intTypePromotion=2
Array
(
    [0] => Array
        (
            [banner_id] => 141
            [banner_name] => KM2 - Tặng đến 100%
            [banner_picture] => 986_1568345559.jpg
            [banner_picture2] => 823_1568345559.jpg
            [banner_picture3] => 278_1568345559.jpg
            [banner_picture4] => 449_1568779935.jpg
            [banner_picture5] => 
            [banner_type] => 7
            [banner_link] => https://tailieu.vn/nang-cap-tai-khoan-vip.html
            [banner_status] => 1
            [banner_priority] => 0
            [banner_lastmodify] => 2019-09-18 11:12:45
            [banner_startdate] => 2019-09-13 00:00:00
            [banner_enddate] => 2019-09-13 23:59:59
            [banner_isauto_active] => 0
            [banner_timeautoactive] => 
            [user_username] => minhduy
        )

)

Báo cáo khoa học: XÂY DỰNG HỆ CHUYÊN GIA MỜ ỨNG DỤNG TRONG XÁC ĐNNH NGUY CƠ MẮC BỆNH MẠCH VÀNH TIM

Chia sẻ: Thùy Linh Nguyễn | Ngày: | Loại File: PDF | Số trang:8

0
137
lượt xem
45
download

Báo cáo khoa học: XÂY DỰNG HỆ CHUYÊN GIA MỜ ỨNG DỤNG TRONG XÁC ĐNNH NGUY CƠ MẮC BỆNH MẠCH VÀNH TIM

Mô tả tài liệu
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

Hiện nay, nhu cầu áp dụng công nghệ thông tin trong các lĩnh vực chNn đoán và điều trị bệnh phát triển rất nhanh. Cho dù sự thật là các lĩnh vực chNn đoán và điều trị có sự hỗ trợ của máy tính có độ phức tạp cao và không thật sự chắc chắn, việc sử dụng các hệ thống thông minh như lôgic mờ, mạng nơ ron nhân tạo và giải thuật di truyền vẫn đã và đang được nghiên cứu và ứng dụng....

Chủ đề:
Lưu

Nội dung Text: Báo cáo khoa học: XÂY DỰNG HỆ CHUYÊN GIA MỜ ỨNG DỤNG TRONG XÁC ĐNNH NGUY CƠ MẮC BỆNH MẠCH VÀNH TIM

