Xử Lý Tín Hiệu Kỹ Thuật Số Kết Hợp Machine Learning Để Chẩn Đoán Bệnh Tiểu Đường

Bệnh tiểu đường là một vấn đề sức khỏe toàn cầu ngày càng gia tăng, ảnh hưởng đến hàng trăm triệu người trên… 60 trang · Vietnam National University · 2024.

• Tác giả: Do Cong Tuan
• Người hướng dẫn: Assoc. Nguyen Thanh Tung
• Trường học: Vietnam National University
• Chuyên ngành: Informatics and Computer Engineering
• Đề tài: Digital Signal Processing Combined With Machine Learning In Diabetes Diagnosis
• Loại tài liệu: graduation project
• Năm xuất bản: 2024
• Địa điểm: Hanoi

Mục lục chi tiết

• THANKS
• COMMITMENT
• ABSTRACT
• 1. TABLE OF CONTENTS
• 1.1. The necessity of the topic
• 1.2. Recent works on machine learning for Raman spectroscopy analysis
• 1.3. Introduction of Artificial Intelligence
• 1.4. History of Artificial Intelligence in medicine
• 1.5. The future of AI in healthcare
• 1.6. Signal Processing in machine learning
• 1.7. The introduction of signal processing
• 1.8. Benefits of preprocessing signals in machine learning
• 1.9. Introduction of Raman scattering
• 1.10. Application of Raman scattering in healthcare
• 1.11. Background correction in Raman spectroscopy
• 1.12. Input Data for processing
• 1.13. Polynomial Fitting Method for baseline determination
• 1.14. Improved Modified Polynomial principles
• 1.15. Project set up
• 1.16. Background correction results
• 1.17. Comparison of the signal before and after processing using SVM label classification
• 1.18. Accuracy of the unprocessed signals
• 1.19. Accuracy of the processed signals
• 1.20. Adjustments and improvements
• 1.21. Using Extra Tree classifier instead of SVM for comparision
• 1.22. Potential clinical implications
• 1.23. Challenges for real-world application of the developed system

Tóm tắt

I. Tổng Quan Về Ứng Dụng AI Chẩn Đoán Bệnh Tiểu Đường Ngay

Bệnh tiểu đường là một vấn đề sức khỏe toàn cầu ngày càng gia tăng, ảnh hưởng đến hàng trăm triệu người trên thế giới. Việc chẩn đoán sớm và chính xác bệnh tiểu đường là yếu tố then chốt để kiểm soát bệnh hiệu quả và giảm thiểu các biến chứng nguy hiểm. Các phương pháp chẩn đoán truyền thống thường tốn kém, xâm lấn và mất thời gian. Do đó, việc phát triển các phương pháp chẩn đoán mới, nhanh chóng, chính xác và không xâm lấn là vô cùng cần thiết. Ứng dụng AI trong y tế, đặc biệt là sự kết hợp giữa xử lý tín hiệu số và machine learning, hứa hẹn mang lại những giải pháp đột phá trong lĩnh vực này. Nghiên cứu này tập trung vào việc ứng dụng các kỹ thuật này để phân tích dữ liệu và hỗ trợ chẩn đoán bệnh tiểu đường. Theo Tổ chức Y tế Thế giới (WHO), bệnh tiểu đường là một bệnh mãn tính xảy ra khi tuyến tụy không sản xuất đủ insulin hoặc khi cơ thể không thể sử dụng hiệu quả insulin mà nó sản xuất.

1.1. Sự cần thiết của chẩn đoán sớm bệnh tiểu đường

Chẩn đoán sớm bệnh tiểu đường giúp người bệnh thay đổi lối sống và tuân thủ điều trị, từ đó làm chậm tiến triển của bệnh và ngăn ngừa biến chứng. Phát hiện sớm bệnh tiểu đường giúp giảm đáng kể nguy cơ mắc các bệnh tim mạch, thần kinh, thận và mắt. Ứng dụng di động chẩn đoán tiểu đường cũng góp phần hỗ trợ người bệnh tự theo dõi và kiểm soát bệnh hiệu quả hơn. Theo Bộ Y tế, việc chẩn đoán muộn bệnh tiểu đường làm tăng chi phí điều trị và gánh nặng cho hệ thống y tế.

1.2. Vai trò của xử lý tín hiệu số và Machine Learning

Xử lý tín hiệu số (DSP) cho phép lọc nhiễu, tăng cường tín hiệu và trích xuất các đặc trưng quan trọng từ dữ liệu y tế. Machine learning (học máy) giúp xây dựng các mô hình dự đoán bệnh dựa trên các đặc trưng này, với độ chính xác cao. Thuật toán machine learning cho bệnh tiểu đường có thể phân tích các mẫu dữ liệu phức tạp và đưa ra kết luận nhanh chóng, hỗ trợ bác sĩ trong việc ra quyết định. Kaul, Enslin và Gross nhấn mạnh rằng sự phát triển của deep learning đã mở ra một kỷ nguyên mới cho y học, cho phép phân tích các thuật toán phức tạp và tích hợp các cơ chế tự học.

1.3. Các loại dữ liệu sử dụng trong chẩn đoán bệnh tiểu đường

Dữ liệu sử dụng có thể bao gồm các chỉ số sinh hóa như glucose máu, insulin, HbA1c, cũng như các tín hiệu sinh lý như điện tâm đồ (ECG), điện não đồ (EEG), âm thanh tim, và ảnh võng mạc. Bộ dữ liệu bệnh tiểu đường càng lớn và đa dạng, mô hình machine learning càng chính xác. Việc thu thập và phân tích dữ liệu y tế một cách có hệ thống là nền tảng để xây dựng các hệ thống chẩn đoán bệnh tiểu đường hiệu quả.

