TRƢỜNG ĐẠI HỌC ĐIỆN LỰC
KHOA CÔNG NGHỆ KỸ THUẬT – ĐIỆN TỬ VIỄN THƠNG
--- ---

ĐỒ ÁN TỐT NGHIỆP
ỨNG DỤNG TRÍ TUỆ NHÂN TẠO XÂY DỰNG MẠNG NEURON
HỐ TRỢ CHẨN ĐOÁN BỆNH RỐI LOẠN NHỊP TIM

Giáo viên hướng dẫn
Sinh viên thực hiện
Lớp
Mã sinh viên
Khóa

: PGSTS. Huỳnh Lương Nghĩa
: Đinh Văn Quang
: D10TBĐTYT
: 1581530035
: 2015-2020

Năm học 2019 - 2020


GVHD: PGS.TS Huỳnh Lương Nghĩa

SVTH: Đinh Văn Quang

LỜI CÁM ƠN
Lời đầu tiên em xin đƣợc tỏ lòng biết ơn sâu sắc đến thầy: PGS TS. Huỳnh
Lƣơng Nghĩa, ngƣời đã tận tình hƣớng dẫn, truyền nhiệt huyết khoa học và tạo điều
kiện thuận lợi cho em nghiên cứu đề tài này.

Em xin chân thành cảm ơn các thầy, các cô trong khoa Công Nghệ Kỹ Thuật –
Điện Tử Viễn Thông đã tận tình dạy dỗ, truyền đạt cho em nhiều kiến thức quý báu, là
cơ sở để em tiếp cận những kiến thức khoa học.
Xin chân thành cảm ơn các bạn trong khoa Công Nghệ Kỹ Thuật – Điện Tử Viễn
Thông, Trƣờng Đại học Điện Lực đã giúp đỡ, động viên trong quá trình thực hiện đề
tài.
Em xin chân thành cảm ơn !

Hà nội, tháng 12 năm 2019
Sinh viên thực hiện

Đinh Văn Quang

i


GVHD: PGS.TS Huỳnh Lương Nghĩa

SVTH: Đinh Văn Quang

NHẬN XÉT
(Của giáo viên hƣớng dẫn)
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................

...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
Giảng viên hƣớng dẫn
(Ký, ghi rõ họ tên)

PGS TS. Huỳnh Lƣơng Nghĩa

ii


GVHD: PGS.TS Huỳnh Lương Nghĩa

SVTH: Đinh Văn Quang

NHẬN XÉT
(Của giáo viên phản biện)

...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................

...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................
...........................................................................................................................................

Giảng viên phản biện
(Ký, ghi rõ họ tên)

iii


GVHD: PGS.TS Huỳnh Lương Nghĩa

SVTH: Đinh Văn Quang

MỤC LỤC
DANH MỤC HÌNH ẢNH ..............................................................................................vi
DANH MỤC BẢNG BIỂU ......................................................................................... viii
DANH MỤC VIẾT TẮT................................................................................................xi
LỜI NÓI ĐẦU .............................................................................................................. xii
CHƢƠNG I: TỔNG QUAN VỀ ỨNG DỤNG MẠNG NEURON NHÂN TẠO
TRONG Y TẾ ..................................................................................................................1
1.1. Khái quát về mạng neuron nhân tạo .....................................................................1

1.1.1. Định nghĩa mạng neuron ...............................................................................1
1.1.2. Cấu trúc mạng neuron ...................................................................................1
1.1.3. Phân loại mạng neuron ..................................................................................5
1.2. Tổng quan về ứng dụng mạng neuron nhân tạo trong y tế ...................................7
1.2.1. Các lĩnh vực y tế ứng dụng mạng neuron......................................................7
1.2.2. Các ứng dụng mạng neuron trong y tế ..........................................................7
KẾT LUẬN CHƢƠNG I............................................................................................... 11
CHƢƠNG II: THIẾT KẾ MẠNG NEURON HỖ TRỢ CHẨN ĐOÁN BỆNH RỐI
LOẠN NHỊP TIM SỬ DỤNG CÔNG CỤ NEURON NETWORK TOOLBOX
TRONG PHẦN MỀM MATLAB .................................................................................12
2.1. Giới thiệu phần mềm matlab và công cụ neuron network toolbox ....................12
2.1.1. Khái niệm về Matlab ...................................................................................12
2.1.2. Cấu trúc .......................................................................................................12
2.1.3. Đặc điểm của Matlab ...................................................................................12
2.1.4. Khả năng ứng dụng của Matlab...................................................................13
2.1.5. Giới thiệu công cụ Neuron Network Toolbox trong phần mềm Matlab .....13
2.2. Xây dựng cơ sở dữ liệu đáp ứng nhu cầu thiết kế mạng neuron ........................15
2.2.1. Chọn cơ sở dữ liệu thích hợp.......................................................................15
2.2.2. Chuẩn hóa cơ sơ dữ liệu ..............................................................................17
2.3. Thiết kế mạng neuron hỗ trợ chẩn đoán bệnh rối loạn nhịp tim ........................18
2.3.1. Chọn cấu trúc mạng .....................................................................................18
2.3.2. Chọn thuật toán luyện mạng ........................................................................20
iv


