thanh tiếng ho
• 2.1.1. Bộ dữ liệu AICovidVN
• 2.1.2. Bộ dữ liệu COUGHVID
• 2.1.3. Bộ dữ liệu Coswara
• 2.2. Đặc trưng trích xuất từ âm thanh tiếng ho
• 2.2.1. Tổng quan về đặc trưng âm thanh
• 2.2.2. Mel-frequency cepstral coefficients (MFCC)
• 2.2.3. Phương pháp xử lý đặc trưng
• 2.3. Synthetic Minority Oversampling Technique (SMOTE)
• 2.4. Mạng sinh đối kháng (GAN)
• 2.5. Các mô hình phân loại
• 2.5.1. Support Vector Machine (SVM)
• 2.5.2. Light Gradient Boosted Machine (Light-GBM)
• 2.5.3. Convolutional Neural Network (CNN)
• 2.5.4. Long short-term memory (LSTM)
• 2.6. Độ đo đánh giá Area Under The Curve - Receiver Operating Characteristic (AUC-ROC)
• 3. HỆ THỐNG CHUẨN ĐOÁN COVID-19 QUA ÂM THANH TIẾNG HO
• 3.1. Hệ thống chuẩn đoán COVID-19 qua âm thanh tiếng ho
• 3.2. Quy trình phân tích và xử lý và trích xuất đặc trưng
• 3.2.1. Cough segmentation
• 3.2.2. Cough concatenation
• 3.3. Giải pháp phát hiện âm thanh tiếng ho
• 3.4. Giải pháp nhận diện âm thanh tiếng ho COVID-19
• 3.5. Giải pháp tạo sinh đặc trưng tiếng ho COVID-19: COVID-19 Cough GAN
• 4. XÂY DỰNG THÍ NGHIỆM VÀ PHÁT TRIỂN HỆ THỐNG
• 4.1. Tổng quan mô hình thực nghiệm
• 4.2. Hướng tiếp cận học máy
• 4.3. Hướng tiếp cận học sâu
• 4.4. Hướng tiếp cận tăng cường dữ liệu bằng GAN
• 4.5. Dữ liệu metadata
• 4.6. Dữ liệu tiếng ho
• 4.7. Kết quả thí nghiệm
• 4.7.1. Phát hiện âm thanh tiếng ho
• 4.7.2. Nhận diện COVID-19 qua âm thanh tiếng ho
• 4.7.2.1. Mô hình học máy
• 4.7.2.2. Mô hình học sâu
• 4.7.2.3. Mô hình học sâu với dữ liệu tăng cường
• 5. XÂY DỰNG HỆ THỐNG ỨNG DỤNG
• 5.1. Môi trường thực hiện
• 5.2. Xây dựng hệ thống
• 5.3. Ý tưởng hệ thống
• 5.4. Phương pháp thực hiện
• 5.5. Kết quả chương trình
• 6. KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• 6.1. Kết quả đề tài
• 6.2. Đóng góp và phương pháp đề xuất
• 6.3. Hướng phát triển
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về nhận diện COVID 19 qua âm thanh tiếng ho

Nghiên cứu về việc nhận diện COVID-19 qua âm thanh tiếng ho đang trở thành một lĩnh vực quan trọng trong y tế. Âm thanh tiếng ho không chỉ là triệu chứng của nhiều bệnh lý mà còn chứa đựng thông tin quý giá về tình trạng sức khỏe của bệnh nhân. Việc áp dụng công nghệ AI và học máy trong phân tích âm thanh tiếng ho có thể giúp phát hiện COVID-19 một cách nhanh chóng và hiệu quả.

1.1. Tại sao âm thanh tiếng ho lại quan trọng trong y tế

Âm thanh tiếng ho mang lại thông tin về tình trạng hô hấp của bệnh nhân. Nghiên cứu cho thấy rằng tiếng ho có thể phản ánh sự hiện diện của virus, đặc biệt là COVID-19, thông qua các đặc điểm âm thanh riêng biệt.

1.2. Các nghiên cứu trước đây về âm thanh tiếng ho

Nhiều nghiên cứu đã chỉ ra rằng tiếng ho có thể được sử dụng để phân loại các bệnh lý khác nhau. Các công trình này đã mở ra hướng đi mới cho việc phát hiện COVID-19 thông qua âm thanh.

II. Thách thức trong việc nhận diện COVID 19 qua âm thanh tiếng ho

Mặc dù có nhiều tiềm năng, việc nhận diện COVID-19 qua âm thanh tiếng ho cũng gặp phải nhiều thách thức. Các vấn đề như chất lượng dữ liệu, độ chính xác của mô hình và sự khác biệt trong âm thanh tiếng ho giữa các bệnh nhân cần được giải quyết.

