Cải thiện hiệu quả mạng neuron hỗ trợ chẩn đoán bệnh rối loạn nhịp tim bằng phương pháp gán trọng số tương ứng mức cấu trúc cơ thể

Bài viết trình bày việc sử dụng phương pháp gán trọng số tương ứng mức cấu trúc cơ thể cho các tham số đầu vào của mạng. Kết quả nhận được cho thấy việc gán trọng số cho các thuộc tính đầu vào tương ứng với mức cấu trúc của cơ thể là có ý nghĩa đáng kể.
Nội dung trích xuất từ tài liệu:
Cải thiện hiệu quả mạng neuron hỗ trợ chẩn đoán bệnh rối loạn nhịp tim bằng phương pháp gán trọng số tương ứng mức cấu trúc cơ thể TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC (ISSN: 1859 - 4557) CẢI THIỆN HIỆU QUẢ MẠNG NEURON HỖ TRỢ CHẨN ĐOÁN BỆNH RỐI LOẠN NHỊP TIM BẰNG PHƯƠNG PHÁP GÁN TRỌNG SỐ TƯƠNG ỨNG MỨC CẤU TRÚC CƠ THỂ PERFORMANCE IMPROVEMENT OF DIAGNOSTIC NEURON NETWORK FOR ARRHYTHMIA BY METHOD OF ASSIGNING WEIGHTS TO BODY STRUCTURE LEVELS Huỳnh Lương Nghĩa, Đinh Văn Quang, Đoàn Thị Bích Ngọc, Nguyễn Thị Thủy Trường Đại học Điện lực Ngày nhận bài: 25/09/2019, Ngày chấp nhận đăng: 25/12/2019, Phản biện: TS. Vũ Duy Hải Tóm tắt: Hiện nay, việc ứng dụng mạng neuron nhân tạo hỗ trợ chẩn đoán bệnh lý đang ngày càng phổ biến nên việc cải thiện các chỉ tiêu chất lượng cho các mạng này như độ chính xác chẩn đoán, tốc độ hội tụ của quá trình huấn luyện mạng… vốn phụ thuộc vào việc xác định trọng số cho các thành phần tham gia chẩn đoán đang được quan tâm đặc biệt. Để góp phần giải quyết vấn đề này, bài báo trình bày việc sử dụng phương pháp gán trọng số tương ứng mức cấu trúc cơ thể cho các tham số đầu vào của mạng. Kết quả nhận được cho thấy việc gán trọng số cho các thuộc tính đầu vào tương ứng với mức cấu trúc của cơ thể là có ý nghĩa đáng kể. Từ khóa: Mạng neuron nhân tạo, mức cấu trúc cơ thể, gán trọng số. Abstract: Currently, the application of artificial neuron networks to support pathological diagnosis is increasingly popular, so the improvement of quality indicators for these networks such as diagnostic accuracy, convergence speed of training process network... which depends on the determination of weights of diagnostic components is of particular interest. To contribute to solving this problem, the paper presents the method of assigning weight corresponding to body structure level for network input parameters. The results showed that the weighting of input attributes corresponding to the structure level of the body is significant. Keywords: Artificial neuron networks, body structure level, assigning weight. 1. GIỚI THIỆU CHUNG thấy tỷ lệ phần trăm thành công rất tốt. Trong rất nhiều công trình nghiên cứu Mạng neuron nhân tạo đa lớp truyền ứng dụng mạng neuron nhân tạo gần đây thẳng (MLP: multi-layer perceptron điển hình như bài báo [1] , đã đưa ra kết networks) được thử nghiệm cho bài toán luận rằng: “Phân loại bằng cách sử dụng phân loại bệnh lý dựa trên các thông tin các mô hình mạng neuron nhân tạo cho triệu chứng, ảnh chụp y tế và kết quả phân 32 Số 21  TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC (ISSN: 1859 - 4557) tích xét nghiêm… là phù hợp để sử dụng số/thuộc tính đầu vào này - vốn được thu trong chẩn đoán y học (hình 1). nhận bằng các phương pháp đo lường y sinh khác nhau - sẽ tương ứng với 5 cấp cấu trúc của cơ thể như: cơ thể → cơ quan chức năng → mô → tế bào → phân tử sinh học, như được phân loại trong bảng 1. Bảng 1. Mức cấu trúc của cơ thể và các phương pháp chẩn đoán tương ứng Số Mức cấu trúc Phương pháp chẩn Hình 1. Chẩn đoán y tế sử dụng mạng nơron cấp đoán MLP[4] độ Thông thường đầu vào của mạng này là 1 Cấp cơ thể Thu thập triệu chứng ho, đau, sốt… các triệu chứng - thuộc tính bệnh lý được Đo mạch đập, nhiệt ghi nhận bằng các phương thức khác nhau độ, huyết áp,… và đầu ra là kết quả chẩn đoán được 2 Cấp cơ quan chức Chẩn đoán chức năng khẳng định bởi thực tế dùng để luyện năng (ECG, EEG, EMG,…) (dạy) mạng. Nói chung, các mạng này đã 3 Cấp mô CT, MRI, PET cho kết quả có thể chấp nhận được, nhưng SPECT, kính hiển vi khi đầu vào quá lớn có thể dẫn đến giảm 4 Cấp độ tế bào: nano, phương pháp thử các loại tế bào độ chính xác và tăng thời gian xử lý (hội phân tích 5 Cấp độ phân tử tụ chậm hơn). Để giải quyết vấn đề này, sinh học nhiều giải pháp đã được đề xuất như chọn lựa cấu trúc tối ưu của mạng neuron Một cách trực giác chúng ta thấy độ quan nhân tạo, giảm số lượng kích thước thuộc trọng hay trọng số của các tham số/thuộc tính đầu vào, chọn thuật toán luyện mạng tính đầu vào này đối với việc chẩn đoán là thích hợp… khác nhau, cụ thể là mức độ cấu trúc càng Cũng nhằm mục đích này trong bài báo thấp thì giá trị chẩn đoán tương ứng của [8] đã bước đầu sử dụng phương pháp gán chúng càng có ý nghĩa, hay trọng số của trọng số cho các thuộc tính đầu vào phù chúng càng lớn. hợp với các mức cấu trúc của cơ thể đối Như v ...