GVHD: PGS.TS Huỳnh Lương Nghĩa

SVTH: Đinh Văn Quang

KẾT LUẬN CHƢƠNG II ............................................................................................. 24

CHƢƠNG III: LUYỆN MẠNG, THẨM ĐỊNH VÀ THỬ NGHIỆM MẠNG ............25
3.1. Phân bố mẫu thử để luyện, thẩm định và thử nghiệm mạng .............................. 25
3.2. Kết quả của trƣờng hợp khơng gán trọng số cho các thuộc tính đầu vào...........26
3.3. Kết quả cho trƣờng hợp sử dụng phƣơng pháp gán trọng số cho các thuộc tính
đầu vào .......................................................................................................................27
3.3.1. Ý nghĩa phƣơng pháp gán trọng số cho các thuộc tính đâu vào .................27
3.3.2. Kết quả cho trƣờng hợp gán trọng số cho các thuộc tính đầu vào ..............29
3.4. Kết quả thử nghiệm, kiểm chứng trên mơ hình bài báo[3].................................39
Kết luận chƣơng III ........................................................................................................53
CHƢƠNG IV: ĐÁNH GIÁ VÀ KẾT LUẬN ............................................................... 54
KẾT LUẬN CHUNG VÀ ĐỀ XUẤT HƢỚNG NGHIÊN CỨU .................................58
TÀI LIỆU THAM KHẢO ............................................................................................. 59

v


GVHD: PGS.TS Huỳnh Lương Nghĩa

SVTH: Đinh Văn Quang

DANH MỤC HÌNH ẢNH
Hình 1.1: Cấu trúc mạng neuron ba lớp .......................................................................... 2
Hình 1.2: Q trình xử lý thơng tin của mạng neuron .................................................... 2
Hình 1.3: Mạng tự kết hợp .............................................................................................. 5
Hình 1.4: Mạng kết hợp khác kiểu .................................................................................. 5
Hình 1.5: Mạng truyền thẳng........................................................................................... 6
Hình 1.6: Mạng phản hồi ................................................................................................. 6
Hình 2.1: Mạng neuron MLP ........................................................................................ 19
Hình 2.2: Mạng neuron chẩn đốn hai lớp MLP ........................................................... 20
Hình 2.3: Lƣợc đồ thuật tốn lan truyền ngƣợc gradient liên hợp ................................ 21

Hình 2.4: Lƣu đồ thao tác huấn luyện sử dụng thuật toán lan truyền ngƣợc ................ 23
Hình 3.1: Kết quả xác thực tốt nhất - case 0 ................................................................. 26
Hình 3.2: Kết quả xác thực tốt nhất – case1 .................................................................. 30
Hình 3.3: Kết quả xác thực tốt nhất – case2 .................................................................. 31
Hình 3.4: Kết quả xác thực tốt nhất – case 3 ................................................................. 32

Hình 3.5: Kết quả xác thực tốt nhất – case 4 ................................................................. 33
Hình 3.6: Kết quả xác thực tốt nhất – case 5 ................................................................. 34
Hình 3.7: Kết quả xác thực tốt nhất – case 6 ................................................................. 35
Hình 3.8: Kết quả xác thực tốt nhất – case 7 ................................................................. 36
Hình 3.9: Kết quả xác thực tốt nhất - case 8 ................................................................. 38
Hình 3.10: Kết quả xác thực tốt nhất - case 9 ............................................................... 39
Hình 3.11: Kết quả xác thực tốt nhất theo bài báo[3] ................................................... 40
Hình 3.12: Mạng neuron chẩn đốn hai lớp MLP mơ phỏng lại bài báo[3] ................. 41

Hình 3.13: Kết quả xác thực tốt nhất luyện mạng theo thiết kế mơ phỏng lại bài
báo[3]- case 0................................................................................................................. 41
Hình 3.14: Kết quả xác thực tốt nhất luyện mạng theo thiết kế mô phỏng lại bài báo[3]
– case 1 .......................................................................................................................... 43
Hình 3.15: Kết quả xác thực tốt nhất luyện mạng theo thiết kế mơ phỏng lại bài báo[3]
– case 2 .......................................................................................................................... 44
Hình 3.16: Kết quả xác thực tốt nhất luyện mạng theo thiết kế mô phỏng lại bài
báo[3]– case 3 ................................................................................................................ 45
vi


GVHD: PGS.TS Huỳnh Lương Nghĩa

SVTH: Đinh Văn Quang


Hình 3.17: Kết quả xác thực tốt nhất luyện mạng theo thiết kế mơ phỏng lại bài báo[3]
– case 4 .......................................................................................................................... 46
Hình 3.18: Kết quả xác thực tốt nhất luyện mạng theo thiết kế mơ phỏng lại bài báo[3]
– case 5 .......................................................................................................................... 47
Hình 3.19: Kết quả xác thực tốt nhất luyện mạng theo thiết kế mô phỏng lại bài báo[3]
– case 6 .......................................................................................................................... 48
Hình 3.20: Kết quả xác thực tốt nhất luyện mạng theo thiết kế mô phỏng lại bài báo[3]
– case 7 .......................................................................................................................... 49
Hình 3.21: Kết quả xác thực tốt nhất luyện mạng theo thiết kế mô phỏng lại bài báo[3]
- case 8 ........................................................................................................................... 51
Hình 3.22: Kết quả xác thực tốt nhất luyện mạng theo thiết kế mô phỏng lại bài báo[3]
- case 9 ........................................................................................................................... 52

vii


GVHD: PGS.TS Huỳnh Lương Nghĩa

SVTH: Đinh Văn Quang

DANH MỤC BẢNG BIỂU
Bảng 1.1: Một số hàm truyền thông dụng ....................................................................... 4
Bảng 1.2: Các lĩnh vực y học ứng dụng mạng neuron nhân tạo ..................................... 7
Bảng 1.3: Tóm tắt các ứng dụng của mạng neuron thần kinh trong y học.................... 11
Bảng 2.1: Các loại bệnh tim mạch đƣợc chẩn đoán ...................................................... 16
Bảng 2.2: Bảng tóm tắt các đạo trình ............................................................................ 17
Bảng 3.1: Bảng chỉ số tốt nhất của mơ hình mạng neuron cho bệnh rối loạn nhịp tim case 0 ............................................................................................................................. 27
Bảng 3.2: Tỷ lệ thành cơng của mơ hình phân loại bệnh rối loạn nhịp tim - case 0 ..... 27
Bảng 3.3: Mức cấu trúc của cơ thể và các phƣơng pháp chẩn đoán tƣơng ứng ............ 27
Bảng 3.4: Bảng chỉ số tốt nhất của mơ hình mạng neuron phân loại bệnh rối loạn nhịp