2.1. Vấn đề về chất lượng dữ liệu âm thanh

Chất lượng âm thanh thu được từ các thiết bị khác nhau có thể ảnh hưởng đến độ chính xác của việc nhận diện. Nhiều âm thanh có thể bị nhiễu hoặc không rõ ràng, gây khó khăn trong việc phân tích.

2.2. Độ chính xác của các mô hình học máy

Các mô hình học máy cần được huấn luyện trên dữ liệu phong phú và đa dạng để đạt được độ chính xác cao. Việc thiếu dữ liệu có thể dẫn đến kết quả không chính xác.

III. Phương pháp nhận diện COVID 19 qua âm thanh tiếng ho

Để nhận diện COVID-19 qua âm thanh tiếng ho, nhiều phương pháp đã được phát triển. Các phương pháp này bao gồm việc sử dụng các kỹ thuật học máy và học sâu để phân tích đặc trưng âm thanh.

3.1. Kỹ thuật trích xuất đặc trưng âm thanh

Trích xuất đặc trưng âm thanh là bước quan trọng trong việc nhận diện. Các đặc trưng như Mel-frequency cepstral coefficients (MFCC) thường được sử dụng để phân tích âm thanh tiếng ho.

3.2. Mô hình học sâu trong nhận diện âm thanh

Mô hình học sâu như CNN và LSTM đã được áp dụng để cải thiện độ chính xác trong việc nhận diện COVID-19 qua âm thanh tiếng ho. Những mô hình này có khả năng học từ dữ liệu lớn và phát hiện các mẫu phức tạp.

IV. Ứng dụng thực tiễn của nhận diện COVID 19 qua âm thanh tiếng ho

Việc nhận diện COVID-19 qua âm thanh tiếng ho không chỉ là lý thuyết mà còn có nhiều ứng dụng thực tiễn. Các ứng dụng này có thể giúp sàng lọc nhanh chóng và hiệu quả trong cộng đồng.

4.1. Hệ thống sàng lọc COVID 19 từ xa

Hệ thống sàng lọc COVID-19 từ xa thông qua âm thanh tiếng ho có thể giúp giảm thiểu sự lây lan của virus. Người dùng chỉ cần ghi âm tiếng ho và nhận kết quả phân tích ngay lập tức.

4.2. Tích hợp vào ứng dụng di động

Các ứng dụng di động có thể tích hợp công nghệ nhận diện âm thanh tiếng ho, giúp người dùng dễ dàng kiểm tra tình trạng sức khỏe của mình mà không cần đến bệnh viện.

V. Kết luận và tương lai của nhận diện COVID 19 qua âm thanh tiếng ho

Nhận diện COVID-19 qua âm thanh tiếng ho là một lĩnh vực đầy hứa hẹn. Với sự phát triển của công nghệ AI và học máy, khả năng phát hiện COVID-19 từ xa sẽ ngày càng chính xác và hiệu quả hơn.

5.1. Tương lai của nghiên cứu trong lĩnh vực này

Nghiên cứu về nhận diện COVID-19 qua âm thanh tiếng ho sẽ tiếp tục phát triển, mở ra nhiều cơ hội mới trong việc ứng dụng công nghệ vào y tế.

5.2. Đóng góp cho cộng đồng y tế

Việc phát triển các giải pháp nhận diện COVID-19 qua âm thanh tiếng ho sẽ góp phần quan trọng trong việc kiểm soát dịch bệnh và bảo vệ sức khỏe cộng đồng.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Đại dịch COVID-19 do virus SARS-CoV-2 gây ra đã được Tổ chức Y tế Thế giới (WHO) tuyên bố là đại dịch toàn cầu vào ngày 11/02/2020. Tính đến ngày 29/11/2021, thế giới ghi nhận 261.763.255 ca nhiễm, 5.217.302 ca tử vong; tại Việt Nam có 1.210.340 ca nhiễm và 24.882 ca tử vong. Phương pháp xét nghiệm tiêu chuẩn hiện nay là rRT-PCR (real-time Reverse Transcription Polymerase Chain Reaction) tuy có độ chính xác cao nhưng gặp nhiều rào cản: chi phí xét nghiệm lớn, tính khả dụng hạn chế theo địa lý và thời gian, yêu cầu nhân lực y tế chuyên môn và cơ sở vật chất phòng thí nghiệm, đồng thời tiềm ẩn nguy cơ lây nhiễm chéo tại các điểm lấy mẫu tập trung.

