ung dung khai pha du lieu xay dung he ho tro chan doan y khoa

LUẬN VĂN THẠC SỸ

ỨNG DỤNG KHAI PHÁ DỮ LIỆU XÂY DỰNG HỆ HỖ TRỢ CHẨN ĐOÁN Y KHOA

HV TỐNG ĐỨC PHONG - HDKH TS. NGUYỄN THANH HIÊN

Ngành y tế và giáo dục luôn là vấn đề sống còn của bất kỳ quốc gia nào trên thế giới. Trong những năm gần đây, chính phủ Việt Nam đặc biệt đầu tư cho hai ngành mũi nhọn này thông qua các chính sách, nguồn vốn dành cho trang bị hạ tầng và nghiên cứu khoa học. Trong lĩnh vực nghiên cứu khoa học, càng ngày càng có nhiều công trình khoa học về y tế. Tuy nhiên các nghiên cứu khoa học về ứng dụng công nghệ thông tin để giải quyết các bài toán về y tế là không nhiều. Do đặc điểm về vị trí địa lý của Việt Nam là một nước nhiệt đới nên có rất nhiều loại bệnh liên quan đến sốt siêu vi trong đó sốt xuất huyết là bệnh rất nguy hiểm đồng thời chưa có vaccine chủng ngừa và chưa có thuốc đặc trị, vì vậy đề tài nghiên cứu các qui luật chẩn đoán bệnh sốt xuất huyết tại Việt Nam bằng kỹ thuật khai phá dữ liệu. Dựa vào các triệu chứng lâm sàng và cận lâm sàng có thể phân lớp bệnh của bệnh nhân nhằm giúp các bác sĩ chẩn đoán và điệu trị tốt hơn cho bệnh nhân.



Mục lục

Danh mục chữ viết tắt

Danh mục hình

Danh mục bảng

Danh mục công thức

Chương 1. TỔNG QUAN ĐỀ TÀI

Đặt vấn đề

Cơ sở hình thành đề tài

Một số kết quả nghiên cứu trong và ngoài nước

Kết quả nghiên cứu trên thế giới

Kết quả nghiên cứu trong nước

Mục tiêu luận văn

Đối tượng và phương pháp nghiên cứu

Ý nghĩa của đề tài

Ý nghĩa khoa học

Ý nghĩa thực tiễn

Bố cục luận văn

Chương 2. CƠ SỞ LÝ THUYẾT

Tổng quan về kỹ thuật Khai phá dữ liệu (Data mining)

Khái niệm về khai phá dữ liệu

Các giai đoạn của quá trình khai phá dữ liệu

Tổng quan về hệ hỗ trợ ra quyết định

Bài toán Phân lớp trong Khai phá dữ liệu

Khái niệm về phân lớp

Quá trình phân lớp dữ liệu

Phân lớp dữ liệu bằng cây quyết định

Đánh giá hiệu quả phân lớp

Thuật toán C4.5 xây dựng cây quyết định

Cơ sở dữ liệu Y khoa

Sơ lược bệnh Sốt xuất huyết

Diễn biến lâm sàng bệnh sốt xuất huyết dengue

Chẩn đoán

Chương 3. XÂY DỰNG HỆ HỖ TRỢ CHẨN ĐOÁN Y KHOA

Cơ sở dữ liệu xây dựng mô hình

Kho chứa dữ liệu bệnh án điện tử

Tiền xử lý dữ liệu

Phân tích dữ liệu bệnh án điện tử

Các qui luật chẩn đoán

Bệnh án mẫu

Chẩn đoán

Xây dựng ứng dụng

Giới thiệu chương trình

Cách thức vận hành chương trình

Chương 4. THỰC NGHIỆM VÀ ĐÁNH GIÁ

Thử nghiệm

Thử nghiệm tập dữ liệu với ít thuộc tính:

Thử nghiệm với tập dữ liệu đầy đủ thuộc tính

Đánh giá

Chương 5. TỔNG KẾT

Kết luận

Hạn chế của đề tài

Hướng phát triển

TÀI LIỆU THAM KHẢO

PHỤ LỤC 1

PHỤ LỤC 2

Danh mục chữ viết tắt

KPDL (Data mining): Khai phá dữ liệu

DSS (Decision support system): Hệ hỗ trợ ra quyết định

CNTT: Công nghệ thông tin

IT (Information technology): Công nghệ thông tin

CSDL: Cơ sở dữ liệu

SXH: Sốt xuất huyết

HCT (Hematocrit): Dung tích hồng cầu

PLT (plaquette): Tiểu cầu

WBC (White blood cell): Bạch cầu

BS: Bác sĩ

BMI (Body mass index): Chỉ số khối của cơ thể

WHO (World Health Organization): Tổ chức Y tế Thế giới

BVBNĐ: Bệnh viện bệnh Nhiệt Đới

ĐHYKPNT: Đại học Y khoa Phạm Ngọc Thạch

Danh mục hình

Hình 2.1: Kết quả quá trình phân lớpHình 2.2: Xây dựng mô hình phân lớp

Hình 2.3: Bước phân lớp

Hình 2.4: Mô hình cây quyết định trong phân lớp dữ liệu về thời tiết

Hình 3.1: Mô hình xây dựng giải pháp hỗ trợ chẩn đoán bệnh

Hình 3.2: Tập dữ liệu thu thập được

Hình 3.3: Tập dữ liệu huấn luyện đưa vào hệ thống

Hình 3.4: NS1 được chọn vì có độ đo tốt nhất

Hình 3.5: Màn hình khởi động chương trình

Hình 3.6: Màn hình chọn file dữ liệu

Hình 3.7: Màn hình chọn dữ liệu từ kho dữ liệu

Hình 3.8: Màn hình chọn bảng dữ liệu

Hình 3.9: Màn hình chọn thuộc tính

Hình 3.10: Màn hình tạo cây quyêt định

Hình 3.1: Màn hình tạo cây quyết định

Hình 3.12: Màn hình lấy cây đã lưu dạng xml

Hình 3.13: Màn hình thống kê tập luật của tập dữ liệu

Hình 3.14: Màn hình thống kê 10 luật

Hình 3.15: Mô hình kiểm tra kết quả

Hình 3.16: Màn hình kiểm tra kết quả

Hình 3.17: Kết quả kiểm tra 30% dữ liệu

Hình 3.18: Màn hình lấy file dữ liệu kiểm tra

Hình 3.19: Màn hình lấy dữ liệu từ file kiểm tra

Hình 3.20: Màn hình kết quả kiểm tra từ file Excel

HÌnh 3.21: Màn hình kiểm tra chéo (Cross validation)

Hình 3.22: Màn hình kết quả kiểm tra chéo (Cross validation)

Hình 3.23: Màn hình chẩn đoán bệnh

Hình 3.24: Kết quả chẩn đoán từ cây có sẵn

Hình 4.1: Hình vẽ SXH Dengue có dấu hiệu cảnh báo

Hình 4.2: Hình vẽ SXH Dengue

Hình 4.3: Hình vẽ SXH Dengue nặng

Danh mục bảng

Bảng 2.1: Bảng dữ liệu về thời tiết

Bảng 2.2: Ví dụ về thời tiết trong 3 ngày

Bảng 2.3: Kết quả phân lớp dữ liệu cho bảng 2.