II. Vấn Đề Chẩn Đoán Tiểu Đường Hiện Tại Giải Pháp AI

Các phương pháp chẩn đoán bệnh tiểu đường truyền thống như xét nghiệm máu có những hạn chế nhất định về tính xâm lấn, chi phí và thời gian. Đồng thời, việc phân tích dữ liệu y tế phức tạp, đặc biệt là từ các tín hiệu sinh lý, đòi hỏi chuyên môn cao và mất nhiều công sức. Do đó, việc phát triển các phương pháp chẩn đoán bệnh tiểu đường hiệu quả hơn, ít xâm lấn hơn và tiết kiệm chi phí là một thách thức lớn. Ứng dụng AI trong y tế hứa hẹn giải quyết những vấn đề này bằng cách tự động hóa quá trình phân tích dữ liệu và đưa ra các dự đoán chính xác.

2.1. Hạn chế của các phương pháp chẩn đoán truyền thống

Xét nghiệm máu đòi hỏi lấy mẫu máu, gây khó chịu cho bệnh nhân và có nguy cơ nhiễm trùng. Thời gian chờ kết quả xét nghiệm có thể kéo dài, làm chậm trễ quá trình điều trị. Chi phí xét nghiệm cũng là một gánh nặng đối với nhiều người. Ngoài ra, việc sàng lọc bệnh tiểu đường bằng các phương pháp truyền thống thường gặp khó khăn do thiếu nguồn lực và cơ sở vật chất.

2.2. Thách thức trong phân tích dữ liệu y tế phức tạp

Dữ liệu y tế, đặc biệt là các tín hiệu sinh lý như ECG và EEG, thường chứa nhiều nhiễu và biến động, gây khó khăn cho việc phân tích. Việc trích xuất các đặc trưng quan trọng từ dữ liệu này đòi hỏi kiến thức chuyên sâu về xử lý tín hiệu số và y học. Phân tích dữ liệu y tế một cách thủ công tốn rất nhiều thời gian và công sức.

2.3. Yêu cầu về độ chính xác và độ tin cậy của chẩn đoán

Chẩn đoán sai hoặc chậm trễ có thể gây ra những hậu quả nghiêm trọng cho sức khỏe của bệnh nhân. Do đó, các phương pháp chẩn đoán bệnh tiểu đường phải đảm bảo độ chính xác và độ tin cậy cao. Độ chính xác chẩn đoán, độ nhạy chẩn đoán và độ đặc hiệu chẩn đoán là những tiêu chí quan trọng để đánh giá chất lượng của một phương pháp chẩn đoán. Theo Tổ chức Y tế Thế giới, các xét nghiệm chẩn đoán nên có độ nhạy và độ đặc hiệu trên 90% để đảm bảo tính tin cậy.

III. Cách Ứng Dụng Xử Lý Tín Hiệu Số Chẩn Đoán Tiểu Đường

Xử lý tín hiệu số (DSP) đóng vai trò quan trọng trong việc tiền xử lý dữ liệu y tế trước khi đưa vào mô hình machine learning. Các kỹ thuật DSP giúp loại bỏ nhiễu, tăng cường tín hiệu và trích xuất các đặc trưng quan trọng từ dữ liệu. Việc áp dụng DSP một cách hiệu quả có thể cải thiện đáng kể độ chính xác của chẩn đoán bệnh tiểu đường bằng AI. Theo Russell và Norvig, mục tiêu của AI là phát triển các hệ thống máy tính có khả năng suy luận và hành động một cách thông minh.

3.1. Lọc nhiễu và tăng cường tín hiệu y tế

Các bộ lọc số như bộ lọc trung bình, bộ lọc Gaussian và bộ lọc Kalman được sử dụng để loại bỏ nhiễu từ các tín hiệu sinh lý. Các kỹ thuật tăng cường tín hiệu như chuẩn hóa và chuẩn hóa được sử dụng để cải thiện độ rõ nét của tín hiệu. Việc giảm nhiễu và tăng cường tín hiệu giúp thuật toán machine learning cho bệnh tiểu đường dễ dàng nhận diện các mẫu dữ liệu quan trọng.

3.2. Trích xuất đặc trưng từ dữ liệu ECG và EEG

Các đặc trưng như tần số tim, biên độ sóng, khoảng thời gian và hình thái sóng được trích xuất từ dữ liệu ECG và EEG. Các kỹ thuật xử lý tín hiệu số như biến đổi Fourier và biến đổi wavelet được sử dụng để phân tích các tín hiệu này trong miền tần số. Các đặc trưng này được sử dụng làm đầu vào cho mô hình machine learning.

3.3. Phân tích ảnh võng mạc để phát hiện dấu hiệu tiểu đường

Các kỹ thuật xử lý ảnh y tế được sử dụng để phân tích ảnh võng mạc và phát hiện các dấu hiệu của bệnh tiểu đường, như xuất huyết, phù nề và tăng sinh mạch máu. Các thuật toán phân tích ảnh có thể tự động phát hiện các vùng bất thường trên ảnh và hỗ trợ bác sĩ nhãn khoa trong việc chẩn đoán bệnh. Theo Zhang et al., Raman spectroscopy kết hợp với machine learning có thể phát hiện và phân loại ung thư vú với độ chính xác cao.

IV. Top Các Thuật Toán Machine Learning Chẩn Đoán Tiểu Đường

Machine learning đóng vai trò trung tâm trong việc xây dựng các mô hình dự đoán bệnh tiểu đường dựa trên dữ liệu đã được tiền xử lý bằng xử lý tín hiệu số. Các thuật toán học máy khác nhau có thể được sử dụng, tùy thuộc vào loại dữ liệu và mục tiêu của bài toán. Việc lựa chọn thuật toán phù hợp và tối ưu hóa các tham số của thuật toán là rất quan trọng để đạt được độ chính xác cao. Qi et al. đã chứng minh tiềm năng của việc tích hợp các kỹ thuật machine learning với Raman spectroscopy để tăng cường phân tích dữ liệu.

