Chẩn đoán sớm ung thư gan sử dụng mạng nơron min-max mờ dựa trên giá trị APRI

Bài viết đề xuất một phương pháp hỗ trợ chẩn đoán sớm bệnh gan mạn, được thực hiện dựa trên mạng nơron min-max mờ (FMNN). Thuật toán mới đề xuất trong mạng nơron min-max mờ với kết xuất tập luật mờ có chọn lọc dựa trên giá trị của APRI để đánh giá xơ hóa gan không xâm nhập trong tiên đoán xơ gan và ung thư gan.
Nội dung trích xuất từ tài liệu:
Chẩn đoán sớm ung thư gan sử dụng mạng nơron min-max mờ dựa trên giá trị APRIKỷ yếu Hội nghị KHCN Quốc gia lần thứ XIV về Nghiên cứu cơ bản và ứng dụng Công nghệ thông tin (FAIR), TP. HCM, ngày 23-24/12/2021DOI: 10.15625/vap.2021.0065 CHẨN ĐOÁN SỚM UNG THƯ GAN SỬ DỤNG MẠNG NƠRON MIN-MAX MỜ DỰA TRÊN GIÁ TRỊ APRI Vũ Đình Minh1, Nguyễn Thanh Sơn2, Lê Bá Dũng3, Nguyễn Đức Lưu1, Nguyễn Thái Cường1 Trường Đại học Công nghiệp Hà Nội 1 2 Trường Cao đẳng Công nghiệp và Thương mại 3 Khoa Công nghệ thông tin, Trường Đại học Điện lực minhvd@haui.edu.vn, sonnt@pci.edu.vn, l_bdung@yahoo.com, luund@haui.edu.vn, cuongnt@haui.edu.vn TÓM TẮT: Hầu hết bệnh gan mạn đều dẫn đến xơ hóa gan, cuối cùng tiến triển đến xơ gan và ung thư gan nếu không đượcđiều trị kịp thời. Việc phát hiện sớm bệnh gan mạn của bệnh nhân có thể giúp ngăn chặn được diễn tiến dẫn đến ung thư gan. Trongnghiên cứu này, chúng tôi đề xuất một phương pháp hỗ trợ chẩn đoán sớm bệnh gan mạn, được thực hiện dựa trên mạng nơronmin-max mờ (FMNN). Thuật toán mới đề xuất trong mạng nơron min-max mờ với kết xuất tập luật mờ có chọn lọc dựa trên giá trịcủa APRI để đánh giá xơ hóa gan không xâm nhập trong tiên đoán xơ gan và ung thư gan. Đây là một phương pháp đánh giá đơngiản, rẻ tiền, không có biến chứng và dễ thực hiện, đặc biệt là ở các bệnh viện tuyến dưới, nơi ít các bác sĩ chuyên ngành giỏi.Phương pháp đề xuất được tiến hành thực nghiệm trên các bộ dữ liệu máy học và đặc biệt là trên bộ dữ liệu thực tế của các bệnhnhân khám và điều trị bệnh gan. Phương pháp đề xuất của chúng tôi giúp tăng hiệu suất của FMNN so với một số phương phápkhác trước đây. Từ khóa: Fuzzy min-max, neural network, APRI, FMNN, fuzzy rule. I. GIỚI THIỆU Gan là cơ quan quan trọng trong cơ thể con người, nó thực hiện chức năng trao đổi chất, hoạt động để lọc máu,giúp tiêu hóa chất béo và quan trọng nhất là giải độc [6]. Gan vẫn có khả năng hoạt động bình thường ngay cả khi bị hưhỏng một phần, điều này làm cho căn bệnh gan trở nên đáng báo động hơn bởi vì sau đó gan có thể đã bị tổn thươngvĩnh cửu. Viêm gan mạn là biểu hiện của nhiều loại tổn thương gan do nhiều nguyên nhân gây ra khác nhau [5]. Tỉ lệcác bệnh gan mạn sau đó dẫn đến xơ hóa gan và tiến triển đến xơ gan và ung thư gan là rất cao. Việc đánh giá đượcmức độ xơ gan là rất cần thiết trong chỉ định điều trị và tiên lượng viêm gan mạn. Điều này góp phần quan trọng đểgiảm tỷ lệ tiến triển đến xơ gan và ung thư gan. Đánh giá dựa trên chỉ số APRI là phương pháp đánh giá mức độ xơgan đơn giản, nhanh chóng với chi phí thấp và có thể thực