Bảng 2.4: Huấn luyện với thuộc tính phân lớp là buys computer

Bảng 3.1: Bảng phân loại thể trạng cơ thể theo chỉ số BMI

Bảng 3.2: Bảng kiểu dữ liệu của các thuộc tính

Bảng 4.1: Bảng danh sách Bác sĩ đánh giá chương trình

Danh mục công thức

Công thức (2.1): Tính chỉ số thông tin (Information)

Công thức (2.2): Tính chỉ số thông tin mong muốn (Entropy)

Công thức (2.3): Tính độ lợi thông tin (Information Gain)

Công thức (2.4): Thông tin tiềm năng (potential information)

Công thức (2.5): Tính tỉ lệ độ lợi thông tin (Gain ratio)

Công thức (3.1): Tính chỉ số sức khỏe

TÀI LIỆU THAM KHẢO

Tài liệu tiếng Việt

 [1] “Hội thảo khu vực hưởng ứng ngày ASEAN phòng chống sốt xuất huyết” Hà Nội 14 tháng 6 năm 2013

 [2] Nguyễn Thanh Thủy, Hệ thống trợ giúp và kiểm tra đơn thuốc chữa bệnh tăng huyết áp ES-TENSION, Tạp chí tin học và điều khiển học, Viện Công nghệ thông tin, 12 (3), (1996), 10-18.

 [3] Đỗ Văn Thành, Một cách tiếp cận ra quyết định trong chẩn đoán lâm sàng, Tạp chí Tin học và điền khiển học, Viện công nghệ , 16 (1), (2000), 52-58

 [4] Nguyễn Đức Cường, “Slide bài giảng môn học BI & DM: Bussiness Intellegent and Data Mining”, 2011-2012

 [5] Tạ Văn Bình. Những nguyên lý nền tảng đái tháo đường – tăng glucose máu. NXS Y học, Hà Nội 2007

Tài liệu tiếng Anh

 [6] Buchanan B. G. (1984), Shortliffe E. H, Rule Based Expert Systems: The MYCIN Experiments of the Stanford Heuristic Programming Project, Addison-Wesley, pp. 209-232.

 [7] Aikins J. S., Kunz J. C., Shortliffc E. H., and Fallat K. J. (1983), “PUFF: An Expert System for Interpretation of Pulmonary Function Data”, Comput Biomed 16, pp. 199-208.

 [8] Fred A., Filipe J., Partinen M., Paiva T. (2000), "PSG-Expert: An Expert System for the Diagnosis of Sleep Disorders", IOS Press 78, pp. 127-147.65

 [9] Ngah U. K., Aziz S. A. (2007), "A BI-RADS Based Expert Systems for the Diagnoses of Breast Diseases", American Journal of. Applied Sciences 4 (11), pp. 867-875.33 [10] Naser S. S. A, Akkila A. N. (2008), “A Proposed Expert System for Skin Diseases Diagnosis”, Journal of Applied Sciences Research 4 (12): Pp. 1682-1693.

 [11] J. Han and Micheline Kamber. Data Mining: Concepts and Techniques, 3rd Edition. Morgan Kaufmann Publishers, 2011.

 [12] T. Mitchell, Machine Learning and Data Mining, Communications of the ACM, Vol. 42 (1999), No. 11, pp. 30-36. S

 [13] Manuel Mora Autonomous, Guisseppi A. Forgionne, JatinderN. D. Gupta. “Decision Making Support Systems: Achievements, Trends and Challenges for the New Decade”, pp. 1-5, (2003)

 [14] John Shafer, Rakesh Agrawal, Manish Mehta. “Sprint – A Scalable Classifier for Data mining” in Predeeings of the 22nd International Conference on very large database, India 1996.

 [15] J. Ross Quinlan. C4.5: Programs for Machine Learning. Morgan Kaufmann Publishers, 1993

 [16] Ming Li “Data mining. Chepter 10: Predictive Modeling”, Department of Computer Science and Technology Nanjing University, 2011 Tài liệu Internet

Keywords:dai hoc truong dai hoc hong bang 2014,luan van thac sy,ung dung khai pha du lieu xay dung he ho tro chan doan y khoa,tong duc phong,ts nguyen thanh hien

LINK DOWNLOAD LUẬN VĂN THẠC SỸ ỨNG DỤNG KHAI PHÁ DỮ LIỆU XÂY DỰNG HỆ HỖ TRỢ CHẨN ĐOÁN Y KHOA

=======