Các nghiên cứu y sinh và phân tích âm thanh chỉ ra rằng virus SARS-CoV-2 gây ra những biến đổi hình thái bệnh lý đặc thù trong hệ thống hô hấp, dẫn đến các đặc trưng tiềm ẩn trong tiếng ho của bệnh nhân COVID-19 có sự khác biệt so với tiếng ho sinh lý thông thường hoặc tiếng ho do các bệnh lý hô hấp khác (viêm thanh quản, viêm phế quản, u phổi, áp xe phổi). Do đó, việc ứng dụng Trí tuệ nhân tạo (AI), Học máy (Machine Learning) và Học sâu (Deep Learning) để phân tích tín hiệu âm thanh tiếng ho nhằm phục vụ sàng lọc sơ bộ từ xa là một giải pháp khả thi, tiết kiệm và an toàn.

Nhiệm vụ và mục tiêu nghiên cứu của đề tài được xác định cụ thể như sau:

1. Nghiên cứu, phân tích các đặc trưng âm học riêng biệt của tiếng ho ở bệnh nhân nhiễm COVID-19 và khảo sát các phương pháp rút trích đặc trưng âm thanh.
2. Áp dụng, cải tiến và đánh giá thực nghiệm các mô hình Học máy, Học sâu (bao gồm mô hình lai kết hợp thông tin metadata và mô hình tạo sinh GAN) trên các tập dữ liệu chuẩn nhằm tối ưu hiệu năng phân loại và hạn chế tỷ lệ âm tính giả (lỗi loại II).
3. Thiết kế và hiện thực hóa hệ thống ứng dụng thử nghiệm (web-based) hỗ trợ thu nhận âm thanh tiếng ho và thông tin lâm sàng để đưa ra chẩn đoán tự động.

Đối tượng nghiên cứu là tín hiệu âm thanh tiếng ho của con người kết hợp dữ liệu bảng (metadata) gồm thông tin cá nhân và triệu chứng lâm sàng. Phạm vi dữ liệu thực nghiệm bao gồm 3 bộ dữ liệu tiếng ho lớn: Coswara (4.465 mẫu âm thanh thu thập từ 12/04/2020 đến 30/09/2021), COUGHVID (hơn 25.000 bản ghi, với hơn 2.800 bản ghi được 4 bác sĩ chuyên khoa gán nhãn), AICovidVN (4.504 mẫu thu thập tại các khu cách ly và bệnh viện điều trị ở Việt Nam từ đợt dịch thứ tư ngày 27/04/2021) và bộ dữ liệu âm thanh môi trường ESC-50 (2.000 bản ghi 5 giây thuộc 50 lớp âm thanh) dùng cho bài toán phát hiện tiếng ho.

Cơ sở lý thuyết và phương pháp nghiên cứu

Nghiên cứu kết hợp các lý thuyết xử lý tín hiệu số âm thanh, các kỹ thuật xử lý dữ liệu mất cân bằng và các thuật toán học máy, học sâu chuyên biệt:

• Lý thuyết xử lý tín hiệu âm thanh: Tín hiệu âm thanh theo thời gian được chuyển sang miền tần số thông qua biến đổi Fourier (Fourier Transform - FT) và nghịch đảo (Inverse Fourier Transform - IFT) để tạo phổ biên độ (spectrum) và spectrogram. Thang đo tần số Mel ($f_{Mel} = 1127 \times \ln(1 + f/700)$) được áp dụng để mô phỏng nhận thức thính giác của con người, tạo ra Mel-spectrogram. Đặc trưng MFCC (Mel-frequency cepstral coefficients) được trích xuất thông qua 6 bước tuần tự: Tiền nhấn (Pre-emphasis), Chia khung (Framing với kích thước 20-40 ms, độ chồng lắp 10-15 ms), Cửa sổ Hamming (Hamming Window), Biến đổi FFT tính toán phổ công suất (Power Spectrum), Bộ lọc Mel (Mel Filter Banks), và Biến đổi Cosine rời rạc (Discrete Cosine Transform - DCT).
• Phương pháp tiền xử lý và tăng cường dữ liệu:
  • Standard Scaler: Chuẩn hóa dữ liệu số theo phân phối chuẩn với kỳ vọng $\mu = 0$ và độ lệch chuẩn $\sigma = 1$.
  • SMOTE (Synthetic Minority Oversampling Technique): Tạo sinh các mẫu tổng hợp cho nhóm thiểu số (dương tính COVID-19) dựa trên phép tổ hợp tuyến tính với $k$ láng giềng gần nhất nhằm triệt tiêu mất cân bằng nhãn.
  • Mạng sinh đối kháng GAN (Generative Adversarial Network): Gồm Trình tạo (Generator - $G$) sinh đặc trưng giả từ vector nhiễu $z$ và Trình phân biệt (Discriminator - $D$) phân loại đặc trưng thật/giả, tối ưu qua hàm mục tiêu minimax $\min_G \max_D V(D,G) = \mathbb{E}{x \sim p{data}}[\log D(x)] + \mathbb{E}_{z \sim p_z}[\log(1 - D(G(z)))]$.
• Các mô hình phân loại:
  • Học máy truyền thống: Support Vector Machine (SVM) tìm siêu phẳng phân cách tối đa hóa lề (maximum margin); Light Gradient Boosted Machine (Light-GBM) phát triển cây theo chiều sâu (leaf-wise) kết hợp thuật toán GOSS và EFB; CatBoost xử lý trực tiếp đặc trưng phân loại; Random Forest kết hợp kỹ thuật Bagging và Bootstrap Sampling.
  • Học sâu: Mạng nơ-ron tích chập (Convolutional Neural Network - CNN, MobileNet sử dụng tích chập Depthwise và Pointwise separable convolution); Mạng bộ nhớ ngắn hạn dài (Long Short-Term Memory - LSTM) với 3 cổng kiểm soát luồng thông tin: Cổng quên (Forget Gate), Cổng vào (Input Gate) và Cổng ra (Output Gate).
• Độ đo đánh giá: Sử dụng diện tích dưới đường cong ROC (Area Under the Curve - ROC, AUC-ROC) và Ma trận nhầm lẫn (Confusion Matrix) để đánh giá khả năng phân loại.

