CH ƯƠ NG 1: T NG QUAN V PHÂN Ổ Ề
LO I HO Ạ
Nh chúng ta đã, bi t đ i v i hi n tr ng như ế ố ớ ệ ạ ư
hi n nay trên th gi i tình tr ng đ i d ch COVID19ệ ế ớ ạ ạ ị truy n nhi m theo c p s nhân vô cùng nghiêm tr ngề ễ ấ ố ọ tăng t i hàng trăm nghìn ca nhi m và hàng nghìn ca tớ ễ ử vong m i này.ỗ
Và đó ch là m t trong nh ng b nh d ch g n đâyỉ ộ ữ ệ ị ầ
nh t đang hoành hành trên th gi i t i th i đi m hi nấ ế ớ ạ ờ ể ệ
t i. Trong su t c quá trình phát tri n c a loài ngạ ố ả ể ủ ười đã
có nh ng d ch b nh kinh hoàng h n nh v y. B nh d chữ ị ệ ơ ư ậ ệ ị
h ch đạ ược bi t t i t nh ng năm 541 sau công nguyênế ớ ừ ữ
t ng khi n cho các đ ch Hy L p chao đ o, cũng cănừ ế ế ế ạ ả
b nh này đã khi n cho c Châu Âu chao đ o t 1347ệ ế ả ả ừ
đ n 1351 s ngế ố ười ch t lên t i 25 tri u ngế ớ ệ ười. B nhệ
đ u mùa khi th c dân châu Âu xâm chi m châu M vàoậ ự ế ỹ
th k 17 và mang theo c b nh đ u mùa (do virusế ỷ ả ệ ậ variola gây ra) t i l c đ a này. B nh đ u mùa đã cớ ụ ị ệ ậ ướp đi
Trang 2sinh m ng c a kho ng 20 tri u ngạ ủ ả ệ ười, g n 90% dân sầ ố châu M khi đó
ở ỹ Hay đ i d ch t đ u tiên b t đ u ạ ị ả ầ ắ ầ ở Jessore, n Đ (18171823) và gi t ch t hàng tri uẤ ộ ế ế ệ
người dân n Đ khi y. Sau đó, d ch t bùng phát thêmẤ ộ ấ ị ả nhi u đ t m i lan nhanh kh p các châu l c trong th iề ợ ớ ắ ụ ờ gian ng n. Trong s đó, không th không nh c t i cácắ ố ể ắ ớ
đ i d ch cúm đã liên t c hoành hành trong loài ngạ ị ụ ười như
d ch cúm Tây Ban Nha (1918), d ch cúm Châu Á (1957),ị ị
… Các d ch cúm liên t c thay đ i và thích nghi sau m iị ụ ổ ỗ
l n lo i ngầ ạ ười có th phòng ch ng và ch a tr để ố ữ ị ượ c,
nh đ i d ch COVID19 cũng là m t b n sao s bi n đ iư ạ ị ộ ả ự ể ổ
t ch ng c a đ i d ch SARS năm 2003. Tuy nhiên, m iừ ủ ủ ạ ị ỗ
d ch b nh x y ra đ u có các tri u ch ng liên quan đị ệ ả ề ệ ứ ể chúng ta có th d dàng phòng ng a để ễ ừ ược, tuy nhiên do
s ch quan và thi u hi u bi t đã khi n cho loài ngự ủ ế ể ế ế ườ i
r i vào tình c nh khó khăn. ơ ả
Ph n l n các căn b nh liên quan t i đầ ớ ệ ớ ược hô h pấ hay d ch cúm đ u có các tri u ch ng ho, ch ng h n nhị ế ệ ứ ẳ ạ ư
đ i v i d ch b nh COVID19, ngoài các tri u ch ng cố ớ ị ệ ệ ứ ụ
th ra kèm v i đó còn có d ng ho riêng. Tùy theo c đ aể ớ ạ ơ ị
Trang 3m i ngỗ ười mà các tri u ch ng d ng ho có th là rõ ho cệ ứ ạ ể ặ không rõ nh ng v n có cùng d ng ho. M i d ng ho, khiư ẫ ạ ỗ ạ
