Luận văn Thạc sĩ: Nghiên cứu một số thuật toán học máy và ứng dụng trong phân loại bệnh

Trong bối cảnh hệ thống y tế toàn cầu đang đối mặt với những thách thức lớn, đặc biệt là sự gia tăng của các bệnh tật và đại dịch, nhu cầu về các phương pháp chẩn đoán nhanh chóng và chính xác trở nên cấp thiết hơn bao giờ hết. Kết quả từ các xét nghiệm cận lâm sàng đóng vai trò trụ cột trong việc đưa ra các quyết định y tế. Tuy nhiên, khối lượng dữ liệu khổng lồ và áp lực về thời gian tại các cơ sở y tế đòi hỏi một hệ thống hỗ trợ hiệu quả. Nghiên cứu này tập trung vào việc khai thác tiềm năng của học máy để giải quyết bài toán phân loại bệnh, góp phần nâng cao chất lượng chăm sóc sức khỏe và tối ưu hóa quy trình chẩn đoán. Cụ thể, luận văn đi sâu vào phân tích và ứng dụng một số thuật toán học máy nổi bật trong lĩnh vực này.

Các nhà nghiên cứu, sinh viên sau đại học trong lĩnh vực Công nghệ thông tin, Khoa học máy tính, kỹ thuật y sinh, cũng như các chuyên gia y tế và phân tích dữ liệu quan tâm đến ứng dụng trí tuệ nhân tạo và học máy trong chẩn đoán bệnh.

Luận văn này giải quyết vấn đề cấp bách trong y tế hiện đại: nhu cầu phân loại bệnh nhanh chóng và chính xác dựa trên kết quả xét nghiệm hóa nghiệm, đặc biệt trong bối cảnh các hệ thống y tế thường xuyên quá tải. Để đối phó với thách thức này, nghiên cứu đề xuất và đánh giá việc ứng dụng các thuật toán học máy tiên tiến. Cụ thể, hai kỹ thuật chính được khảo sát chi tiết là thuật toán Cây quyết định và Máy vector hỗ trợ (SVM), vốn có khả năng xử lý hiệu quả các bài toán phân lớp dữ liệu phức tạp.

Nghiên cứu bắt đầu bằng việc trình bày tổng quan về bài toán phân loại bệnh và các khái niệm cơ bản về học máy, làm rõ quy trình từ thu thập dữ liệu, tiền xử lý, xây dựng mô hình đến đánh giá kết quả. Sau đó, luận văn đi sâu vào cấu trúc và nguyên lý hoạt động của Cây quyết định và SVM, phân tích ưu nhược điểm cũng như các biến thể phù hợp cho bài toán phân loại. Phần thực nghiệm được tiến hành bằng cách áp dụng các thuật toán này vào tập dữ liệu xét nghiệm hóa nghiệm thực tế, với các kịch bản thử nghiệm được thiết kế cẩn thận để đánh giá độ chính xác, độ nhạy, độ đặc hiệu và các độ đo liên quan.

Kết quả thực nghiệm cung cấp cái nhìn định lượng về hiệu suất của từng thuật toán, từ đó đưa ra so sánh và phân tích sâu sắc. Giá trị ứng dụng của công trình nằm ở khả năng xây dựng các hệ thống hỗ trợ chẩn đoán bệnh hiệu quả, giúp bác sĩ đưa ra quyết định nhanh chóng và chính xác hơn, giảm gánh nặng cho y tế và đóng góp vào việc phát hiện sớm, cảnh báo dịch bệnh. Hơn nữa, nghiên cứu mở ra hướng phát triển cho việc tích hợp các kỹ thuật học sâu phức tạp hơn vào các hệ thống y tế thông minh.