hiện ở bất kỳ cơ sở y tế nào [11]. APRI là phương pháp đánhgiá không xâm nhập dựa vào các thông số có sẵn từ các xét nghiệm thường qui. Cho đến nay, mặc dù đã có nhiềuphương tiện hiện đại hơn nhưng APRI vẫn có giá trị sử dụng không những ở những nước có điều kiện kinh tế khó khănnhư nước ta mà cả những nước tiên tiến. Việc áp dụng các kỹ thuật thông minh trong hỗ trợ chẩn đoán sẽ trợ giúp rất nhiều cho các cơ sở y tế tuyến dưới,nơi thiếu các bác sĩ chuyên khoa, các chuyên gia giỏi. Điều này đã thúc đẩy các nhà khoa học, các chuyên gia, bác sĩquan tâm đến chăm sóc sức khỏe nghiên cứu về các kỹ thuật thông minh và ứng dụng trong hỗ trợ chẩn đoán bệnh.Trong [2], nhóm nghiên cứu đã đề xuất phương pháp chẩn đoán tổn thương gan dựa trên hình ảnh CT (ComputedTomography). Tuy nhiên, chẩn đoán qua hình ảnh CT không thể phát hiện xơ hóa gan ở giai đoạn sớm và khó thựchiện ở các bệnh viện tuyến dưới do chi phí lớn, kỹ thuật phức tạp và cần có bác sĩ chuyên khoa giỏi. Trong [4], Darnegiới thiệu mô hình kết hợp Fuzzy C-means (FCM) với FMNN (Fuzzy Min-Max Neural Network) trong phát hiện ungthư phổi. Rajakumar cùng nhóm nghiên của mình đề xuất thuật toán lai giữa FMNN và thuật toán đom đóm để chẩnđoán bệnh tim tự động [8]. Mạng nơron min-max mờ [10] cũng là một hướng tiếp cận hiệu quả trong lĩnh vực hỗ trợ chẩn đoán y khoa[12]. Sự kết hợp giữa logic mờ và khả năng học của mạng nơron là điểm mạnh của mạng nơron FMM (Fuzzy Min-Max) khi xử lý các thông tin không chắc chắn. Do đó, các mạng nơron FMM có thể ứng dụng trong rất nhiều lĩnh vựcnhư hệ chuyên gia, dự báo, điều khiển, chẩn đoán ý tế,... Một trong các lý do khiến mạng nơron FMM được áp dụngcho các vấn đề chẩn đoán y tế là khả năng tạo các luật “if…then” rất đơn giản [12]. Mỗi luật “if…then” được mô tảbằng cách định lượng các giá trị min-max của các đặc tính đầu vào. Đặc biệt trong lĩnh vực y tế, luật “if…then” giảithích được cho các vấn đề về kết luận của chẩn đoán từ hệ thống thông minh. Mô hình mạng nơron FMM do Simpson giới thiệu lần đầu vào năm 1992 [10] và một biến thể của nó vào năm1993[10]. Dựa trên mô hình gốc ban đầu, một số nghiên cứu đã được đề xuất nhằm cải thiện hiệu suất của mạng nơronFMM bằng cách cải thiện cấu trúc mạng, phương pháp học hoặc kết hợp với kỹ thuật khác. Để có cái nhìn tổng quanvề mạng nơron FMM và các biến thể của nó, một số nhóm nghiên cứu đã trình bày các nghiên cứu tổng quan của mìnhtheo các cách thức khác nhau. Năm 2014 Jambhulkar đã trình bày về 6 biến thể, bao gồm: FMM, GFMM, EFC,FMCN, DCFMN và MLF [Jambhulkar]. Năm 2015 Jain đã đưa ra một đánh giá tổng quan với bảy mô hình, cụ thể làFMM, GFMM, EFC, FMCN, GRFMN, DCFMN và MLF [7]. Năm 2019, nhóm nghiên cứu của Sayaydeh [9] vàAlhroob [1] đã trình bày về các biến thể của mạng nơron FMM. Các nghiên cứu này đã chỉ ra các ưu điểm, nhược điểmvà khả năng ứng dụng của FMNN trong thực tế.246 CHẨN ĐOÁN SỚM UNG THƯ GAN SỬ DỤNG MẠNG NƠRON MIN-MAX MỜ DỰA TRÊN GIÁ TRỊ APRI Một trong các hạn chế của phần ...