  1. BÁO CÁO KHOA HỌC Đề tài : XÂY DỰNG HỆ CHUYÊN GIA MỜ ỨNG DỤNG TRONG XÁC ĐNNH NGUY CƠ MẮC BỆNH MẠCH VÀNH TIM
  2. T¹p chÝ Khoa häc & C«ng nghÖ - Sè 1(45) Tập 2/N¨m 2008 XÂY DỰNG HỆ CHUYÊN GIA MỜ ỨNG DỤNG TRONG XÁC ĐNNH NGUY CƠ MẮC BỆNH MẠCH VÀNH TIM Vũ Đức Thi - Tô Hữu Nguyên - Phùng Trung Nghĩa- (Khoa Công nghệ thông tin – ĐH Thái Nguyên) 1. Đặt vấn đề Hiện nay, nhu cầu áp dụng công nghệ thông tin trong các lĩnh vực chNn đoán và điều trị bệnh phát triển rất nhanh. Cho dù sự thật là các lĩnh vực chNn đoán và điều trị có sự hỗ trợ của máy tính có độ phức tạp cao và không thật sự chắc chắn, việc sử dụng các hệ thống thông minh như lôgic mờ, mạng nơ ron nhân tạo và giải thuật di truyền vẫn đã và đang được nghiên cứu và ứng dụng. Trong lĩnh vực đánh giá nguy cơ mắc bệnh MVT, một hệ thống dựa vào các đối tượng mờ đã được đề xuất trong [5] và đã chứng tỏ được hiệu quả. Trong nghiên cứu này, một giải pháp thay thế được trình bày với trường hợp có nhiều các luật đầu vào hơn với cùng một luật kết quả. Kết quả thực nghiệm của một chương trình thử nghiệm đánh giá nguy cơ mắc bệnh MVT dùng phương pháp này đã cho thấy sự hiệu quả của phương pháp. Trong lĩnh vực đánh giá nguy cơ khi mắc bệnh MVT, cholesterol được xem là yếu tố chính dẫn tới chứng nhồi máu cơ tim dẫn tới cái chết đột ngột. Khi thử máu, nhà chNn đoán lâm sàng đầu tiên phải tìm ra mức cholesterol tổng (T). Nếu mức này quá cao cần xem thêm mật độ lipoprotein thấp (LDL) và lipoprotein cao (HDL) trong cholesterol. Hai tỉ lệ T / HDL và LDL / HDL cũng quan trọng vì chúng cung cấp thêm các chỉ thị ý nghĩa về nguy cơ MVT hơn là giá trị cholesterol tổng T. Đánh giá nguy cơ để xác định nguy cơ phát triển bệnh MVT trong vòng 10 năm đã được thực hiện sử dụng bảng điểm nguy cơ Framingham. Các yếu tố nguy cơ 10 năm trong tính toán Framingham gồm: tuổi, mức tổng cholesterol(T), HDL, huyết áp, cách điều trị tăng huyết áp và việc hút thuốc lá. Bước đầu tiên là tính toán số lượng các điểm ứng với mỗi yếu tố nguy cơ. Đánh giá ban đầu cần các giá trị T và HDL. Vì với cơ sở dữ liệu lớn hơn, các ước lượng Framingham với giá trị mức cholesterol tổng tốt hơn là giá trị LDL. Dù vậy, mức cholesterol LDL sẽ cung cấp thông tin cho giải pháp điều trị. Điểm nguy cơ tổng cộng tính bằng cách cộng tổng các điểm của từng yếu tố nguy cơ. Nguy cơ nhồi máu cơ tim trong vòng 10 năm và chết đột ngột được ước lượng từ điểm tổng và người bệnh được phân nhóm theo mức nguy cơ trong vòng 10 năm. Nguy cơ MVT trong vòng 10 năm tiếp theo sẽ được tính từng bước, mỗi bước tính tại các thời điểm xác định. Bảng 1. Phân loại mức cholesterol LDL, T, HDL (mg/dl) theo [3] Tốt nhất = 190 Giá trị mong muốn =240 Cao Thấp =60 Cao 109