Nội dung chính theo từng chương

Chương 1: Tổng quan đề tài

Chương 1 trình bày lý do chọn đề tài dựa trên tính cấp bách của đại dịch COVID-19 và nhu cầu cấp thiết về các công cụ sàng lọc không tiếp xúc. Chương phân tích tổng quan bài toán phân loại âm thanh trong y tế và cơ sở bệnh lý của tiếng ho do SARS-CoV-2. Đồng thời, tác giả khảo sát chi tiết các công trình tiền tiêu trên thế giới: nghiên cứu của Ali Imran và cộng sự với quy trình chẩn đoán 2 giai đoạn đạt độ chính xác từ 80% đến 93% trên tập dữ liệu nhỏ (70 mẫu COVID-19, 247 mẫu thường); nghiên cứu của Madhurananda Pahar và cộng sự áp dụng SMOTE, SFS kết hợp ResNet50 đạt AUC 0.976 trên Coswara và 0.938 trên Sarcos; nghiên cứu của Jostein Leirgulen và cộng sự đề xuất đưa các trường metadata (tuổi, giới tính, tiền sử bệnh hô hấp, triệu chứng) vào mô hình XGBoost để tăng độ chính xác phân loại trên tập COUGHVID.

Chương 2: Phương pháp tiếp cận

Chương này tập trung mô tả chi tiết 4 tập dữ liệu sử dụng trong nghiên cứu (AICovidVN, COUGHVID, Coswara, ESC-50). Tác giả hệ thống hóa toàn bộ cơ sở toán học của việc xử lý tín hiệu âm thanh: biến đổi Fourier, thang đo Mel, trích xuất đặc trưng Mel-spectrogram và 13-39 hệ số MFCC. Tiếp đó, chương phân tích chi tiết cơ chế hoạt động, công thức toán học và cấu trúc của các phương pháp tiền xử lý (Standard Scaler, SMOTE, GAN) cùng các thuật toán phân loại (SVM, Light-GBM, CatBoost, Random Forest, CNN, MobileNet, LSTM) và tiêu chuẩn đánh giá AUC-ROC.

Chương 3: Hệ thống chuẩn đoán COVID-19 qua âm thanh tiếng ho

Chương 3 thuyết minh cấu trúc hệ thống hoàn chỉnh gồm 3 mô-đun chính:

1. Quy trình phân tích, xử lý và trích xuất đặc trưng: Đề xuất hai kỹ thuật chuyên biệt là Cough Segmentation (phân đoạn loại bỏ khoảng lặng/tạp âm, chỉ giữ lại đoạn ho thực) và Cough Concatenation (ghép nối các phân đoạn tiếng ho ngắn thành chuỗi âm thanh chuẩn hóa nhằm tăng mật độ thông tin).
2. Giải pháp phát hiện tiếng ho (Cough Detection): Xây dựng mô hình học sâu tiếp nhận đồng thời hai dạng đặc trưng đầu vào (1-D và 2-D) để phân loại giữa âm thanh tiếng ho và các tạp âm môi trường từ tập ESC-50.
3. Giải pháp nhận diện COVID-19 và tạo sinh: Đề xuất mô hình lai (Hybrid Model) kết hợp song song đặc trưng âm phổ tiếng ho và vector đặc trưng metadata lâm sàng; thiết kế mạng COVID-19 Cough GAN để tự động sinh các vector đặc trưng tiếng ho nhân tạo từ tập AICovidVN nhằm bù đắp dữ liệu thiểu số.