4.1. Support Vector Machine SVM cho phân loại bệnh tiểu đường

SVM là một thuật toán machine learning mạnh mẽ, được sử dụng rộng rãi trong các bài toán phân loại. SVM tìm kiếm một siêu phẳng tối ưu để phân chia các điểm dữ liệu thành các lớp khác nhau. SVM có thể xử lý dữ liệu phi tuyến tính bằng cách sử dụng các hàm kernel. SVM đã được chứng minh là hiệu quả trong việc phân loại bệnh tiểu đường dựa trên dữ liệu sinh hóa và tín hiệu sinh lý.

4.2. Random Forest cho dự đoán rủi ro mắc bệnh tiểu đường

Random Forest là một thuật toán ensemble, kết hợp nhiều cây quyết định để đưa ra dự đoán. Random Forest có khả năng xử lý dữ liệu lớn và nhiều chiều, đồng thời giảm thiểu nguy cơ overfitting. Random Forest có thể được sử dụng để dự đoán bệnh tiểu đường dựa trên các yếu tố nguy cơ như tuổi tác, giới tính, tiền sử gia đình và lối sống.

4.3. Deep Learning cho phân tích ảnh võng mạc và âm thanh tim

Deep learning là một nhánh của machine learning sử dụng các mạng nơ-ron sâu để học các biểu diễn phức tạp từ dữ liệu. Deep learning đã đạt được những thành công lớn trong lĩnh vực xử lý ảnh y tế và xử lý âm thanh y tế. Các mạng nơ-ron tích chập (CNN) có thể được sử dụng để phân tích ảnh võng mạc và phát hiện các dấu hiệu của bệnh tiểu đường. Các mạng nơ-ron hồi quy (RNN) có thể được sử dụng để phân tích âm thanh tim và phát hiện các bất thường liên quan đến bệnh tiểu đường.

V. Ứng Dụng Thực Tế Kết Quả Nghiên Cứu Tiềm Năng Lớn

Nhiều nghiên cứu đã chứng minh tính khả thi và hiệu quả của việc ứng dụng AI trong chẩn đoán bệnh tiểu đường. Các hệ thống chẩn đoán dựa trên xử lý tín hiệu số và machine learning có thể đạt được độ chính xác tương đương hoặc thậm chí cao hơn so với các phương pháp truyền thống. Tuy nhiên, vẫn còn nhiều thách thức cần vượt qua để triển khai các hệ thống này trong thực tế, bao gồm vấn đề bảo mật dữ liệu, đạo đức AI và khả năng tích hợp vào hệ thống y tế hiện tại.

5.1. Độ chính xác và hiệu quả của các hệ thống chẩn đoán AI

Các nghiên cứu đã chỉ ra rằng các hệ thống chẩn đoán bệnh tiểu đường dựa trên AI có thể đạt được độ chính xác chẩn đoán trên 90%. Các hệ thống này có thể giúp bác sĩ chẩn đoán bệnh nhanh chóng và chính xác hơn, đặc biệt là trong các trường hợp khó khăn. Việc phân loại bệnh tiểu đường bằng AI cũng có thể giúp cá nhân hóa phác đồ điều trị cho từng bệnh nhân.

5.2. Tiềm năng ứng dụng trong telemedicine và IoT trong y tế

Các hệ thống chẩn đoán bệnh tiểu đường dựa trên AI có thể được tích hợp vào các nền tảng telemedicine (y tế từ xa) và IoT trong y tế (Internet of Things trong y tế), cho phép bệnh nhân tự theo dõi sức khỏe tại nhà và nhận được sự tư vấn của bác sĩ từ xa. Ứng dụng di động chẩn đoán tiểu đường có thể cung cấp các cảnh báo sớm cho bệnh nhân và giúp họ kiểm soát bệnh tốt hơn.

5.3. Thách thức và rủi ro khi triển khai AI trong y tế

Vấn đề bảo mật dữ liệu y tế là một thách thức lớn khi triển khai AI trong y tế. Các hệ thống AI phải tuân thủ các quy định về bảo vệ dữ liệu cá nhân và đảm bảo rằng thông tin của bệnh nhân không bị rò rỉ hoặc lạm dụng. Các vấn đề đạo đức AI trong y tế, như tính minh bạch, trách nhiệm giải trình và thiên vị, cũng cần được xem xét cẩn thận.

VI. Kết Luận Tương Lai Sáng Của AI Chẩn Đoán Bệnh Tiểu Đường

Việc ứng dụng xử lý tín hiệu số kết hợp machine learning trong chẩn đoán bệnh tiểu đường hứa hẹn mang lại những thay đổi tích cực cho lĩnh vực y tế. Các hệ thống chẩn đoán dựa trên AI có thể giúp phát hiện sớm bệnh, cải thiện độ chính xác chẩn đoán và cá nhân hóa phác đồ điều trị. Tuy nhiên, cần tiếp tục nghiên cứu và giải quyết các thách thức về bảo mật dữ liệu, đạo đức AI và khả năng tích hợp vào hệ thống y tế để hiện thực hóa tiềm năng của công nghệ này.

6.1. Xu hướng phát triển của AI trong chẩn đoán bệnh

Xu hướng ứng dụng AI trong chẩn đoán bệnh đang ngày càng gia tăng, với sự phát triển của các thuật toán machine learning mới và sự sẵn có của dữ liệu y tế lớn hơn. Các hệ thống AI sẽ ngày càng trở nên thông minh và chính xác hơn, hỗ trợ bác sĩ trong việc ra quyết định và cải thiện chất lượng chăm sóc sức khỏe.