  3. T¹p chÝ Khoa häc & C«ng nghÖ - Sè 1(45) Tập 2/N¨m 2008 Giá trị T và HDL được xem là mờ trong khi giá trị LDL không được chấp nhận là mờ. Nếu chúng ta thêm vào các yếu tố tuổi và huyết áp, cũng là mờ, chúng ta có thể xây dựng một hệ mờ cho phép xác định tỷ lệ nguy cơ MVT. Việc xác định nguy cơ trong 10 năm tiếp theo cũng phụ thuộc vào các thông số khác như cân nặng, việc hút thuốc lá, giới tính, tiền sử bệnh lý của bệnh nhân, yếu tố di truyền gia đình, ... Và không có một công thức để xác định nguy cơ theo các thông số này. Trong nghiên cứu này, chúng tôi giả sử tuổi, mức cholesterol, HDL, huyết áp là các yếu tố thiết yếu để xác định nguy cơ MVT. Do vậy 4 thông số này sẽ được sử dụng làm các thông số đầu vào của hệ thống. Với một tỉ lệ nguy cơ MVT hệ thống tính được, một quá trình điều trị sẽ được xác định dựa vào mức LDL. Có 3 nhóm nguy cơ như trình bày trong bảng 2 Bảng 2. Giá trị LDL, TLC và liệu pháp dùng thuốc với các nhóm nguy cơ theo [3] ðiểm cắt LDL bắt ñầu Mức LDL phải xem xét khả năng dùng Nhóm nguy cơ LDL-C thay ñổi cách ñiều trị thuốc MVT và các nguy cơ tương = 130 mg/dl (100-129 mg/dl dùng tự MVT (tỉ lệ nguy cơ MVT >=100 mg/dl mg/dl thuốc là một lựa chọn tốt) trong vòng 10 năm >20%) tỉ lệ nguy cơ MVT trong vòng 10 năm 10- Các yếu tố nguy cơ phức tạp 20%: >130 mg/dl =130 mg/dl mg/dl tỉ lệ nguy cơ MVT trong vòng 10 năm 10 năm 10-20% và =160 mg/dl mg/dl thuốc là một lựa chọn tốt) Đầu tiên, tỉ lệ nguy cơ tổng cộng được tính. Theo đó, một bộ luật nhỏ bao gồm các tham số tuổi, giới tính, hút thuốc lá, yếu tố di truyền, HDL,.. Nếu tỉ lệ nguy cơ tổng cộng lớn hơn hoặc bằng 2, hệ chuyên gia mờ FES sẽ làm việc như trong hình 1.Sau khi tính tỉ lệ nguy cơ trong 10 năm bằng FES hoặc tỉ lệ nguy cơ tổng cộng nhỏ hơn 2, cần quan tâm đến giá trị LDL. Tùy vào giá trị mức LDL này, hệ thống sẽ khuyến cáo 3 loại đầu ra sống bình thường, ăn kiêng hoặc sử dụng thuốc. 2. Hệ chuyên gia mờ và ứng dụng trong hệ thống 2.1 Hệ chuyên gia mờ Hệ chuyên gia mờ (fuzzy expert systems (FES)) là một hệ chuyên gia dựa lý thuyết tập mờ (Fuzzy Set Theory (FST))các luật mờ Trong mô hình FES, các giá trị đầu vào và đầu ra là các giá trị “cứng”. Bằng cách làm mờ hóa các giá trị cứng đầu vào sẽ nhận được các giá trị mờ. Những giá trị mờ nhận được xử lý trong một cơ cấu suy diễn mờ. Do đó các giá trị mờ đầu ra nhận được sử dụng các luật được đưa tới bộ phận “giải mờ” để nhận được các giá trị cứng đầu ra cuối cùng. Trong nghiên cứu này, một hệ chuyên gia mờ được thiết kế để xác định tỉ lệ nguy cơ MVT trong 10 năm tiếp theo của bệnh nhân là cần thiết và hữu dụng. Hệ thống là phương tiện thay thế trợ giúp bác sỹ khi dữ liệu của người bệnh được đưa vào đầu vào của hệ thống. 110