+-------------------------------------------------------------------------+
|                  KIẾN TRÚC HỆ THỐNG ĐỀ XUẤT                             |
|                                                                         |
|  [Tín hiệu âm thanh] ---> [Cough Segmentation & Concatenation]          |
|                                     |                                   |
|                                     v                                   |
|                         [Cough Detection (1D & 2D)]                     |
|                                     |                                   |
|       +-----------------------------+---------------------------+       |
|       |                                                         |       |
|       v                                                         v       |
|  [Trích xuất MFCC / Mel-spec]                            [Metadata]     |
|       |                                                         |       |
|       +-----------------------------+---------------------------+       |
|                                     |                                   |
|                                     v                                   |
|                     [Mô hình Lai tạo (Hybrid Model)]                    |
|                        (Kết hợp COVID-19 Cough GAN)                     |
|                                     |                                   |
|                                     v                                   |
|                        [Kết quả chẩn đoán COVID-19]                     |
+-------------------------------------------------------------------------+

Chương 4: Xây dựng thí nghiệm và phát triển hệ thống

Chương 4 thiết lập môi trường thực nghiệm với chiến lược kiểm định chéo (Cross-validation) để đảm bảo tính khách quan (dữ liệu của cùng một người không xuất hiện đồng thời ở tập huấn luyện và kiểm thử). Tác giả tiến hành chuẩn hóa nhãn và thử nghiệm lần lượt:

• Đánh giá các mô hình phát hiện tiếng ho trên dữ liệu kết hợp âm thanh ho và ESC-50.
• Thực nghiệm các thuật toán học máy (SVM, Light-GBM, CatBoost, Random Forest) trên 3 tập dữ liệu Coswara, COUGHVID và AICovidVN.
• Thực nghiệm mô hình học sâu MobileNet trên đặc trưng phổ 2-D.
• Thực nghiệm mô hình lai kết hợp đặc trưng âm thanh và metadata.
• Thực nghiệm mô hình học sâu với dữ liệu tăng cường từ COVID-19 Cough GAN.

Chương 5: Xây dựng hệ thống ứng dụng

Chương 5 hiện thực hóa giải pháp thành một ứng dụng web hoàn chỉnh theo kiến trúc Model-View-Template (MVT) của Django framework. Hệ thống cung cấp giao diện trực quan cho phép người dùng khai báo thông tin cá nhân, triệu chứng bệnh lý và ghi âm trực tiếp tiếng ho qua trình duyệt. Dữ liệu âm thanh và metadata sau khi thu nhận sẽ được đưa qua pipeline tiền xử lý, trích xuất đặc trưng và nạp vào mô hình lai để trả về kết quả dự đoán nguy cơ nhiễm bệnh.

Chương 6: Kết luận và hướng phát triển

Tổng kết toàn bộ các kết quả đạt được về mặt lý thuyết, phương pháp xử lý dữ liệu và hiệu năng của các mô hình thực nghiệm; chỉ rõ các đóng góp cốt lõi của khóa luận và đề xuất định hướng nghiên cứu mở rộng trong tương lai.

Thiết kế và triển khai hệ thống

Hệ thống ứng dụng được thiết kế và triển khai với các đặc tính kỹ thuật ghi nhận trong văn bản:

• Kiến trúc phần mềm: Sử dụng mô hình Model-View-Template (MVT) trên nền tảng Django Framework (Python).
• Quy trình xử lý của ứng dụng:
  1. Giao diện người dùng (View/Template): Tiếp nhận thông tin nhân khẩu học (tuổi, giới tính), tình trạng bệnh lý nền, triệu chứng lâm sàng và giao diện ghi âm âm thanh tiếng ho trực tiếp.
  2. Bộ xử lý trung tâm (Controller/Model): Thực thi mô-đun Cough Segmentation để lọc nhiễu, chuẩn hóa tín hiệu, trích xuất đặc trưng âm học (MFCC/Mel-spectrogram) và mã hóa metadata thành vector.
  3. Bộ suy luận (Inference Engine): Nạp các đặc trưng vào mô hình lai đã huấn luyện sẵn để tính toán xác suất dương tính và hiển thị cảnh báo phân loại cho người dùng.