đi kèm v i nh ng tri u ch ng khác nhau có th là nh ngớ ữ ệ ứ ể ữ căn b nh khác nhau, đôi khi đ cá nhân ngệ ể ườ ệi b nh có
th t nh n bi t hay phân lo i để ự ậ ế ạ ược d ng ho c a mìnhạ ủ
đ có th phòng ng a cũng là m t đi u khó khăn khiể ể ừ ộ ề không có các l i khuyên t các bác sĩ chuyên ngành. Vìờ ừ
v y, ng d ng các k thu t công ngh đ có th phátậ ứ ụ ỹ ậ ệ ể ể
hi n và phòng ng a là m t đi u c p thi t. ệ ừ ộ ề ấ ế
Phát hi n, phân lo i ho và đánh giá m c đệ ạ ứ ộ nghiêm tr ng c a tri u ch ng t đ ng đã thu hút các nhàọ ủ ệ ứ ự ộ nghiên c u, chuyên gia y t và bác s trong nhi u năm.ứ ế ỹ ề
Ph n l n ngầ ớ ườ ếi đ n ch a tr , hay c n l i khuyên t bácư ị ầ ờ ừ
s đ u có chung tri u ch ng là ho.ỹ ề ệ ứ
Ho là m t phát th ra m nh và đ t ng t. Đó là cộ ở ạ ộ ộ ơ
ch t v sinh lý đ đ a các d v t đế ự ệ ể ư ị ậ ược phát hi n ệ ở
ph n trên c a đầ ủ ường hô h p có th gây t c th ra phíaấ ể ắ ở
Trang 4bên ngoài. Ho cũng là m t trong nh ng tri u ch ng c aộ ữ ệ ứ ủ
vi c r i l i h th ng tu n hoàn trong c th ệ ố ạ ệ ố ầ ơ ể
Các nhà chuyên môn đã đ a ra đư ược nghiên c uứ
c th v tri u ch ng này và đ a ra các d ng c a tri uụ ể ề ệ ứ ư ạ ủ ệ
ch ng ho:ứ
Ho c pấ
Ho thành c nơ
Ho khan kéo dài
Ho có đ mờ
Ho ra máu
Nh v y, chúng ta có th th y đư ậ ể ấ ược nguy hi mể
c a các tri u ch ng ho, s c p thi t c a vi c đ xu t ápủ ệ ứ ự ấ ế ủ ệ ề ấ
d ng trí tu nh n t o trên các thi t b IoT đ phát hi nụ ệ ậ ạ ế ị ể ệ
và ph n lo i các d ng ho là vô cùng c n thi t. B ngậ ạ ạ ầ ế ằ
vi c s d ng các thi t b IoT, chúng ta có th ti p c nệ ử ụ ế ị ể ế ậ
đ n ngế ười m c các căn b nh liên quan t i đắ ệ ớ ường hô h pấ hay c th là các tri u ch ng ho đ đ a ra các k t lu nụ ể ệ ứ ể ư ế ậ ban đ u v d ng ho c a ngầ ề ạ ủ ười đang m c b nh. Đ cắ ệ ặ
Trang 5bi t đ i v i th c tr ng hi n nay r ng, d ch b nhệ ố ớ ự ạ ệ ằ ị ệ COVID19 v n đang không có d u hi u d ng l i trênẫ ấ ệ ừ ạ toàn th gi i thì vi c, m i ngế ớ ệ ỗ ườ ựi t trang b có mình cácị thông tin cũng nh h th ng nh n d ng, phân bi tư ệ ố ậ ạ ệ
ch ng ho này s góp ph n vào quá t i các b nh viên,ủ ẽ ầ ả ở ệ
gi m thi u s lả ể ố ượng người nhi m b nh hay có đ đ yễ ệ ể ầ lùi được không ch d ch COVID19 mà còn toàn b cácỉ ị ộ
d ch b nh nguy hi m liên quan t i đị ệ ể ớ ược hô h p.ấ
Trang 6CH ƯƠ NG 2: PH ƯƠ NG PHÁP PHÂN
LO I HO Ạ