  4. T¹p chÝ Khoa häc & C«ng nghÖ - Sè 1(45) Tập 2/N¨m 2008 2.2 Xây dựng hệ thống Có thêm dữ liệu thực tế và sự trợ giúp của chuyên gia bác sỹ, chúng tôi đã xác định được tính mờ của các tham số đầu vào, đầu ra. Theo đó, có 3 giá trị mờ cho tuổi (trẻ, già và trung tuổi), 3 giá trị mờ cho mức Cholesterol (thấp, cao và trung bình), 3 giá trị mờ cho mức HDL (cao, thấp và trung bình), 4 mức giá trị mờ cho huyết áp (thấp, trung bình, cao và rất cao), 5 giá trị mờ chu nguy cơ MVT đầu ra (rất thấp, thấp, trung bình, cao và rất cao). Tu ổ i Cholesterol Giới tính Huyết áp LDL-C HDL-C TIền sử bệnh Thuốc lá Các yếu tố khác Di truyền If tổng nguy cơ >=2 then True False Cholesterol HDL-C Tuổi Huyết áp Hệ chuyên gia mờ (FES) Mức độ LDL-C Bình thường Nguy cơ Ăn kiêng Dùng thuốc Hình 1. Hệ thống phân cấp bao gồm FES Ví dụ nếu bệnh nhân không hút thuốc, một số luật được trình bày trong bảng 3. Chúng tôi định nghĩa các biểu thức mờ cho các tham số đầu vào (tuổi, mức cholesterol, HDL, huyết áp) và tham số tỉ lệ nguy cơ MVT đầu ra Với giá trị tuổi (gọi là x), biểu thức mờ sẽ là (1) 108 luật được trình bày trong bảng 3. Một số được liệt kê dưới đây: - Luật 1: Nếu tuổi là trẻ, Cholesterol là thấp, HDL là thấp, huyết áp là thấp thì nguy cơ là rất thấp. - Luật 2: Nếu tuổi là trẻ, Cholesterol là thấp, HDL là thấp, huyết áp là trung bình thì nguy cơ rất thấp. - Luật 3: Nếu tuổi là trẻ, Cholesterol là thấp, HDL là thấp, huyết áp là cao thì nguy cơ là rất thấp. ... - Luật 55: Nếu tuổi là trung niên, Cholesterol là trung bình, HDL là trung bình, huyết áp là cao thì nguy cơ là thấp. ... - Luật 108: Nếu tuổi là già Cholesterol là cao, HDL là cao, huyết áp là rất cao thì nguy cơ là cao. 111
  5. T¹p chÝ Khoa häc & C«ng nghÖ - Sè 1(45) Tập 2/N¨m 2008 Bảng 3 Luật mờ với người không hút thuốc lá ðầu vào ðầu ra Luật T uổ i Cholesterol HDL-C Huyết áp Nguy cơ Luật 1 Trẻ T hấp Thấp Thấp Rất thấp Luật 2 Trẻ T hấp Thấp Trung bình Rất thấp Luật 3 Trẻ T hấp Thấp Cao Rất Thấp … Luật 55 trung niên trung bình trung bình Cao Thấp …. Luật 108 Già Cao Cao Rất cao Cao Công thức xác định giá trị mờ của tuổi (x)  ( x − 30 )  30 ≤ x < 40  10  x < 30  ( x − 50 ) 1   50 ≤ x < 70       µ tre µ gia ( x ) =  ( x ) =  ( 40 − x ) µ trung ( x ) = 1 40 ≤ x ≤ 50    20 30 ≤ x < 40  nien 1 x ≥ 70    ( 70 − x )      10 50 ≤ x < 70    20  Công thức xác định giá trị mờ của hàm lượng tổng Cholesterol (y)  ( y − 160 )  160 ≤ y < 200   40  ( y − 240) y < 160  1  240 ≤ y < 280     µ 200 ≤ y ≤ 2400  µ cao ( y ) =  40  binh thuong ( y ) = µ thap ( y ) =  ( 40 − x ) 1  160 ≤ x < 200   ( 280 − y )  1   10 y ≥ 280     240 ≤ y < 280     40 Công thức xác định giá trị mờ hàm lượng HDL-C (h) (h − 25)  25 ≤ h < 40  15 (h − 50) h < 25  1  50 ≤ h < 60      µcao(h) =  10 µbinhthuong(h) = 1 40 ≤ h ≤ 50 µ thap ( h) =  ( 40 − h)   25 ≤ h < 40 1 h ≥ 60  (60 − h)   15     50 ≤ h < 60   10  Công thức xác định giá trị mờ của huyết áp (z)  ( z − 130)   ( z − 100)  130 ≤ z < 145  100 ≤ z < 130 z < 100  15 1   30       µ thap ( z ) =  (130 − z ) µcao ( z) =  1 145 ≤ z ≤ 180   µbinh thuong ( z ) = 1 130 ≤ z ≤ 140  100 ≤ z < 130    (220 − z)   (155 − z )    30 180 ≤ z ≤ 220  140 ≤ z < 155   40     ( z − 145 ) 15  145 ≤ z < 200   µ rat cao ( z ) =  55  1  z ≥ 200   Công thức xác định giá trị mờ nguy cơ mắc bệnh mạch vành tim (R)  ( R − 5) (R − 2)    5 ≤ R < 15  R