Kết quả và đóng góp nghiên cứu

Nghiên cứu đạt được các kết quả thực nghiệm và đóng góp cụ thể sau:

STT	Thành phần đóng góp	Nội dung chi tiết
1	Xử lý dữ liệu & Đặc trưng	Đề xuất quy trình kết hợp Cough Segmentation và Cough Concatenation giúp loại bỏ đoạn câm, tối ưu hóa độ dài chuỗi âm thanh và nâng cao chất lượng đặc trưng trích xuất.
2	Mô hình Phát hiện tiếng ho	Xây dựng mạng học sâu tiếp nhận song song đặc trưng 1 chiều (1-D) và 2 chiều (2-D) để phân loại chính xác tiếng ho khỏi tạp âm môi trường ESC-50.
3	Mô hình Lai chẩn đoán COVID-19	Thiết kế kiến trúc Hybrid kết hợp đặc trưng âm học tiếng ho cùng dữ liệu bảng metadata, mang lại hiệu năng phân loại cao hơn so với việc chỉ sử dụng đơn lẻ tín hiệu âm thanh.
4	Mô hình Tăng cường dữ liệu GAN	Thiết kế kiến trúc COVID-19 Cough GAN huấn luyện trên tập dữ liệu AICovidVN, tạo sinh thành công các vector đặc trưng tiếng ho nhân tạo chất lượng cao để khắc phục hiện tượng mất cân bằng mẫu.
5	Phần mềm ứng dụng	Xây dựng hoàn chỉnh ứng dụng web demo trên Django MVT, chứng minh tính khả thi trong việc triển khai giải pháp sàng lọc từ xa.

Khóa luận đã so sánh toàn diện các mô hình học máy (SVM, Light-GBM, CatBoost, Random Forest) và học sâu (MobileNet, LSTM, Hybrid Model) trên cả ba bộ dữ liệu Coswara, COUGHVID và AICovidVN, cung cấp bức tranh đối chuẩn chi tiết về hiệu quả của từng hướng tiếp cận.

Hạn chế và hướng nghiên cứu tiếp

• Hạn chế: Các bộ dữ liệu thu thập qua hình thức cộng đồng trực tuyến (crowdsourcing) vẫn tồn tại nhiều tạp âm phức tạp, chất lượng bản ghi không đồng đều và độ mất cân bằng giữa ca âm tính/dương tính còn cao. Ngoài ra, việc ứng dụng trong chẩn đoán y tế thực tế đòi hỏi mô hình phải tiếp tục kiểm soát chặt chẽ tỷ lệ lỗi loại II (âm tính giả) để tránh bỏ sót ca bệnh.
• Hướng nghiên cứu tiếp:
  • Tối ưu hóa thuật toán lọc nhiễu thích nghi cho các môi trường thu âm di động có độ ồn cao.
  • Mở rộng phối hợp thu thập dữ liệu lâm sàng chuẩn hóa có kiểm chứng bằng kết quả rRT-PCR song song tại các cơ sở y tế.
  • Phát triển các phiên bản ứng dụng di động độc lập (Android/iOS) và tích hợp các cơ chế giải thích mô hình (Explainable AI) nhằm cung cấp cơ sở tin cậy cho nhân viên y tế.

Giá trị tham khảo

Khóa luận tốt nghiệp là tài liệu tham khảo giá trị cho sinh viên, học viên cao học và các nhóm nghiên cứu thuộc các chuyên ngành Khoa học Dữ liệu, Trí tuệ Nhân tạo, Công nghệ Thông tin và Kỹ thuật Y sinh.

Các nội dung có giá trị tham khảo cao nhất bao gồm:

• Quy trình xử lý tín hiệu âm thanh chuẩn hóa từ bước lọc âm, trích xuất MFCC, Mel-spectrogram đến kỹ thuật Cough Segmentation và Cough Concatenation.
• Phương pháp xây dựng mô hình lai (Hybrid Network) kết hợp dữ liệu phi cấu trúc (âm thanh) và dữ liệu có cấu trúc (metadata).
• Kiến trúc và kỹ thuật huấn luyện mạng sinh đối kháng (COVID-19 Cough GAN) trong xử lý mất cân bằng dữ liệu chuỗi/âm phổ.
• Mã nguồn cấu trúc pipeline triển khai mô hình học sâu lên ứng dụng web với Django.

Câu hỏi thường gặp

1. Khóa luận sử dụng những bộ dữ liệu tiếng ho cụ thể nào để huấn luyện và kiểm thử? Khóa luận sử dụng 3 bộ dữ liệu tiếng ho chính: Coswara (4.465 bản ghi âm ho sâu và ho nông), COUGHVID (hơn 25.000 bản ghi, có 2.800 bản ghi được chuyên gia y tế gán nhãn), AICovidVN (4.504 bản ghi thu thập tại các khu cách ly Việt Nam) và 1 bộ dữ liệu âm thanh môi trường ESC-50 (2.000 file âm thanh thuộc 50 lớp) phục vụ bài toán phát hiện tiếng ho.

