Xây dựng mô hình hỗ trợ chẩn đoán bệnh dựa trên hệ suy diễn mờ phức Mamdani

Bài viết Xây dựng mô hình hỗ trợ chẩn đoán bệnh dựa trên hệ suy diễn mờ phức MAMDANI tập trung vào ứng dụng hệ suy diễn mờ trong chẩn đoán y tế. Kết quả thực nghiệm trên 5 bộ dữ liệu đã khẳng định hiệu quả của phương pháp đề xuất so với các hệ suy diễn đã có.
Nội dung trích xuất từ tài liệu:
Xây dựng mô hình hỗ trợ chẩn đoán bệnh dựa trên hệ suy diễn mờ phức MamdaniTuyển tập Hội nghị Khoa học thường niên năm 2019. ISBN: 978-604-82-2981-8 XÂY DỰNG MÔ HÌNH HỖ TRỢ CHẨN ĐOÁN BỆNH DỰA TRÊN HỆ SUY DIỄN MỜ PHỨC MAMDANI Lương Thị Hồng Lan1, Nguyễn Khánh Tùng2 1 Trường Đại học Thủy lợi, email: lanlhbk@tlu.edu.vn 2 Trường Đại học Điện lực1. GIỚI THIỆU CHUNG những chẩn đoán chính xác về bệnh thần kinh ngoại. Frolova và cộng sự đã sử dụng hệ suy Chẩn đoán y tế là dự báo khả năng mắcbệnh của bệnh nhân dựa vào những thông tin, diễn mờ để xác định suy tim cấp tính.triệu chứng mà bệnh nhân gặp phải. Nó đóng Gayathri và Sumathi lại hỗ trợ trong việc xácvai trò quan trọng trong quy trình điều trị của định khối u ung thư bằng suy luận mờbệnh nhân và cũng là trung tâm trong y học Mamdani.lâm sàng. Do đó, việc đảm bảo và nâng cao Thakur và cộng sự [10] đã sử dụng hệ suychất lượng chẩn đoán là vấn đề đang được diễn mờ MAMDANI để chẩn đoán bệnhquan tâm hàng đầu tại Việt Nam cũng như Thalassemia. Sardesai và cộng sự lại nghiêntrên thế giới. cứu giảm thiểu sự phức tạp của bệnh phụ Zadel đã phát triển lý thuyết lập luận mờ khoa bằng hệ suy diễn mờ Mamdani. Gầnnhằm đưa ra một cách biểu diễn và lập luận đây, Nazaria và cộng sự đã đưa ra cách tiếpvới những thông tin ngôn ngữ không chính cận mới dựa trên hệ suy diễn mờ để chẩn đoán khả năng phát triển bệnh tim ởxác. Đó là xây dựng hệ cơ sở tri thức (dựa bệnh nhân.trên các luật If... then) và xây dựng các lập Từ những kết quả nghiên cứu về hệ mờ đãluận tương ứng với cơ sở tri thức đó (dựa trên có, tôi nghiên cứu hệ mờ phức và áp dụng đểgiá trị của biến ngôn ngữ đã được xây dựng xây dựng hệ suy diễn Mamdani dựa trên tậptrên nền tảng mờ). mờ phức. Các hướng nghiên cứu ứng dụng mờ trongchẩn đoán y tế chủ yếu dựa trên hai hướng 2. HỆ SUY DIỄN MỜ PHỨCchính là các hệ thống học mờ được xây dựng 2.1. Tập mờ phứctừ việc kết hợp hệ suy diễn với các phươngpháp mờ như các phương pháp dựa trên luật Khái niệm về tập mờ phức (Complexmờ, hệ chuyên gia mờ, suy diễn mờ... và các Fuzzy Set - CFS) và logic mờ phứchệ thống học mờ được xây dựng dựa trên mô (Complex Fuzzy Logic - CFL) đã được đềhình mạng noron. Bài báo này tập trung vào xuất bởi Ramot và các cộng sự như là một phần mở rộng của lý thuyết tập mờ và logicứng dụng hệ suy diễn mờ trong chẩn đoán y tế. mờ. Một tập mờ phức được đặc trưng bởi Một vài ví dụ về ứng dụng của hệ suy diễn một hàm thuộc giá trị phức μs(x) mà phạm vimờ trong y tế bao gồm nhóm tác giả Adeli và giá trị của nó là đường tròn đơn vị trongNeshat đã thiết kế một hệ mờ chuyên gia để không gian phức, và được biểu diễn có dạng:chẩn đoán bệnh tim. Lee và Wang đã cungcấp một hệ chuyên gia mờ cho một ứng dụng μ S ( x ) = rS ( x ).e( jωS ( x ) , j = −1hỗ trợ ra quyết định bệnh tiểu đường. Trong đó: rs(s) là biên độ và ωs(x) pha, và Kunhimangalam và cộng sự áp dụng kĩ cả 2 đều là các hàm có giá trị thực với điềuthuật suy luận mờ Mamdani để hỗ trợ đưa ra kiện rs(s) ∈ [0,1]. Pha bổ sung thêm một số 216 Tuyển tập Hội nghị Khoa học thường niên năm 2019. ISBN: 978-604-82-2981-8thông tin mở rộng liên quan tới chu kì không Bước 1: Mô tả triệu chứng bệnhgian và thời gian trong tập mờ đã được xác S = (S1,..., Sm) đầu vào thành các tập mờđịnh bởi biên độ. phức ( Biên độ là các giá trị thuộc tính; Pha là mối liên hệ giữa các thuộc tính bệnh) 2.2. Xây dựng hệ suy diễn mamdani trên Ở đây, tôi sử dụng hàm mờ phức Gaussiantập mờ phức (MCFIS) [7] Hệ suy diễn mờ phức chủ yếu gồm 4 thành cGaussian ( x,m,σ ,λ ) = rS ( x,m,σ ) exp ( jωs ( x,m,σ ,λ ) )phần: Các luật mờ phức, một bộ mờ hóa với và là biên độ và pha của hàm thuộcphức, một cơ chế suy diễn phức và một bộ mờ phức và được định nghiã như saugiải mờ phức. Quá trình suy diễn này bao ⎡ ⎛ x−m⎞ ⎤ 2gồm 4 bước: rS ( x,m,σ ) = Gaussian ( x,m,σ ) = exp ⎢−0.5 ⎜ ⎟ ⎥ Bước 1: Xây dựng các vùng mờ phức. ⎣⎢ ⎝ σ ⎠ ⎦⎥ Trong bước này tôi sẽ xây dựng các vùng ⎡ ⎛ x−m⎞ ⎤ ⎛ x−m⎞ 2mờ phức bằng cách chia thành từng khoảng ωs ( x,m,σ ,λ ) = − exp ⎢ −0.5 ⎜ ⎟ ⎥ x⎜ 2 ⎟ x λ ⎣⎢ ⎝ σ ⎠ ⎦⎥ ⎝ σ ⎠miền và mỗi miền sẽ chứa lớp giá trị mờphức của hàm thuộc đối với đầu vào hoặc với {m, σ, λ}là trung bình, dải của hàmđầu ra. ...