Tóm tắt luận văn Thạc sĩ Hệ thống thông tin: Phát hiện bất thường bằng phân tích te-xơ để nhận biết xung động kinh trong dữ liệu điện não

Luận văn này giải quyết vấn đề dự báo th ời điểm chuẩn bị xảy ra cơn động kinh. Bệnh động kinh xảy ra trên 1% dân số thế giới, đặc trưng bởi những cơn động kinh tự phát. Một trong những cách ngăn ng ừa động kinh là tiêm thuốc liều cao, kéo theo phản ứng phụ không mong muốn.
Nội dung trích xuất từ tài liệu:
Tóm tắt luận văn Thạc sĩ Hệ thống thông tin: Phát hiện bất thường bằng phân tích te-xơ để nhận biết xung động kinh trong dữ liệu điện não ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ LÊ HOÀNG ANH PHÁT HIỆN BẤT THƯỜNG BẰNG PHÂN TÍCH TEN-XƠ ĐỂ NHẬN BIẾT XUNG ĐỘNG KINH TRONG DỮ LIỆU ĐIỆN NÃO Ngành: Công nghệ thông tin Chuyên ngành: Hệ thống thông tin Mã số: 8480104.01TÓM TẮT LUẬN VĂN THẠC SĨ HỆ THỐNG THÔNG TIN Hà Nội – 10/2018 1CHƯƠNG 1. TỔNG QUAN VỀ LUẬN VĂN Chương 1 trình bày về ngữ cảnh của đề tài như vai trò, vị trí của đề tàitrong ứng dụng của cuộc sống hiện tại. Ngày nay, trong thời đại công nghệ 4.0,việc áp dụng các tiến bộ khoa học công nghệ vào chuẩn đoán y sinh đang đượcnghiên cứu và thực hiện hàng ngày. Một trong số đó phải kể đến xét nghiệmchuẩn đoán bệnh động kinh thông qua phân tích dữ liệu EEG. Dữ liệu từ bộ cảmbiến thu được sẽ lớn dần theo thời gian và biến thiên theo cách mà mắt thườngkhó nhận ra. Luận văn này giải quyết vấn đề dự báo thời điểm chuẩn bị xảy ra cơnđộng kinh. Bệnh động kinh xảy ra trên 1% dân số thế giới, đặc trưng bởi nhữngcơn động kinh tự phát. Một trong những cách ngăn ngừa động kinh là tiêm thuốcliều cao, kéo theo phản ứng phụ không mong muốn. Bên cạnh đó, việc sử dụngthuốc hay phẫu thuật đôi khi không có hiệu quả, khiến người bệnh luôn trongtình trạng lo lắng cơn động kinh có thể kéo đến bất cứ lúc nào. Việc xây dựngmột hệ thống dự báo những cơn động kinh có thể xảy ra giúp cho bệnh nhân cóđược một cuộc sống bình thường hơn. Nhờ đó, họ có thể biết mà tránh các hoạtđộng dễ gây nguy hiểm như lái xe, bơi lội hay sử dụng thuốc khi cần thiết. Mô hình bài toán được xây dựng như sau: Ma trận Dữ liệu Tensor hệ số EEG Xây dựng tensor Phát hiện Biểu diễn đồ thị Phân tích tensor bất thường bất thườngHình 1.1 Mô hình bài toán phát hiện xung động kinh trong dữ liệu EEG Luận văn được trình bày trong năm chương. Chương 1 tập trung giớithiệu về bất thường trong EEG, các phương pháp phát hiện bất thường và phântích ten-xơ. Chương 2 giới thiệu những khái niệm ten-xơ, thuật toán HOSVD và 2biến đổi sóng con liên tục trong phát hiện bất thường. Chương 3 giải thích vềcác bước trong quá trình phát hiện xung động kinh sử dụng HOSVD. Chương 4trình bày chi tiết về tập dữ liệu sử dụng trong nghiên cứu cũng như kết quả củathuật toán. Cuối cùng, Chương 5 thảo luận về các khía cạnh, ưu nhược điểm củaviệc áp dụng thuật toán HOSVD cũng như mô hình huấn luyện khác vào việcphát hiện bất thường trong dữ liệu EEG và đưa ra kết luận.CHƯƠNG 2. NGHIÊN CỨU CƠ SỞ2.1. Các khái niệm về ten-xơ Phần 2.1 trình bày các khái niệm liên quan đến ten-xơ.  Ten-xơ là một mảng N chiều hoặc N hướng, các phần tử nằm trong N không gian con với các tọa độ xác định.  Phần tử thứ i của một vector a là , phần tử thứ (i,j) của ma trận A là , phần tử thứ (i,j,k) của ten-xơ ba chiều là .  Ten-xơ một chiều là vector, ký hiệu là a, ten-xơ hai chiều là một ma trận, ký hiệu là A, ten-xơ ba nhiều chiều (ba chiều hoặc hơn) được ký hiệu là .  Lát cắt là các ma trận hai chiều của một ten-xơ có một chiều cố định, được định nghĩa bằng hai chỉ số.  Chế độ là cách sắp xếp các vector của một ten-xơ. × ×  Chuẩn hóa một ten-xơ ∈ℝ là chuẩn Frobenius.  Bậc của ten-xơ là bậc của không gian sinh ra ten-xơ đó.  Ma trân hóa ten-xơ là làm phẳng ten-xơ là sắp xếp các phần tử của mảng N chiều thành một ma trận. Việc ma trận hóa ten-xơ cho phép khai thác các thành phần đã được xác định trong đại số tuyến tính cho vector và ma trận, xử lý ten-xơ thuận tiện hơn.  Nhân ten-xơ với nhau phức tạp hơn so với nhân các ma trận. 32.2. Phân tích ten-xơ Phần 2.2 trình bày các phương pháp phân tích ten-xơ HOSVDCHƯƠNG 3. HỆ THỐNG PHÁT HIỆN XUNG ĐỘNG KINH SỬDỤNG HOSVD Chương 3 trình bày về việc sử dụng thuật toán HOSVD trong phát hiệnxung động kinh.3.1. Biểu diễn dữ liệu EEG Phần 3.1 trình bày về việc sử dụng biến đổi wavelet tín hiệu để tạo thànhdữ liệu dạng ten-xơ.3.2. Trích chọn vector đặc trưng Phần 3.2.1 trình bày về quá trình sử dụng phương pháp chiếu và khônggian gốc để trích chọn vector đặc trưng của ten-xơ. ...