2. Kỹ thuật Cough Segmentation và Cough Concatenation có vai trò gì trong đề tài? Cough Segmentation thực hiện việc định vị và cắt các đoạn tiếng ho thực sự, loại bỏ khoảng lặng và tạp âm nền không liên quan. Cough Concatenation sau đó ghép các đoạn ho đơn lẻ lại để tạo chuỗi tín hiệu có độ dài chuẩn hóa, giúp làm tăng mật độ thông tin hữu ích và cải thiện chất lượng đặc trưng trích xuất cho các mô hình phân loại.

3. Kiến trúc mô hình lai (Hybrid Model) nhận những đầu vào nào? Mô hình lai tiếp nhận đồng thời hai luồng dữ liệu độc lập: luồng thứ nhất là đặc trưng âm học trích xuất từ tiếng ho (Mel-spectrogram/MFCC) đi qua các lớp tích chập, và luồng thứ hai là vector đặc trưng metadata (tuổi, giới tính, triệu chứng lâm sàng, tiền sử bệnh) đi qua các lớp Dense, sau đó kết hợp lại ở tầng Fully Connected để đưa ra dự đoán phân loại.

4. Mô hình COVID-19 Cough GAN giải quyết vấn đề gì trong khóa luận? Mô hình GAN được thiết kế với Generator và Discriminator nhằm học phân phối của các mẫu tiếng ho dương tính COVID-19 trên tập AICovidVN, từ đó sinh ra các vector đặc trưng nhân tạo giúp cân bằng tập dữ liệu huấn luyện, khắc phục hiện tượng mất cân bằng nhãn trầm trọng giữa số ca nhiễm và ca không nhiễm.

5. Ứng dụng web demo của khóa luận được xây dựng bằng công nghệ gì? Hệ thống demo được xây dựng trên ngôn ngữ Python sử dụng Django Framework theo mô hình Model-View-Template (MVT), hỗ trợ tiếp nhận biểu mẫu khai báo lâm sàng, ghi âm trực tiếp tiếng ho qua giao diện web và hiển thị kết quả chẩn đoán tự động.

Kết luận

Khóa luận tốt nghiệp của hai tác giả Dương Văn Bình và Lê Trần Hoài An đã hoàn thành việc nghiên cứu, xây dựng và thực nghiệm toàn diện các phương pháp nhận diện COVID-19 qua đặc trưng tiềm ẩn của tiếng ho. Đề tài đã đề xuất thành công các quy trình tiền xử lý tín hiệu chuyên biệt (Cough Segmentation, Concatenation), mô hình lai kết hợp metadata và mạng tạo sinh đặc trưng COVID-19 Cough GAN trên các bộ dữ liệu lớn gồm AICovidVN, COUGHVID và Coswara. Kết quả nghiên cứu cùng hệ thống ứng dụng web Django MVT đã chứng minh tính khả thi của giải pháp AI trong việc hỗ trợ sàng lọc bệnh lý đường hô hấp không xâm lấn, mở ra tiềm năng ứng dụng thực tiễn trong quản lý và chăm sóc sức khỏe cộng đồng.

Trích đoạn nội dung tài liệu

Chương 1. TONG QUAN DE TẢI. 2-52 522S2SEE‡EESEE2EE2E12E1571711222212 22x crxe 3 1. Lý do chọn đề tài.Ặ 2Q Q ST n HH TT TT nghe 4 RA TC.

Tổng quan bài toán phân loại âm thanh. _ Phân loại âm thanh tiếng ho COVID-1Ó9. Cac công trình và nghiên cứu liên quan. PHƯƠNG PHÁP TIẾP CAN.

Cac bộ dữ liệu âm thanh tiếng ho. Bộ dữ liệu AICovidVN. HH HH HH hệ, 11 2. Bộ dữ liệu COUGHVID occ ececeeseenecneeeeceeeeseeseceeneeeeeneeeaeeaees 12 2.

Bộ dữ liệu Coswar. Bộ dữ liệu ESC-5(. ST ST HH HH TH HH HH key 13 2. _ Đặc trưng trích xuất từ âm thanh tiếng ho.

Tổng quan về đặc trưng âm thanh .- ch nh TH Hàn nh nh nành 15 2. Mel-frequency cepstral coefficients (MFCC). Phương pháp xử lý đặc trung oo. ch H TH HH HH ng 18 2.

Synthetic Minority Oversampling Technique (SMOTE). Mạnh sinh đối khang (GAN). Cac mô hình phan ÌOạI. Support Vector Machine (SVM).--c Hs SH ng tren 22 2.