tim – case 1 .................................................................................................................... 30
Bảng 3.5: Tỷ lệ thành cơng của mơ hình phân loại bệnh rối loạn nhịp tim – case 1 .... 30
Bảng 3.6: Bảng chỉ số tốt nhất của mơ hình mạng neuron phân loại bệnh rối loạn nhịp
tim – case 2 .................................................................................................................... 31
Bảng 3.7: Tỷ lệ thành cơng của mơ hình phân loại bệnh rối loạn nhịp tim – case 2 .... 31
Bảng 3.8: Bảng chỉ số tốt nhất của mơ hình mạng neuron phân loại bệnh rối loạn nhịp
tim – case 3 .................................................................................................................... 32
Bảng 3.9: Tỷ lệ thành công của mô hình phân loại bệnh rối loạn nhịp tim – case 3 .... 32
Bảng 3.10: Bảng chỉ số tốt nhất của mơ hình mạng neuron phân loại bệnh rối loạn nhịp
tim – case 4 .................................................................................................................... 33
Bảng 3.11: Tỷ lệ thành công của mơ hình phân loại bệnh rối loạn nhịp tim – case 4 .. 33
Bảng 3.12: Bảng chỉ số tốt nhất của mơ hình mạng neuron phân loại bệnh rối loạn nhịp
tim – case 5 .................................................................................................................... 34
Bảng 3.13: Tỷ lệ thành cơng của mơ hình phân loại bệnh rối loạn nhịp tim– case 5 ... 34
Bảng 3.14: Bảng chỉ số tốt nhất của mơ hình mạng neuron phân loại bệnh rối loạn nhịp
tim – case 6 .................................................................................................................... 35
Bảng 3.15: Tỷ lệ thành cơng của mơ hình phân loại bệnh rối loạn nhịp tim – case 6 .. 35
Bảng 3.16: Bảng chỉ số tốt nhất của mơ hình mạng neuron phân loại bệnh rối loạn nhịp
tim – case 7 .................................................................................................................... 36
Bảng 3.17: Tỷ lệ thành cơng của mơ hình phân loại bệnh rối loạn nhịp tim – case 7 .. 36
viii


GVHD: PGS.TS Huỳnh Lương Nghĩa

SVTH: Đinh Văn Quang

Bảng 3.18: Bảng chỉ số tốt nhất của mơ hình mạng neuron cho bệnh rối loạn nhịp tim case 8 ............................................................................................................................. 38
Bảng 3.19: Tỷ lệ thành cơng của mơ hình phân loại bệnh rối loạn nhịp tim - case 8 ... 38
Bảng 3.20: Bảng chỉ số tốt nhất của mơ hình mạng neuron cho bệnh rối loạn nhịp tim case 9 ............................................................................................................................. 39

Bảng 3.21: Tỷ lệ thành cơng của mơ hình phân loại bệnh rối loạn nhịp tim - case 9 ... 39
Bảng 3.22: Bảng chỉ số tốt nhất của mơ hình mạng neuron phân loại bệnh rối loạn nhịp
tim theo bài báo[3] ........................................................................................................ 40
Bảng 3.23: Tỷ lệ thành cơng của mơ hình phân loại bệnh rối loạn nhịp tim theo bài
báo[3] ............................................................................................................................. 41
Bảng 3.24: Bảng chỉ số tốt nhất của mơ hình mạng neuron phân loại bệnh rối loạn nhịp
tim luyện mạng theo thiết kế mô phỏng lại bài báo[3] - case 0 ................................... 42
Bảng 3.25: Tỷ lệ thành công của mô hình phân loại bệnh rối loạn nhịp tim luyện mạng
theo thiết kế mô phỏng lại bài báo[3]- case 0 ................................................................ 42
Bảng 3.26: đánh giá mơ hình MLP đã thiết kế trong đồ án và trong bài báo[3] ........... 42
Bảng 3.27: Bảng chỉ số tốt nhất của mơ hình mạng neuron phân loại bệnh rối loạn nhịp
tim luyện mạng theo thiết kế mô phỏng lại bài báo[3] – case 1 ................................... 44
Bảng 3.28: Tỷ lệ thành cơng của mơ hình phân loại bệnh rối loạn nhịp tim luyện mạng
theo thiết kế mô phỏng lại bài báo[3] – case 1 .............................................................. 44
Bảng 3.29: Bảng chỉ số tốt nhất của mơ hình mạng neuron phân loại bệnh rối loạn nhịp
tim luyện mạng theo thiết kế mô phỏng lại bài báo[3] – case 2 ................................... 45
Bảng 3.30: Tỷ lệ thành cơng của mơ hình phân loại bệnh rối loạn nhịp tim luyện mạng
theo thiết kế mô phỏng lại bài báo[3] – case 2 .............................................................. 45
Bảng 3.31: Bảng chỉ số tốt nhất của mơ hình mạng neuron phân loại bệnh rối loạn nhịp
tim luyện mạng theo thiết kế mô phỏng lại bài báo[3] – case 3 ................................... 46
Bảng 3.32: Tỷ lệ thành công của mô hình phân loại bệnh rối loạn nhịp tim luyện mạng
theo thiết kế mô phỏng lại bài báo[3] – case 3 .............................................................. 46
Bảng 3.33: Bảng chỉ số tốt nhất của mô hình mạng neuron phân loại bệnh rối loạn nhịp
tim luyện mạng theo thiết kế mô phỏng lại bài báo[3] – case 4 ................................... 47
Bảng 3.34: Tỷ lệ thành công của mơ hình phân loại bệnh rối loạn nhịp tim luyện mạng
theo thiết kế mô phỏng lại bài báo[3] – case 4 .............................................................. 47
ix