6.2. Tầm quan trọng của việc hợp tác giữa các chuyên gia

Để phát triển và triển khai các hệ thống chẩn đoán bệnh tiểu đường dựa trên AI thành công, cần có sự hợp tác chặt chẽ giữa các chuyên gia từ nhiều lĩnh vực khác nhau, bao gồm y học, xử lý tín hiệu số, machine learning và khoa học máy tính. Sự kết hợp kiến thức và kinh nghiệm từ các lĩnh vực này sẽ giúp tạo ra các giải pháp sáng tạo và hiệu quả.

6.3. Hướng nghiên cứu trong tương lai để tối ưu hiệu quả

Các hướng nghiên cứu trong tương lai bao gồm việc phát triển các thuật toán machine learning mới, thu thập và phân tích bộ dữ liệu bệnh tiểu đường lớn hơn và đa dạng hơn, cải thiện tính minh bạch và giải thích được của các hệ thống AI và giải quyết các vấn đề đạo đức AI trong y tế. Theo IDF, việc đầu tư vào nghiên cứu và phát triển các phương pháp chẩn đoán và điều trị bệnh tiểu đường mới là rất quan trọng để giảm gánh nặng của bệnh này trên toàn cầu.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Đái tháo đường (tiểu đường) là một bệnh lý mạn tính xảy ra khi cơ thể không sản xuất đủ insulin hoặc không thể sử dụng insulin một cách hiệu quả, dẫn đến tình trạng tăng đường huyết (hyperglycemia) kéo dài, gây tổn thương nghiêm trọng đến hệ thống mạch máu, thận và hệ thần kinh. Dữ liệu từ Viện Đo lường và Đánh giá Y tế (IHME) cho thấy số ca mắc tiểu đường toàn cầu đã tăng gần gấp 4 lần từ 108 triệu người (năm 1980) lên 422 triệu người (năm 2014), trực tiếp gây ra khoảng 1,5 triệu ca tử vong mỗi năm. Theo Liên đoàn Đái tháo đường Quốc tế (IDF, 2021), toàn cầu ước tính có 537 triệu người trưởng thành mắc bệnh (tỷ lệ 1/10 ở độ tuổi 20–79), và có tới 50% số người mắc bệnh chưa được chẩn đoán. Tại Việt Nam, khảo sát của Bộ Y tế năm 2021 ghi nhận tỷ lệ mắc đái tháo đường ở người trưởng thành là 7,1% (tương đương gần 5 triệu người, với hơn 55% xuất hiện biến chứng), nhưng chỉ có khoảng 35% ca bệnh được chẩn đoán và 23,3% được quản lý, điều trị.

Các phương pháp đo đường huyết truyền thống hiện nay chủ yếu là phương pháp xâm lấn (như xét nghiệm máu, chích ngón tay). Mặc dù có độ chính xác cao, phương pháp này tồn tại nhiều nhược điểm: gây đau đớn, tốn kém chi phí, thời gian chờ kết quả và tiềm ẩn rủi ro lây nhiễm qua đường máu. Do đó, hướng nghiên cứu chẩn đoán không xâm lấn thông qua quang phổ Raman kết hợp trí tuệ nhân tạo (AI) đang trở thành một giải pháp tiềm năng. Tuy nhiên, tín hiệu tán xạ Raman trong các mẫu sinh học cực kỳ yếu (chỉ chiếm khoảng $10^{-7}$ tổng lượng ánh sáng tán xạ) và thường bị che lấp bởi nhiễu nền phát huỳnh quang (fluorescence background), tán xạ Rayleigh và các yếu tố môi trường.

Đồ án tốt nghiệp xác định các mục tiêu và nhiệm vụ nghiên cứu cụ thể:

1. Nghiên cứu nguyên lý tán xạ Raman và bản chất các nguồn nhiễu nền quang phổ sinh học.
2. Thiết kế và triển khai mô-đun phần mềm xử lý tín hiệu số dựa trên phương pháp Đa thức cải tiến (Improved Modified Polynomial - IMP) nhằm hiệu chỉnh đường nền và loại bỏ nhiễu huỳnh quang.
3. Khảo sát thực nghiệm ảnh hưởng của các bậc đa thức ($m$) khác nhau đến chất lượng tín hiệu sau hiệu chỉnh.
4. Xây dựng và so sánh hiệu quả của các mô hình học máy (Support Vector Machine - SVM, Extra Tree) trong việc phân loại mẫu tín hiệu trước và sau khi xử lý số.

Đối tượng và phạm vi nghiên cứu:

• Đối tượng nghiên cứu: Tín hiệu quang phổ Raman thu được từ móng tay người tình nguyện ở hai trạng thái nồng độ glucose khác nhau (trước khi ăn sáng và sau khi ăn sáng 15 phút).
• Phạm vi nghiên cứu: Tập trung vào thuật toán tiền xử lý tín hiệu số, hiệu chỉnh đường nền và xây dựng hệ thống phân loại học máy. Đề tài không đi sâu vào khâu thiết kế phần cứng đo lường vật lý hay các quy trình thu thập mẫu lâm sàng mở rộng.

Cơ sở lý thuyết và phương pháp nghiên cứu

Nghiên cứu được xây dựng trên nền tảng lý thuyết quang phổ học, hóa sinh và các thuật toán học máy chuyên sâu:

1. Quang phổ tán xạ Raman và ứng dụng sinh y

Hiện tượng tán xạ Raman (phát hiện bởi C.V. Raman năm 1928) là hiện tượng tán xạ không đàn hồi của photon khi tương tác với các liên kết hóa học trong vật chất, làm thay đổi mức năng lượng dao động của phân tử. Phổ Raman cung cấp thông tin chi tiết về cấu trúc phân tử, tính chất pha và các liên kết hóa học đặc trưng ("dấu vân tay hóa học") của các hợp chất sinh học như glucose ($C_6H_{12}O_6$), lipid, protein và carbohydrate. Trong chẩn đoán y tế tại điểm chăm sóc (Point-of-Care Testing - POCT), phân tích phổ Raman hỗ trợ theo dõi biến thiên nồng độ chất mà không cần gắn nhãn hay phá hủy mẫu.