Light Gradient Boosted Machine (Light-GBMI). Convolutional Neural Network (CNN). Long short-term memory (LSTM). HH HH HH TH HH nh nh HH40 2.

Độ đo đánh gia Area Under The Curve - Receiver Operating Ôi) 10i1y3i14. HỆ THONG CHUAN DOAN COVD-19 QUA ÂM THANH TIENG aaá:ẢẳẳẢẳẮẮẦẮÁ. Hệ thống chuẩn đoán COVID-19 qua âm thanh tiếng ho. Quy trình phân tích và xử lý và trích xuất đặc trưng.

Cough seømenfafIOn. Cough concaf€nafiON. Giải pháp phát hiện âm thanh tiếng ho: Cough Detection. _ Giải pháp nhận diện âm thanh tiếng ho COVID-19: COVID-19 Cough |9 340)0519)9EEHHadddddidiiidddÝŸỶŸỐ.

Giải pháp tạo sinh đặc trưng tiếng ho COVID-19: COVID-19 Cough GAN. XÂY DUNG THÍ NGHIEM VA PHAT TRIEN HỆ THONG. Téng quan mô hình thực nghiém. Huong tiếp cận học may.

Hurong tiếp cận học Sau v. Hướng tiếp cận tăng cường dữ liệu bang GAN. Dữ liệu metadata. Dit liệu tiếng ho.c- + 5c tt EE21121211 2112112111 Ertke 57 4.

Kết quả thí nghiệm. Phat hiện âm thanh tiếng ho. - 2 2 2+E+E£EE£EE2EE2EeEEerkerxerkee 59 4. Nhận diện COVID-19 qua âm thanh tiếng hO.

Mô hình Học máy. Mô hình Học sâu. Mô hình Học sâu với dit liệu tăng cường .----c+s- sex67 Chương 5. _ XÂY DỰNG HE THONG UNG DỤNG.

Môi trường thực hiỆn. Xây dựng hệ thống. Ý tưởng hệ thống.-- SE EE E2EEEEEEEE12112121 111. Phuong pháp thực hiỆn.

Kết quả chương trình. ---- c25+2S SE EEEEEEE2E11E11E11211 11t, 70 Chương 6. KẾT LUẬN VÀ HƯỚNG PHÁT TRIÉN. Kết quả đề tài.

Đóng góp và phương pháp dé Xxuất. Hướng phat triển.- - c St E21 EEEEE1211211111111211211 1111 xe 76 TÀI LIEU THAM KHẢO.- - 52+ SE2EEEEE2EEEEEEE2E5E111212EE111511251115111 11x. cxeE 77 DANH MỤC HÌNH Hình 2.1: Phương pháp tiếp cận bài toán Nhận điện COVID-19 qua tiếng ho.2: Chuyên đổi tin hiệu âm thanh sử dung Fourier Transform.3: Hình ảnh trực quan của Spectrogram va Mel-spectrogram.4: Trình tạo tạo sinh mẫu giả từ véc-tơ nhiễu.--- 2 + 5z+sz+x+zzzs+2 21 Hình 2.5: Trình phân biệt gan nhãn cho 1nput.6: Cac siêu phăng có thé có va margin cực đại.--- ess eseseesteseeseeee 23 Hình 2.7: Siêu phang 2-D và 3-D trong không gian đặc trưng (feature space).9: Thuật toán Ensemble Gradient Boosting.10: Thuật toán Ensemble Bagging Tree.--- -- 55c S+cc+scxseersres 29 Hình 2.11: CNN lây cảm hứng từ hoạt động của vỏ não thị giác.12: Mô hình Neural Network đơn giản. - -- sc + + ssvsserssersrreres 31 Hình 2.13: CNNs trong nhận điện hình ảnh.14: Cấu trúc ảnh RGB.15: Filters dùng dé trích xuất đặc trưng.17: Stride trong việc di chuyển filter.-----2¿-s+2sz+2x+2z++zx+zzxczzxeex 36 Hình 2.

-- ---- - - + 2c 1121111211 112111911 11911118111 811111 1H ng ng 37 Hình 2.19: Kích thước của input va output băng nhau khi dùng zero-padding.20: Zero-padding giúp tránh việc filter trượt khỏi ma trận đầu vào.21: Cau tao LSTM.22: Tích chập Depthwise.23: Tích chập POInfWIS€.24: Ma trận Confusion 1mafT1X. -- + 2 3 221132223111 23311 vs crrre44 Hình 2.25: Trực quan AUC-ROC. - -- 2 St 2111221121112 1 9111 1H 1 HH Hiệp 45 Hình 3.