GVHD: PGS.TS Huỳnh Lương Nghĩa


SVTH: Đinh Văn Quang

Bảng 3.35: Bảng chỉ số tốt nhất của mơ hình mạng neuron phân loại bệnh rối loạn nhịp
tim luyện mạng theo thiết kế mô phỏng lại bài báo[3] – case 5 ................................... 48
Bảng 3.36: Tỷ lệ thành cơng của mơ hình phân loại bệnh rối loạn nhịp tim luyện mạng
theo thiết kế mô phỏng lại bài báo[3] – case 5 .............................................................. 48
Bảng 3.37: Bảng chỉ số tốt nhất của mơ hình mạng neuron phân loại bệnh rối loạn nhịp
tim luyện mạng theo thiết kế mô phỏng lại bài báo[3] – case 6 ................................... 49
Bảng 3.38: Tỷ lệ thành cơng của mơ hình phân loại bệnh rối loạn nhịp tim luyện mạng
theo thiết kế mô phỏng lại bài báo[3] – case 6 .............................................................. 49
Bảng 3.39: Bảng chỉ số tốt nhất của mơ hình mạng neuron phân loại bệnh rối loạn nhịp
tim luyện mạng theo thiết kế mô phỏng lại bài báo[3] – case 7 .................................. 50
Bảng 3.40: Tỷ lệ thành cơng của mơ hình phân loại bệnh rối loạn nhịp tim luyện mạng
theo thiết kế mô phỏng lại bài báo[3] – case 7 .............................................................. 50
Bảng 3.41: Bảng chỉ số tốt nhất của mơ hình mạng neuron phân loại bệnh rối loạn nhịp
tim luyện mạng theo thiết kế mô phỏng lại bài báo[3] - case 8 ................................... 51
Bảng 3.42: Tỷ lệ thành công của mô hình phân loại bệnh rối loạn nhịp tim luyện mạng
theo thiết kế mô phỏng lại bài báo[3] - case 8 ............................................................... 52
Bảng 3.43: Bảng chỉ số tốt nhất của mô hình mạng neuron phân loại bệnh rối loạn nhịp
tim luyện mạng theo thiết kế mô phỏng lại bài báo[3] - case 9 ................................... 52
Bảng 3.44: Tỷ lệ thành công của mơ hình phân loại bệnh rối loạn nhịp tim luyện mạng
theo thiết kế mô phỏng lại bài báo[3] - case 9 ............................................................... 53
Bảng 4.1: Tổng hợp kết quả kiểm tra đánh giá hiệu quả mạng neuron hỗ trợ chẩn đoán bệnh
rối loạn nhịp tim luyện theo mơ hình mạng MLP đã thiết kế trong đồ án.............................. 55
Bảng 4.2: Tổng hợp kết quả kiểm tra đánh giá hiệu quả mạng neuron hỗ trợ chẩn đoán
bệnh rối loạn nhịp tim luyện theo mơ hình mạng MLP thiết kế của bài báo[3] ........... 56

x



GVHD: PGS.TS Huỳnh Lương Nghĩa

SVTH: Đinh Văn Quang

DANH MỤC VIẾT TẮT
Từ viết tắt

Cụm từ đầy đủ trong
Tiếng Anh

ANN

Artificial Neuron Network

MLP

MultiLayer Perceptron

MSE

Mean square error

FPGA
GPUs

Ý nghĩa
Mạng neuron nhân tạo
Mạng neuron đa lớp truyền thẳng
Sai số trung bình bình phƣơng


Field-programmable gate
array
Graphics Processing Unit

xi

Mảng cổng lập trình
Bộ vi xử lý đồ họa


GVHD: PGS.TS Huỳnh Lương Nghĩa

SVTH: Đinh Văn Quang

LỜI NĨI ĐẦU
Tính cấp thiết của đề tài
Rối loạn nhịp tim (còn đƣợc gọi là chứng loạn nhịp tim hoặc nhịp tim không đều)
là một nhóm các tình trạng trong đó nhịp tim không đều, quá nhanh hoặc quá chậm.
Nhịp tim quá nhanh trên 100 nhịp mỗi phút ở ngƣời lớn đƣợc gọi là nhịp tim nhanh, và
nhịp quá chậm dƣới 60 nhịp mỗi phút đƣợc gọi là nhịp tim chậm. Nhiều loại rối loạn
nhịp tim khơng có triệu chứng. Khi có triệu chứng, chúng có thể bao gồm đánh trống
ngực hoặc cảm thấy tạm dừng giữa các nhịp tim. Trong trƣờng hợp nghiêm trọng hơn,
có thể bị chóng mặt, ngất xỉu, khó thở hoặc đau ngực. Trong khi hầu hết các loại rối
loạn nhịp tim khơng nghiêm trọng, một số ngƣời có thể dễ bị biến chứng nhƣ đột
quỵ hoặc suy tim. Những ngƣời khác có thể dẫn đến ngừng tim.
Chứng loạn nhịp tim ảnh hƣởng đến hàng triệu ngƣời. Tại châu Âu và Bắc Mỹ,
tính đến năm 2014, rung tâm nhĩ ảnh hƣởng đến khoảng 2% đến 3% dân số dẫn đến
112.000 ca tử vong trong năm 2013 so với 29.000 ca vào năm 1990. Đột tử do tim là
nguyên nhân của khoảng một nửa số ca tử vong bởi bệnh tim mạch và khoảng 15%