2. Thuật toán hiệu chỉnh đường nền bằng Đa thức cải tiến (IMP)

Trong phương pháp khớp đa thức thông thường (Polynomial Fitting Method), đa thức ước lượng được biểu diễn:

$$p(x) = \sum_{j=0}^{m} \beta_j x^j$$

Hệ số $\beta$ được tối ưu bằng cách cực tiểu hóa tổng bình phương sai số có trọng số:

$$\min \sum_{i=1}^{N} w_i^2 (y_i - p(x_i))^2$$

Phương pháp Đa thức cải tiến (Improved Modified Polynomial - IMP, theo Jianhua Zhao và cộng sự, 2007) khắc phục nhược điểm phụ thuộc vào đỉnh phổ bằng cách tính toán phần dư $R(v) = O(v) - P(v)$ và độ lệch chuẩn $DEV$:

$$DEV = \sqrt{\frac{\sum_{i=1}^{n} (R(v_i) - \bar{R})^2}{n}}$$

Thuật toán tiến hành lặp để loại trừ các đỉnh tín hiệu Raman đặc trưng ra khỏi quá trình khớp đa thức, chỉ giữ lại thành phần biến thiên chậm của đường nền huỳnh quang để trừ khử.

3. Mô hình học máy phân loại

• Support Vector Machine (SVM): Thuật toán học có giám sát tìm siêu phẳng tối ưu trong không gian đa chiều nhằm tối đa hóa khoảng cách biên (margin) giữa hai lớp dữ liệu. Các hàm nhân (kernel tricks) như Tuyến tính (Linear), Đa thức (Polynomial), Hàm bán kính xuyên tâm (RBF) và Sigmoid được áp dụng để xử lý dữ liệu phân tách phi tuyến.
• Extra Tree (Extremely Randomized Trees): Mô hình học kết hợp (ensemble learning) xây dựng tập hợp nhiều cây quyết định với cơ chế phân nhánh ngẫu nhiên hóa mạnh tại các nút, giúp giảm phương sai, tăng tốc độ tính toán và hạn chế hiện tượng quá khớp (overfitting).

4. Dữ liệu và môi trường thực nghiệm

• Dữ liệu thực nghiệm: Bộ dữ liệu gồm 20 tệp CSV thu được từ phép đo quang phổ Raman trên móng tay của một người tình nguyện (10 phép đo trước khi ăn sáng và 10 phép đo sau khi ăn sáng 15 phút). Bước sóng kích thích laser nằm trong dải 785 nm đến 1064 nm.
• Dải số sóng (Wavenumber range): Dữ liệu phổ thô từ 400 đến 2300 $\text{cm}^{-1}$ được lọc cắt, chỉ lấy dải từ 800 đến 1800 $\text{cm}^{-1}$ (chứa các dao động đặc trưng của liên kết sinh học và loại bỏ nhiễu giao thoa của nước). Mỗi mẫu gồm 1001 điểm dữ liệu; tổng tập dữ liệu phục vụ học máy là 20.000 điểm.
• Công cụ triển khai: Ngôn ngữ Python trên nền tảng Google Colab, sử dụng các thư viện pybaselines (hàm imodpoly), numpy, matplotlib.pyplot, csv, os, và scikit-learn.

Thiết kế và triển khai hệ thống xử lý tín hiệu và học máy

Quy trình xử lý dữ liệu và phân loại được thiết kế thành một chuỗi các mô-đun tuần tự:

[Dữ liệu thô CSV (400-2300 cm⁻¹)] 
[Trích xuất & Cắt dải số sóng (800-1800 cm⁻¹)]
[Xác định đường nền bằng Pybaselines (imodpoly)]
[Trừ nền huỳnh quang (Background Correction)]
[Chuẩn hóa & Gán nhãn 2 lớp (Nhãn 0: Trước ăn, Nhãn 1: Sau ăn)]
[Huấn luyện & Đánh giá mô hình (SVM / Extra Tree)]

Chi tiết các mô-đun kỹ thuật:

1. Trích xuất dữ liệu (GetDataFromFileCSV): Đọc tệp CSV, bóc tách hai cột dữ liệu tương ứng trục $x$ (số sóng dịch chuyển Raman tính theo $\text{cm}^{-1}$) và trục $y$ (cường độ tín hiệu - intensity).
2. Cắt giới hạn phổ: Rút gọn vùng số sóng về khoảng $800 - 1800\text{ cm}^{-1}$ nhằm cô lập các đỉnh phổ quan trọng của carbohydrate, lipid và protein.
3. Ước lượng đường nền: Sử dụng hàm imodpoly từ thư viện pybaselines với các tham số điều khiển:
   • data: Tín hiệu quang phổ đầu vào.
   • poly_order: Bậc của đa thức ($m$).
   • tol: Ngưỡng sai số dừng lặp.
   • max_iter: Số vòng lặp tối đa.
   • weights: Trọng số tính toán (được gán mặc định bằng 1 do đặt None).
   • num_std: Hệ số độ lệch chuẩn xác định điểm bất thường.
4. Hiệu chỉnh đường nền (Background correction): Trừ giá trị đường nền vừa tìm được khỏi tín hiệu gốc: $y_{\text{processed}} = y_{\text{raw}} - y_{\text{baseline}}$. Cường độ tín hiệu sau xử lý giảm xuống do loại bỏ phần nền dương tính tạo bởi huỳnh quang.
5. Lưu trữ và xuất dữ liệu (SaveFlattenData, Autoname): Ghi toàn bộ dữ liệu phổ đã làm phẳng ra tệp CSV mới theo định dạng dòng để phục vụ mô hình học máy.
6. Cấu hình mô hình phân loại: Thiết lập bộ phân loại nhị phân trên thư viện Scikit-learn với 2 nhãn: nhãn "0" đại diện cho trạng thái trước ăn sáng (nồng độ đường huyết cơ bản) và nhãn "1" đại diện cho trạng thái sau ăn sáng 15 phút (nồng độ đường huyết gia tăng).