  6. T¹p chÝ Khoa häc & C«ng nghÖ - Sè 1(45) Tập 2/N¨m 2008 Hình 2. Đồ thị minh hoạ các giá trị mờ (a) Biến đầu vào tuổi (b) Biến đầu vào Cholesterol tổng (c) Biến đầu vào HDL-C (d) Biến đầu vào huyết áp (e) Biến đầu ra nguy cơ mắc bệnh MVT Cơ cấu suy diễn theo phương pháp Mandani đã được sử dụng, độ đúng đắn α của mỗi luật theo luật max-min Mandani được trình bày theo các công thức dưới đây: α 1 = min( young( x),low( y), low(h), high( z ) α 2 = min( young ( x),low( y ), low(h), low( z ) ……. α 55 = min(middle age( x),normaly( y ), middle(h), high( z ) …. α 108 = min(old ( x),high( y ), high( h), very high( z ) Giá trị lớn nhất của các giá trị độ đúng đắn của các luật được tính theo công thức dưới đây: α 1, 2 ,... n = max(α 1 , α 2 ,...α n ) Tại khối giải mờ, biểu thức giải mờ nhận được với phương pháp trọng tâm tính theo độ đúng đắn. 3. Xây dựng chương trình thực nghiệm và đánh giá Chương trình thử nghiệm được xây dựng bằng ngôn ngữ JAVA trên NetBean 5.0. Giao diện chương trình được thiết kế đơn giản để người sử dụng có thể dễ dàng sử dụng chương trình. 113
  7. T¹p chÝ Khoa häc & C«ng nghÖ - Sè 1(45) Tập 2/N¨m 2008 Hình 3. Giao diện chương trình Hình 3 là giao diện chương trình với một trường hợp ví dụ các giá trị tham số đầu vào, trong đó bệnh nhân là nam, không hút thuốc, 45 tuổi, cholesterol tổng là 300 mg/dl, huyết áp là 155 mm/hg, HDL-C là 47 mg/dl, luật 67 và 68 được cháy. Nguy cơ mắc bệnh MVT tính được thuộc vào nhóm cao và rất cao là 15%. Do đó trong trường hợp này, giải pháp điều trị khuyến cáo là dùng thuốc. Bảng 4 So sánh với bảng điểm nguy cơ Framinggham ATP III STT Tuổi CHOL HDL-C Huyết áp ATPIII FES 1. 30 180 37 160 0 1,84 2. 35 190 45 145 0 6,27 3. 48 260 33 120 8 12,7 4. 57 300 67 110 8 11,6 5. 65 250 54 170 18 21 6. 75 290 25 135 30 26 7. 30 160 49 160 0 1,54 8. 40 310 33 140 8 19,2 9. 55 300 26 200 30 24,7 10. 60 230 39 110 11 13,7 11. 70 210 45 130 16 15 12. 30 240 50 150 0 1,54 13. 35 180 65 160 0 6,27 14. 45 300 47 155 9 15 15. 55 300 49 160 16 20,2 16. 65 250 41 140 18 18,2 17. 70 260 38 190 30 28,2 18. 44 210 37 180 5 12,2 19. 55 150 30 200 11 18 20. 66 150 26 200 28 26,4 114