tổng số ca tử vong trên toàn cầu. Khoảng 80% trƣờng hợp tử vong do tim đột ngột là
kết quả của rối loạn nhịp thất. Chứng loạn nhịp tim có thể xảy ra ở mọi lứa tuổi nhƣng
phổ biến hơn ở những ngƣời lớn tuổi.
Chẩn đoán bệnh trong y học luôn là một lĩnh vực phức tạp do đối tƣợng của lĩnh
vực này là con ngƣời. Hơn thế nữa, nguyên nhân bệnh rối loạn nhịp tim lại chƣa đƣợc
xác định đầy đủ, biểu hiện bệnh lý ở các bệnh nhân cũng khác nhau và có nhiều dấu
hiệu dễ nhầm lẫn với các bệnh khác. Mặt khác, việc chẩn đoán của y bác sĩ dựa trên
kiến thức đã học và kinh nghiệm khám chữa bệnh nên phụ thuộc nhiều vào cảm xúc
của ngƣời bác sĩ và mang tính chủ quan rất cao. Với mong muốn góp phần phát triển
phƣơng pháp luận phục vụ việc chẩn đoán bệnh rối loạn nhịp tim và phát hiện bệnh
sớm nhằm nâng cao hiệu quả trong điều trị bệnh, tôi chọn đề tài: ―Ứng Dụng Trí Tuệ
Nhân Tạo Xây Dựng Mạng Neuron Hỗ Trợ Chẩn Đoán Bệnh Rối Loạn Nhịp Tim ” vì
mạng neuron khơng mang tính chủ quan và cảm xúc của ngƣời bác sĩ vào chẩn đoán
bệnh và là một trong những công cụ nhận dạng tốt nhất bởi các đặc trƣng sau: Khả
năng học từ kinh nghiệm (khả năng đƣợc huấn luyện), khả năng xử lý song song với
tốc độ xử lý nhanh, khả năng học thích nghi, khả năng khái qt hố cho các đầu vào
khơng đƣợc huấn luyện, nên có thể tiên đốn đƣợc đầu ra từ đầu vào không biết trƣớc.
Mục tiêu của đồ án:
Đồ án tập trung khảo sát các mơ hình mạng neuron, áp dụng phƣơng pháp học
máy mạng neuron và ứng dụng vào bài toán chẩn đoán bệnh rối loạn nhịp tim.
Dựa vào bộ dữ liệu (Arrhythmia Data Set) về bệnh rối loạn nhịp tim của “Altay
Guvenir, Burak Acar, and Haldun Muderrisoglu, khoa kỹ thuật máy tính và thơng tin,
Trƣờng đại học Bilkent Thổ Nhĩ Kỳ” và phần mềm Matlab, xây dựng mạng neuron
xii


GVHD: PGS.TS Huỳnh Lương Nghĩa

SVTH: Đinh Văn Quang


truyền thẳng với thuật toán lan truyền ngƣợc hỗ trợ việc chẩn đoán bệnh rối loạn nhịp
tim trong y tế.
Nội dung chính của đồ án:
Chƣơng I: Tổng quan về ứng dụng mạng neuron nhân tạo trong y tế.
Chƣơng II: Thiết kế mạng neuron hỗ trợ chẩn đoán bệnh rối loạn nhịp tim sử dụng
công cụ Neuron Network Toolbox trong phần mềm Matlab.
Chƣơng III: Luyện mạng, thẩm định và thử nghiệm mạng.
Chƣơng IV: Đánh giá và kết luận.
Kết luận chung và đề xuất hƣớng nghiên cứu.

xiii


GVHD: PGS.TS Huỳnh Lương Nghĩa

SVTH: Đinh Văn Quang

CHƢƠNG I: TỔNG QUAN VỀ ỨNG DỤNG MẠNG NEURON NHÂN TẠO
TRONG Y TẾ
1.1. Khái quát về mạng neuron nhân tạo
1.1.1. Định nghĩa mạng neuron
Một trong những ý tƣởng cơ bản đằng sau mạng neuron [1] là xây dựng các
neuron nhân tạo có đặc điểm của các neuron sinh học. Mạng neuron nhân tạo hay
thƣờng gọi ngắn gọn là mạng neuron (tiếng Anh là Artificial Neuron network - ANN
hay Neuron Network) gồm một nhóm các neuron nhân tạo hay thƣờng đƣợc gọi là các
nút. Đầu vào đƣợc nhận từ nhiều nút khác nhau, các đầu vào này có thể đƣợc coi là các
sợi nhánh trong tế bào thần kinh sinh học. Giống nhƣ các tế bào thần kinh, các nút tạo
ra một đầu ra có thể liên kết với sợi trục. Khi tính tốn đầu ra, thơng tin đầu vào đƣợc
tính theo trọng số dƣơng tính hoặc âm tính. Các trọng số này tƣơng tự nhƣ các tín hiệu
có dạng xung điện và các q trình phản ứng hóa học trong tế bào thần kinh thực tế.

Trong tế bào thần kinh, khi điện thế của tín hiệu vào đạt tới một ngƣỡng nào đó thì nó
sẽ tạo ra một xung điện dẫn tới trục dây thần kinh ra. Xung này đôi khi đƣợc mô
phỏng bằng cách sử dụng các giá trị ngƣỡng trong nút, mặc dù khơng phải tất cả các
mơ hình đều sử dụng cách tiếp cận ngƣỡng.
Trong thiết kế ban đầu của mạng neuron, số lƣợng và loại nút đầu vào phải đƣợc
xác định. Những quyết định này dựa trên bản chất của vấn đề. Nhƣ chúng ta sẽ thấy
các nút có thể là nhị phân, chỉ biểu thị trạng thái bật hoặc tắt, hoặc chúng có thể chấp
nhận các giá trị liên tục. Các nút đầu vào phải có khả năng đại diện cho tất cả các
thông tin liên quan phù hợp với vấn đề. Quá trình xác định các nút đầu vào đƣợc kết
nối với lựa chọn tính năng trong đó các tính năng nổi bật của vấn đề đang đƣợc xem
xét đƣợc phân tích.
1.1.2. Cấu trúc mạng neuron
Các mạng neuron ban đầu có cấu trúc hai lớp đã hạn chế rất nhiều tính hữu dụng
của chúng trong việc chỉ giải quyết đƣợc các vấn đề tuyến tính. Trong thế hệ thứ hai
của mạng neuron, các cấu trúc mới đã đƣợc phát triển bao gồm ba hoặc nhiều lớp. Cấu
trúc phổ biến nhất là mạng ba lớp nhƣ đƣợc minh họa trong Hình 1.1. Ba lớp này bao
gồm lớp đầu vào, lớp ẩn hoặc lớp tƣơng tác và lớp đầu ra. Nhiều cấu hình mạng khác
đã đƣợc sử dụng, nhƣng nói chung, mạng ba lớp [1] có khả năng giải quyết tất cả các
vấn đề nhƣ các cấu trúc phức tạp hơn. Cách thức các nút đƣợc kết nối là khác nhau tùy
thuộc vào cách tiếp cận và đƣợc mô tả chi tiết dƣới đây:

1


GVHD: PGS.TS Huỳnh Lương Nghĩa

SVTH: Đinh Văn Quang

Hình 1.1: Cấu trúc mạng neuron ba lớp
Trong đó, lớp ẩn (Hidden Layer) gồm các neuron nhận dữ liệu input từ các

neuron ở lớp trƣớc đó và chuyển đổi các input này cho các lớp xử lý tiếp theo. Trong
một ANN có thể có nhiều lớp ẩn.
Một neuron là một đơn vị xử lý thông tin và là thành phần cơ bản của mạng
neuron. Q trình xử lý thơng tin của một neuron đƣợc mơ tả trên Hình 1.2

Hình 1.2: Q trình xử lý thông tin của mạng neuron
Các thành phần cơ bản của một neuron nhân tạo bao gồm:
- Tập các đầu vào: Là các tín hiệu vào (input signals) của neuron, các tín hiệu
này thƣờng đƣợc đƣa vào dƣới dạng một vector N chiều.
- Tập các liên kết: Mỗi liên kết đƣợc thể hiện bởi một trọng số (gọi là trọng số
liên kết –Synaptic weight). Trọng số liên kết giữa tín hiệu vào thứ j với neuron k
thƣờng đƣợc kí hiệu là

.Thông thƣờng, các trọng số này đƣợc khởi tạo một cách

ngẫu nhiên ở thời điểm khởi tạo mạng và đƣợc cập nhật liên tục trong quá trình học
mạng.

2


GVHD: PGS.TS Huỳnh Lương Nghĩa

SVTH: Đinh Văn Quang

- Bộ tổng (Summing function): Dùng để tính tổng của tích các đầu vào với trọng
số liên kết của nó.
- Ngƣỡng (cịn gọi là độ lệch - bias): Ngƣỡng này thƣờng đƣợc đƣa vào nhƣ một
thành phần của hàm truyền.
- Hàm truyền (Transfer function): Hàm này đƣợc dùng để giới hạn phạm vi đầu

ra của mỗi neuron. Nó nhận đầu vào là kết quả của hàm tổng và ngƣỡng đã cho. Thông
thƣờng, phạm vi đầu ra của mỗi neuron đƣợc giới hạn trong đoạn [0,1] hoặc [-1,1].
Các hàm truyền rất đa dạng, có thể là các hàm tuyến tính hoặc phi tuyến. Việc lựa
chọn hàm truyền nào là tuỳ thuộc vào từng bài toán và kinh nghiệm của ngƣời thiết kế
mạng. Một số hàm truyền thƣờng sử dụng trong các mơ hình mạng neuron đƣợc đƣa ra
trong Bảng1.1.
- Đầu ra: Là tín hiệu đầu ra của một neuron, với mỗi neuron sẽ có tối đa là một
đầu ra. Xét về mặt toán học, cấu trúc của một neuron k, đƣợc mô tả bằng cặp biểu thức
sau:
∑
và
Trong đó:

,

, ...,

liên kết của neuron thứ k;
tín hiệu đầu ra của neuron.

: là các tín hiệu vào; (

,

, ...,

) là các trọng số

là một ngƣỡng; f là hàm truyền và


là hàm tổng;

là

Nhƣ vậy tƣơng tự nhƣ neuron sinh học, neuron nhân tạo cũng nhận các tín hiệu
đầu vào, xử lý (nhận các tín hiệu này với trọng số liên kết, tính tổng các tích thu đƣợc
rồi gửi kết quả tới hàm truyền), và cho một tín hiệu đầu ra (là kết quả của hàm truyền).

3


GVHD: PGS.TS Huỳnh Lương Nghĩa
Hàm truyền

SVTH: Đinh Văn Quang

Đồ thị

Công thức

Bƣớc nhảy
đơn vị

{

Hàm dấu
(sgn)

{


Hàm tuyến
tính

Hàm tuyến
tính bão hịa
{

đối xứng

Hàm Sigmoid
đơn cực

Bảng 1.1: Một số hàm truyền thông dụng

4


GVHD: PGS.TS Huỳnh Lương Nghĩa

SVTH: Đinh Văn Quang

1.1.3. Phân loại mạng neuron
Cách thức kết nối các neuron trong mạng xác định kiến trúc (topology) của mạng.
Các neuron trong mạng có thể kết nối đầy đủ (fully connected) tức là mỗi neuron đều
đƣợc kết nối với tất cả các neuron khác, hoặc kết nối cục bộ (partially connected)
chẳng hạn chỉ kết nối giữa các neuron trong các tầng khác nhau[1]. Ngƣời ta chia ra
hai loại kiến trúc mạng chính:
- Tự kết hợp (autoassociative): là mạng có các neuron đầu vào cũng là các neuron
đầu ra. Mạng Hopfield là một kiểu mạng tự kết hợp.


Hình 1.3: Mạng tự kết hợp
- Kết hợp khác kiểu (heteroassociative): là mạng có tập neuron đầu vào và đầu ra
riêng biệt. Perceptron, các mạng Perceptron nhiều tầng (MLP: MultiLayer Perceptron),
mạng Kohonen, … thuộc loại này.