Nội dung chính theo từng phần của đồ án

Phần 1: Sự cần thiết của đề tài và tổng quan nghiên cứu

Trình bày chi tiết bức tranh dịch tễ học của bệnh đái tháo đường trên phạm vi toàn cầu và tại Việt Nam. Tác giả phân tích các nghiên cứu tiền đề ứng dụng học máy trong phân tích phổ Raman:

• Ứng dụng phổ Raman kết hợp PCA-DFA và SVM trong phân loại tế bào ung thư vú đạt độ chính xác trên 97% và phân loại phân nhóm ung thư đạt trên 92% (Zhang et al., 2022).
• Ứng dụng phương pháp Savitzky-Golay, PLS kết hợp các mô hình SVM, PNN và CNN để phân biệt thành phần các loại đường (fructose, glucose, maltose, sucrose) trong mật ong nguyên chất và mật ong giả (Hu et al., 2022).

Phần 2: Cơ sở về trí tuệ nhân tạo và xử lý tín hiệu

Hệ thống hóa lịch sử phát triển của AI từ phép thử Turing (1950) đến các mô hình Deep Learning trong y học hiện đại. Phần này làm rõ cơ chế toán học của bộ phân loại SVM, siêu phẳng tối ưu và các hàm nhân; phân tích nguyên lý hoạt động của cấu trúc cây quyết định ngẫu nhiên trong Extra Tree; đồng thời khẳng định vai trò cầu nối của xử lý tín hiệu số trong việc lọc nhiễu, nâng cao tỷ số tín hiệu trên nhiễu (SNR) và chuẩn hóa dữ liệu đầu vào cho AI.

Phần 3: Hiện tượng tán xạ Raman và kỹ thuật hiệu chỉnh nền

Trình bày cơ chế vật lý của tán xạ Rayleigh và tán xạ Raman; phân tích các ứng dụng của quang phổ Raman trong chẩn đoán ung thư, phát hiện virus, kiểm định chất lượng dược phẩm, giải trình tự cấu trúc sinh học và xét nghiệm nhanh tại chỗ (POCT). Đi sâu vào bản chất của nhiễu huỳnh quang và phương pháp hiệu chỉnh nền bằng thuật toán Đa thức cải tiến (IMP).

Phần 4: Thiết lập thực nghiệm, xử lý dữ liệu và đánh giá mô hình

Trình bày chi tiết mã nguồn, các hàm đọc/ghi/vẽ đồ thị và quy trình khảo sát bậc đa thức ($m = 3, 8, 12, 16$). Thực hiện đánh giá chéo hiệu năng phân loại của mô hình SVM trên tập dữ liệu thô và tập dữ liệu sau xử lý tín hiệu; so sánh đối chứng giữa thuật toán SVM và Extra Tree khi sử dụng bậc đa thức tối ưu.

Kết quả thực nghiệm và đóng góp

1. Kết quả hiệu chỉnh đường nền theo bậc đa thức

Khảo sát thực nghiệm cho thấy việc lựa chọn bậc đa thức ($m$) ảnh hưởng mang tính quyết định đến hình dạng đường nền ước lượng:

• Bậc đa thức $m = 3$: Xuất hiện hiện tượng thiếu khớp (underfitting), đường nền quá đơn giản không thể mô tả được độ cong phức tạp của nền huỳnh quang, dẫn đến làm mất các thông tin phổ quan trọng.
• Bậc đa thức $m = 16$: Xuất hiện hiện tượng quá khớp (overfitting), đường nền dao động mạnh và khớp vào cả các gai nhiễu cục bộ của tín hiệu.
• Bậc đa thức $m = 8$ và $m = 12$: Đường nền mô phỏng mượt mà biên dạng huỳnh quang, bảo toàn được các đỉnh phổ đặc trưng của các liên kết phân tử.

2. Hiệu năng phân loại trước và sau khi xử lý tín hiệu số

Kết quả phân loại trên mô hình học máy chứng minh rõ rệt tác động của khâu tiền xử lý tín hiệu số:

Tập dữ liệu đầu vào	Phương pháp tiền xử lý	Thuật toán học máy	Độ chính xác phân loại (Accuracy)	Đánh giá kỹ thuật
Tín hiệu thô (Unprocessed)	Không xử lý	SVM	48,0% – 55,0%	Không thể phân loại (tương đương đoán ngẫu nhiên do nhiễu huỳnh quang quá lớn)
Tín hiệu đã xử lý	IMP ($m = 8$)	SVM	~75,0%	Độ chính xác tăng thêm ~26%, loại bỏ phần lớn nền huỳnh quang
Tín hiệu đã xử lý	IMP ($m = 16$)	SVM	~75,0%	Độ chính xác tương đương bậc 8 nhưng có nguy cơ quá khớp nhiễu
Tín hiệu đã xử lý tinh chỉnh	IMP ($m = 12$)	Extra Tree / SVM tinh chỉnh	82,0%	Đạt hiệu năng tối ưu, tách biệt rõ ràng 2 trạng thái nồng độ đường huyết