  8. T¹p chÝ Khoa häc & C«ng nghÖ - Sè 1(45) Tập 2/N¨m 2008 Bảng 4 so sánh nguy cơ mắc bệnh MVT với đàn ông không hút thuốc được đánh giá theo bảng điểm nguy cơ Framingham ATP III khảo sát tỉ lệ mắc bệnh MVT của các bệnh nhân được theo dõi trong vòng 10 năm [6] và hệ chuyên gia mờ được xây dựng ở đây. Chỉ có hai trường hợp bệnh nhân hệ chuyên gia mờ cho kết quả nguy cơ mắc bệnh MVT rất khác với thông số thực tại ATP III, các trường hợp còn lại cho kết quả tương đương nhau. Điều này có thể đưa đến kết luận rằng phương pháp sử dụng trong nghiên cứu này là một phương pháp hiệu quả và có thể sử dụng như một giải pháp trợ giúp cho chuyên gia trong chNn đoán và điều trị bệnh. Hướng phát triển tiếp theo của nghiên cứu là xây dựng hệ thống chNn đoán và điều trị bệnh dùng mạng Neural mờ. 4. Kết luận Trong bài báo này, chúng tôi đã nghiên cứu về các thông số được sử dụng để đánh giá nguy cơ mắc bệnh MVT. Dựa trên các kiến thức của các chuyên gia y tế và lý thuyết hệ chuyên gia, chúng tôi đã xây dựng một hệ chuyên gia mờ đánh giá nguy cơ mắc bệnh MVT trong vòng 10 năm của người bênh. Các kết quả thực nghiệm được so sánh với bảng điểm nguy cơ Framingham ATP III khảo sát tỉ lệ mắc bệnh MVT của các bệnh nhân được theo dõi trong vòng 10 năm và cho thấy hệ chuyên gia mờ được xây dựng chNn đoán nguy cơ mắc bệnh khá chính xác. So với nghiên cứu trong [5], hệ chuyên gia mờ của chúng tôi sử dụng nhiều luật đầu vào hơn với cùng một đầu ra. Kết quả thực nghiệm nhận được khi so sánh với bảng điểm ATP III cho thấy phương pháp sử dụng trong nghiên cứu này có kết quả chính xác hơn và hứa hẹn có thể phát triển tiếp để ứng dụng hiệu quả trong việc hỗ trợ chNn đoán bệnh và điều trị bệnh. Tóm tắt BUILDING A FES TO DETERMINE THE CORONARY ARTERY DISEASE RISK Mục đích của nghiên cứu này là thiết kế một hệ chuyên gia mờ để xác định nguy cơ mắc bệnh mạch vành tim (MVT) của người bệnh trong 10 năm tiếp theo. Hệ thống cung cấp cho người sử dụng tỉ lệ nguy cơ mắc bệnh và khuyến cáo sử dụng một trong ba kết quả: sống bình thường, ăn kiêng, dùng thuốc. Hệ thống này có thể được xem như một giải pháp thay thế cho các phương pháp hiện tại dùng để xác định nguy cơ mắc bệnh MVT. Tài liệu tham khảo [1]. Đỗ Trung Tuấn (1999)-Hệ chuyên gia(Exper System),Nxb GD, Hà Nội. [2]. Nguyễn Huy Dung (2005) -Nội khoa tim mạch, Nxb Y học, Hà Nội . [3]. Chu Văn Ý (1999) - Bệnh học nội khoa tập I, II, Nxb Y học, Hà Nội. [3] ATPIII Online Calculator, (http://www.hp2010.nblbihin.net/atpiii/ calculator. asp), [5] Dubitzky W., Schuster A., Hughes J. and Bell D. An Advanced Case-Knowledge Architecture Based on Fuzzy Objects, Applied Intelligence, Volume 7, Number 3 / July,1997, pp. 187-204. [6] Detection, Evaluation and Treatment of High Blood Cholesterol in Adults, National CholesterolEducation Program-ATP III (Adult Treatment Panel III) Report, National Institutes of Health, National Heart, Lung and Blood Institute, Executive Summary, 40 p., May, 2001,://www.nhlbi.nih.gov/guidelines/cholesterol /atp3xsum.pdf 115

CÓ THỂ BẠN MUỐN DOWNLOAD

AMBIENT
Đồng bộ tài khoản