Hình 1.4: Mạng kết hợp khác kiểu
5


GVHD: PGS.TS Huỳnh Lương Nghĩa

SVTH: Đinh Văn Quang

Ngoài ra tùy thuộc vào mạng có các kết nối ngƣợc (feedback connections) từ các
neuron đầu ra tới các neuron đầu vào hay không, ngƣời ta chia ra làm 2 loại kiến trúc
mạng:
- Kiến trúc truyền thẳng (feedforward architechture): là kiểu kiến trúc mạng
khơng có các kết nối ngƣợc trở lại từ các neuron đầu ra về các neuron đầu vào; mạng
không lƣu lại các giá trị output trƣớc và các trạng thái kích hoạt của neuron. Các mạng
neuron truyền thẳng cho phép tín hiệu di chuyển theo một đƣờng duy nhất; từ đầu vào
tới đầu ra, đầu ra của một tầng bất kì sẽ khơng ảnh hƣởng tới tầng đó. Các mạng kiểu
Perceptron là mạng truyền thẳng.

Hình 1.5: Mạng truyền thẳng
- Kiến trúc phản hồi (Feedback architecture): là kiểu kiến trúc mạng có các kết
nối từ neuron đầu ra tới neuron đầu vào. Mạng lƣu lại các trạng thái trƣớc đó, và trạng
thái tiếp theo khơng chỉ phụ thuộc vào các tín hiệu đầu vào mà còn phụ thuộc vào các
trạng thái trƣớc đó của mạng. Mạng Hopfield thuộc loại này.

Hình 1.6: Mạng phản hồi

6


GVHD: PGS.TS Huỳnh Lương Nghĩa

SVTH: Đinh Văn Quang

1.2. Tổng quan về ứng dụng mạng neuron nhân tạo trong y tế
1.2.1. Các lĩnh vực y tế ứng dụng mạng neuron
Việc áp dụng trí thơng minh của con ngƣời trong các thiết bị khoa học đã là chủ
đề của nghiên cứu khoa học trong một thời gian dài và của nghiên cứu y học trong
thập kỷ qua. Năm 1950 mô phỏng máy tính của mạng neuron sinh học lần đầu tiên
đƣợc giới thiệu. Năm 1951, McCullogh và Pitts đã nêu định nghĩa về tế bào thần kinh
nhân tạo đầu tiên. Song song với sự phát triển của cơng nghệ máy tính, mơ hình hóa
các chức năng thần kinh ngày càng phức tạp hơn và hoạt động của các cụm thần kinh
đơn giản đã đƣợc xác định. Các mơ hình tốn học áp dụng cho các ứng dụng thực tế đã
đƣợc phát triển từ năm 1982 đến 1987 dựa trên các cơng trình của McLelland,
Rummelhart, Hopfield và Kohonen. Ở Hungary, T. Roska và cộng sự đã đạt đƣợc kết
quả nổi bật trong lĩnh vực mạng neuron nhân tạo. Mạng neuron đƣợc áp dụng cho y
học trong bốn [2] lĩnh vực cơ bản là mơ hình hóa, xử lý tín hiệu điện sinh học, chẩn
đốn và tiên lƣợng (Bảng 1.2).
Mơ hình hóa

Mơ phỏng và mơ hình hóa các chức năng
của não và các cơ quan thần kinh.

Xử lý tín hiệu

Lọc và đánh giá tín hiệu điện sinh học
Mạng neuron nhân tạo kiểm soát đƣa ra


Chẩn đoán

chẩn đoán dựa trên phản ứng của hệ thống
sinh học hoặc bất kỳ tín hiệu nào do hệ
thống thiết bị y tế cung cấp.

Phân loại

Giải thích các kết quả vật lý và cơng cụ để
đạt đƣợc chẩn đốn chính xác hơn.

Tiên lƣợng

Mạng neuron thần kinh cung cấp thông tin
tiên lƣợng dựa trên q trình phân tích
tham số hồi cứu

Bảng 1.2: Các lĩnh vực y học ứng dụng mạng neuron nhân tạo
1.2.2. Các ứng dụng mạng neuron trong y tế
Mạng neuron thần kinh đã tìm thấy một loạt các ứng dụng trong thập kỷ qua và
trong nhiều trƣờng hợp đã thay thế các phƣơng pháp dựa trên tri thức trở nên phổ biến
trong những năm 1970. Mạng neuron cho phép phát triển nhanh chóng mơ hình thơng
qua thuật tốn học tập nếu có đủ dữ liệu. Dƣới đây đƣa ra cái nhìn tổng quan các ứng
dụng Neuron về lĩnh vực y học và [2] mô tả chi tiết về các ứng dụng trong Bảng 1.3:
7


GVHD: PGS.TS Huỳnh Lương Nghĩa
Ngành học

Tim mạch

SVTH: Đinh Văn Quang

Lĩnh vực ƣng dụng

Nghiên cứu điển hình

Chẩn đốn, tiên lƣợng - Sử dụng mạng neuron thần kinh nhân tạo
để phân tích mức độ enzyme huyết thanh
chẩn đoán nhồi máu cơ tim.
- Nhận dạng điện cực khử rung tim.
- Phân tích sâu chuyển động tim để dự đốn
sự sống cịn của con ngƣời.
- Sử dụng mạng neuron thần kinh trong dự
đoán nguy cơ bệnh động mạch vành.

Phân tích

Chẩn đốn

- Sử dụng mạng neuron thần kinh để phân

điện tâm đồ

loại các phân đoạn ST và sóng T trong

(ECG)

ECG.

- Thay đổi nhịp tim và huyết áp khi tập
luyện nặng và tập luyện quá sức ở nữ vận
động viên.
- Sử dụng các mạng thần kinh nhân tạo
trong logic xác định để chẩn đoán ECG
bệnh nhân về nhồi máu cơ tim.

Hồi sức cấp
cứu

Tiên lƣợng

- Dự đoán bằng mạng neuron thần kinh
nhân tạo về thời gian lƣu trú trong một đơn
vị chăm sóc sau tổn thƣơng mạch vành.
- Tích hợp giám sát các báo động thơng
minh trong gây mê.
- Hệ thống tích hợp phân loại thống kê và
mạng neuron thần kinh để phân loại mô
bệnh học của tổn thƣơng tuyến tiền liệt.
- Đánh giá đau ngực ở khoa cấp cứu.