3. Đóng góp chính của đề tài

• Xây dựng hoàn chỉnh một thư viện/quy trình xử lý tín hiệu số ứng dụng thuật toán IMP bằng Python (pybaselines) dành riêng cho việc khử nhiễu phổ Raman sinh học.
• Xác định được dải số sóng hiệu quả ($800 - 1800\text{ cm}^{-1}$) và bậc đa thức tối ưu ($m = 12$) để loại bỏ nhiễu nền huỳnh quang mà không làm biến dạng các đỉnh phổ đặc trưng.
• Chứng minh bằng thực nghiệm rằng khâu xử lý tín hiệu số là bước bắt buộc, giúp tăng độ chính xác phân loại của mô hình học máy từ mức không khả thi (48–55%) lên mức 82,0%.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của đề tài:

1. Quy mô mẫu dữ liệu: Dữ liệu thực nghiệm mới được thu thập trên một cá nhân tại vị trí móng tay ở 2 mốc thời gian (trước và sau ăn sáng), chưa được kiểm chứng trên tập mẫu bệnh nhân lâm sàng quy mô lớn với nhiều thể trạng khác nhau.
2. Kích thước tập dữ liệu: Tập dữ liệu gồm 20 mẫu đo (tổng 20.000 điểm) là tương đối hạn chế đối với việc huấn luyện các kiến trúc học máy phức tạp hoặc học sâu.
3. Trọng số tính toán: Do chưa thể xác định chính xác độ lệch chuẩn thực tế của từng điểm đo trên phổ, tham số trọng số trong hàm imodpoly phải đặt ở trạng thái mặc định (weights = None, tương đương trọng số bằng 1).
4. Phạm vi hệ thống: Đồ án mới chỉ giải quyết bài toán xử lý tín hiệu và mô hình hóa trên phần mềm, chưa tích hợp với hệ thống phần cứng đo lường tại chỗ hay thiết bị nhúng.

Hướng nghiên cứu tiếp:

• Mở rộng thu thập dữ liệu quang phổ Raman trên tập đối tượng đa dạng, bao gồm người khỏe mạnh và bệnh nhân đái tháo đường ở các giai đoạn bệnh lý khác nhau.
• Nâng cấp bài toán từ phân loại nhị phân (trước/sau ăn) sang mô hình hồi quy dự đoán định lượng nồng độ glucose trong máu theo đơn vị mmol/L hoặc mg/dL.
• Tích hợp giải thuật tiền xử lý tín hiệu và mô hình học máy vào các thiết bị quang phổ Raman cầm tay hoặc thiết bị đeo (wearable) nhằm phục vụ theo dõi sức khỏe liên tục và chẩn đoán tại điểm chăm sóc (POCT).

Giá trị tham khảo

Tài liệu khóa luận có giá trị tham khảo hữu ích đối với:

• Sinh viên và nghiên cứu viên ngành Kỹ thuật Tin học, Kỹ thuật Máy tính và Khoa học Dữ liệu: Tham khảo phương pháp xây dựng pipeline xử lý dữ liệu thực nghiệm từ tệp CSV thô, kỹ thuật lọc nhiễu số và cách áp dụng các thuật toán SVM, Extra Tree trên Scikit-learn.
• Học viên và kỹ sư ngành Kỹ thuật Y sinh (Biomedical Engineering) và Vật lý Ứng dụng: Tham khảo cách thức vận dụng thuật toán Đa thức cải tiến (IMP) và thư viện pybaselines để khử nhiễu phát huỳnh quang trong các bài toán phân tích quang phổ sinh học.
• Phần đáng tham khảo nhất: Cấu hình tham số của hàm imodpoly, quy trình khảo sát bậc đa thức ($m=3, 8, 12, 16$) và các bảng so sánh đối chứng độ chính xác trước/sau tiền xử lý tín hiệu.

Câu hỏi thường gặp

1. Mục tiêu cốt lõi của đồ án tốt nghiệp này là gì?

Mục tiêu cốt lõi của đề tài là triển khai một thư viện phần mềm xử lý tín hiệu số dựa trên phương pháp Đa thức cải tiến (Improved Modified Polynomial - IMP) để khử nhiễu nền huỳnh quang trong quang phổ Raman, sau đó kết hợp với các mô hình học máy (SVM, Extra Tree) để phân loại sự biến thiên nồng độ glucose trong cơ thể, hướng tới phát triển hệ thống hỗ trợ chẩn đoán đái tháo đường không xâm lấn.

2. Tại sao tác giả lại giới hạn dải số sóng quang phổ từ 800 cm⁻¹ đến 1800 cm⁻¹?

Dải số sóng thô ban đầu từ 400 đến 2300 $\text{cm}^{-1}$ được rút gọn về dải 800 đến 1800 $\text{cm}^{-1}$ vì đây là vùng tập trung các dải dao động đặc trưng cho các nhóm chức hóa học quan trọng của phân tử sinh học (protein, lipid, acid nucleic và carbohydrate), đồng thời việc giới hạn này giúp loại bỏ ảnh hưởng của tín hiệu nhiễu giao thoa từ nước.

3. Thuật toán xử lý tín hiệu IMP hoạt động như thế nào và việc chọn bậc đa thức ảnh hưởng ra sao?

Thuật toán IMP bắt đầu bằng việc khớp đa thức $P(v)$ lên tín hiệu thô, tính toán phần dư $R(v) = O(v) - P(v)$ và độ lệch chuẩn $DEV$, sau đó lặp để tách đường nền ra khỏi các đỉnh phổ thực. Nếu chọn bậc đa thức quá thấp ($m=3$), mô hình bị thiếu khớp (underfitting) và mất thông tin; nếu chọn bậc quá cao ($m=16$), mô hình bị quá khớp (overfitting) và bám theo cả nhiễu; bậc $m=12$ cho kết quả tối ưu nhất.