8


GVHD: PGS.TS Huỳnh Lương Nghĩa
Tiêu hóa

Tiên lƣợng


SVTH: Đinh Văn Quang
- Dự đoán tiên lƣợng sớm cho bệnh nhân
gan bị ung thƣ biểu mơ tế bào gan.

Phổi học

Chẩn đốn

- Các hạch phổi đơn độc: xác định khả năng
ác tính với phân tích mạng neuron thần
kinh.
- Chẩn đốn thun tắc phổi cấp tính.

Ung thƣ

Chẩn đốn, tiên lƣợng - Baker và cộng sự đã đánh giá bằng mạng
neuron thần kinh về các tham số của hệ
thống mã chuẩn hóa BI-RADS.
- Phân tích mạng neuron thần kinh của các
yếu tố mô học định lƣợng để dự đoán giai
đoạn bệnh lý.
- Mạng neuron thần kinh nhân tạo trong
chụp nhũ ảnh: ứng dụng vào việc ra quyết
định trong chẩn đoán ung thƣ vú.

Nhi khoa

Chẩn đoán

- Phân loại giấc ngủ ở trẻ sơ sinh.


Khoa thần

Xử lý tín hiệu, mơ - Phân loại bệnh Alzheimer và chứng mất

kinh

hình hóa

trí nhớ dựa trên mạng neuron thần kinh với
dữ liệu hình ảnh chụp cắt lớp từ não.
- Guigo và cộng sự nghiên cứu mơ hình hóa
q trình học tập của vỏ não trƣớc trán.

Phân tích

Chẩn đốn

- Tự động phát hiện đột biến điện não đồ

điện não đồ

bằng cách sử dụng mạng thần kinh nhân

(EEG)

tạo.

Khoa tai,


Xử lý tín hiệu, mơ - Mạng kết nối trong mơ hình hệ thống

mũi, họng

hình hóa

thính giác.
- Thu nhận âm thanh lời nói, hợp tác và
hiệu ứng tốc độ trong mơ hình mạng neuron
9


GVHD: PGS.TS Huỳnh Lương Nghĩa

SVTH: Đinh Văn Quang
thần kinh hỗ trợ tạo lời nói.
- Mơ phỏng và kích thích mạng neuron cấy
ghép tế bào thần kinh của ốc tai điện tử.

Sản phụ khoa

Tiên lƣợng

- Benesova và cộng sự sử dụng mạng thần
kinh để xác định tính gây quái thai của
thuốc điều trị chu sinh.
- Lapeer và nhóm của ơng đã áp dụng mạng
neuron thần kinh cho các nhiệm vụ dự đốn
tƣơng tự, cố gắng chọn ra thơng số chu sinh
ảnh hƣởng đến cân nặng khi sinh.


Nhãn khoa

Xử lý tín hiệu, mơ - Maeda và cộng sự áp dụng mạng neuron
hình hóa

thần kinh để giải thích mơ hình quay phim
trong chẩn đốn hình dạng bất thƣờng của
giác mạc.

Phóng xạ học

Xử lý tín hiệu

- Phân đoạn hình ảnh siêu âm của tuyến

(X_quang, US, CT)

tiền liệt bằng cách sử dụng mạng neuron
thần kinh.

Bệnh lý

Chẩn đoán, tiên lƣợng - Phân loại hạt nhân của ung thƣ biểu mơ
tuyến vú bằng phân tích hình ảnh.
- Sử dụng mạng neuron thần kinh để phân
biệt ung thƣ biểu mơ ống với bệnh xơ cứng.

Tế bào học


Chẩn đốn, sàng lọc

- Mạng neuron thần kinh thiết kế sử dụng
cho việc sàng lọc tự động tế bào cổ tử cung
nhờ đó có thể dẫn đến giảm độ biến thiên
chẩn đốn và tăng hiệu quả sàng lọc.

Di truyền học

Chẩn đoán

- Errington và Graham đã đào tạo mạng
neuron thần kinh dùng để phân loại nhiễm
sắc thể dựa trên tiền xử lý dữ liệu đại diện
10


GVHD: PGS.TS Huỳnh Lương Nghĩa

SVTH: Đinh Văn Quang
cho hình dạng, kích thƣớc và dải nhiễm sắc
thể.
- Burstein và cộng sự đã thiết kế một mơ
hình mạng thần kinh cho nghiên cứu tồn
bộ q trình tạo phơi khơng gian và thời
gian và hình thành mơ hình di truyền
Drosophila.

Hóa học lâm Xử lý tín hiệu, mơ


- Sử dụng tiền xử lý dữ liệu và perceptron

sàng

một lớp để phân tích dữ liệu phịng thí

hình hóa

nghiệm.
- Phân tích điện di huyết thanh bằng mạng
neuron thần kinh.
Hóa sinh

Chuỗi
trúc

Protein,

cấu - ProCANS (Phân loại protein bằng mạng
neuron nhân tạo) đã đƣợc thiết kế để phân
loại các protein.

Bảng 1.3: Tóm tắt các ứng dụng của mạng neuron thần kinh trong y học
Kết luận chƣơng I
Trong chƣơng này chúng ta đã tìm hiểu các khái niệm, cấu trúc và khả năng ứng
dụng của mạng neuron nhân tạo. Mạng neuron nhân tạo đƣợc coi là một công cụ mạnh,
mềm dẻo để giải quyết các bài tốn có tính phi tuyến, phức tạp và đặc biệt trong các
trƣờng hợp mà mối quan hệ giữa các q trình khơng dễ thiết lập một cách tƣờng minh.
Do đó, khả năng ứng dụng của nó là rất lớn đặc biệt trong bài tốn chẩn đốn. Đồng
thời ở đây đã trình bày các lĩnh vực y tế áp dụng mạng neuron. Trong chƣơng tiếp theo,

chúng ta sẽ nghiên cứu thiết kế mạng neuron hỗ trợ chẩn đốn bệnh rối loạn nhịp tim
sử dụng cơng cụ Neuron Network Toolbox của phần mềm Matlab

11