4. Hiệu quả phân loại của mô hình học máy thay đổi như thế nào sau khi áp dụng xử lý tín hiệu?

Với dữ liệu phổ thô chưa xử lý, mô hình SVM chỉ đạt độ chính xác 48% – 55% (không thể phân biệt giữa hai nhãn do nhiễu nền huỳnh quang quá lớn). Sau khi xử lý tín hiệu bằng IMP với bậc đa thức tối ưu và tinh chỉnh mô hình (Extra Tree / SVM), độ chính xác phân loại tăng lên 82,0%.

5. Dữ liệu thực nghiệm của đồ án được thu thập như thế nào?

Dữ liệu được thu thập từ phép đo phổ Raman trên móng tay của một người tình nguyện dưới 2 trạng thái: trước khi ăn sáng (mức glucose thấp - nhãn 0) và sau khi ăn sáng 15 phút (mức glucose tăng - nhãn 1). Tổng cộng có 20 tệp dữ liệu CSV (10 tệp cho mỗi trạng thái), tạo thành tập dữ liệu 20.000 điểm đo phục vụ huấn luyện và kiểm thử mô hình.

Kết luận

Đồ án tốt nghiệp đã giải quyết thành công bài toán khử nhiễu nền huỳnh quang trong quang phổ Raman phục vụ phân tích biến thiên nồng độ đường huyết. Thông qua việc ứng dụng thuật toán Đa thức cải tiến (IMP) trên dải số sóng $800 - 1800\text{ cm}^{-1}$ với bậc đa thức $m = 12$, hệ thống đã nâng cao độ chính xác phân loại của mô hình học máy từ mức ngẫu nhiên (48–55%) lên 82,0%. Kết quả nghiên cứu khẳng định vai trò thiết yếu của khâu tiền xử lý tín hiệu số và cung cấp cơ sở kỹ thuật thực nghiệm vững chắc cho các nghiên cứu tiếp theo về thiết bị chẩn đoán đái tháo đường không xâm lấn.

Trích đoạn nội dung tài liệu

VIETNAM NATIONAL UNIVERSITY, HANOI INTERNATIONAL SCHOOL GRADUATION PROJECT DIGITAL SIGNAL PROCESSING COMBINED WITH MACHINE LEARNING IN DIABETES DIAGNOSIS Student’s name Do Cong Tuan Hanoi – Year 2024 VIETNAM NATIONAL UNIVERSITY, HANOI INTERNATIONAL SCHOOL GRADUATION PROJECT DIGITAL SIGNAL PROCESSING COMBINED WITH MACHINE LEARNING IN DIABETES DIAGNOSIS SUPERVISOR: Assoc. Nguyen Thanh Tung STUDENT: Do Cong Tuan STUDENT ID: 19071639 COHORT: QH2019 SUBJECT CODE: INS401401 MAJOR: Informatics and Computer Engineering Hanoi – Year 2024 2 THANKS I would like to express my deepest gratitude to Assoc. Nguyen Thanh Tung, who taught, supported, and guided me throughout the process of completing this graduation project. I would like to sincerely thank all the lecturers at International School - Vietnam National University, Hanoi who have dedicatedly taught me and provided me with a lot of useful knowledge, both academic and soft skills.

This helps me a lot in my personal development and my future career. After a period of accumulating knowledge, this project is the final test for me, giving me the opportunity to evaluate myself and my abilities. I was truly able to apply all the knowledge I learned from lecturers, books, documents, and many other sources. It also helps me really review my knowledge.

3 COMMITMENT The independence of research in academia, as demonstrated in a report, plays a crucial role in establishing the author's credibility and separation from industry standards. A notable example is the evaluation of plagiarism levels, where a deviation from acceptable ratios may indicate intellectual property theft, suggesting the unauthorized use of someone else's work or a lack of originality in the new work. Such circumstances could imply a lack of significant advancements compared to existing publications, making the new work of limited or no scholarly value. Additionally, both Vietnamese and global legal frameworks offer clear definitions and punitive measures as effective deterrents against such infringements.

As a student deeply involved in an academic environment, I am aware of the negative effects and consequences of violations. Therefore, I would like to affirm the following commitments to the school administration and the legal system: I confirm that my graduation project, titled “Digital Signal Processing Combined with Machine Learning in Diabetes Diagnosis” is the result of my independent research efforts and has not been used to earn any degrees or certificates from any other educational institution. Following ethical research principles, I acknowledge all sources used in this project. Each citation is diligently identified and annotated in accordance with prevailing standards, specifically adhering to the APA format.

I declare that all information presented here is truthful and accurate to the best of my knowledge and belief. In the event of any identified violations, I willingly accept full responsibility and acknowledge the potential sanctions imposed by the school and legal authorities. Hanoi, date 17 month 06 year 2024 Student (Signature and Full name) 4 ABTRACT The graduation report focuses on implementing a signal processing software library based on the Improved Modified Polynomial principles method, derived from the Polynomial Fitting Method. The data processed is then used to train a machine learning model to compare different adjustments and fine-tuning, aiming to provide optimal results.

The ultimate goal is to develop a system for diabetes measurement using artificial intelligence. The input data set for this study consists of sugar water mixed with a pure water solvent, categorized into different types based on the sugar concentration. The project resulted in a system that achieved 82.0% accuracy in differentiating patient samples into diabetes positive and negative groups. The report document recorded the changes and adjustments made to produce these results, including the applied method, changes to calculation constants, operation diagrams, and library configurations that have demonstrated optimal accuracy for the input data set.

The findings aim to contribute to the field of diabetes early detection. Developing such a system requires significant dedication and resources, involving substantial investment in time, personnel, and equipment. Specifically, this extensive topic includes numerous steps, such as sample collection, sample screening, background determination, signal background correction, and the application of machine learning models. With a clear awareness of these complexities, the focus of this project is on processing the data before feeding it to machine learning and building a machine learning fusion system.