Ho là m t tri u ch ng thộ ệ ứ ường g p trong các b nhặ ệ liên quan t i đớ ược hô h p. Đó là m t ph n x b o vấ ộ ả ạ ả ệ giúp c th con ngơ ể ười th i ra các các ch t bài ti t trongả ấ ế
đường hô h p, b o v đấ ả ệ ường khí di chuy n tr c ti p t iể ự ế ớ
ph i, ví d nh : đ m, các ngo i v t, các ký sinh hay viổ ụ ư ờ ạ ậ khu n có h i,… Trong vi c đi u tr các b nh liên quanẩ ạ ệ ề ị ệ
t i tri u ch ng ho, m c ho là y u t c n thi t đ theoớ ệ ứ ứ ế ố ầ ế ể dõi ti n trình phát tri n c a bênh nhân.ế ể ủ
2.2.1 Restricted Boltzmann Machine
Restricted Boltmann Machine (RBM) là m t m ngộ ạ
th n kinh ng u nhiên. Gi đ nh c b n c a RBM là tínhầ ẫ ả ị ơ ả ủ năng mà tôi quan sát được đi u khi n b i nhi u các y uề ể ở ề ế
Trang 7t c p cao, do đó các y u t c p cao có th đố ấ ế ố ấ ể ược sử
d ng làm các tính năng có m c trìu tụ ứ ượng cao h n.ơ
Các nút c a RBM đủ ược liên k t v i các gi đ nhế ớ ả ị khác nhau đ phù h p v i các v n đ khác nhau. Nhể ợ ớ ấ ề ư
trường ng u nhiên Markov, các hàm năng lẫ ượng ti nề năng khác nhau d a trên các gi đ nh khác nhau.ự ả ị
2.2.2 M ng h c sâu (DNN) ạ ọ
Đ u vào: D li u D = {x}, l p K mong mu n và sầ ữ ệ ớ ố ố nút cho m i l p Nỗ ớ i
Đ u ra: C u trúc và các tham s kh i t o đã đầ ấ ố ở ạ ược đào
t o c a DNNạ ủ
1. H c các tham s cho l p d li u đ u tiên c a RBMọ ố ớ ữ ệ ầ ủ
V i k = 2:Kớ
2. Kh i t o RBM l p th k b ng cách m t ng l pở ạ ớ ử ằ ở ừ ớ RBM, v i tham s ớ ố
3. Tinh ch nh các tham s c a RBM l p th k b ngỉ ố ủ ở ớ ứ ằ các vector d li u đữ ệ ượ ạc t o ra t l p th k1ừ ớ ứ
B ng 2.1: Mô t thu t toán hu n luy nả ả ậ ấ ệ
M ng h c sâu Bayesạ ọ
Trang 82.3 Mô hình máy h c CNNLSTM s d ng cho ọ ử ụ
Phát hi n âm thanh tri u ch ng ho có th th cệ ệ ứ ể ự
hi n dệ ưới d ng tr c quan b ng cách chuy n đ i âmạ ự ằ ể ổ thanh 1 chi u thành d ng “hình nh” th i gian quangề ạ ả ờ
ph 2 chi u, b ng máy tính ch ng h n Bi n đ i Fourierổ ề ằ ẳ ạ ế ổ
th i gian ng n (STFT). Sau đó, m ng lờ ắ ạ ướ ơi n ron th nầ kinh nhân t o có th ho t đ ng t t v i vi c nh n d ngạ ể ạ ộ ố ớ ệ ậ ạ hình nh đ so sánh các âm thanh c a tri u ch ng ho cácả ể ủ ệ ứ
âm thanh không ph i tri u ch ng ho trên các m u hìnhả ệ ứ ẫ
nh trong n i dung quang ph 2 chi u. u đi m c a
phương pháp này là bi n th m ng thân kinh nhân t oế ể ạ ạ
được s d ng cho vi c nghiên c u k lử ụ ệ ứ ỹ ưỡng hình nh,ả
M ng h c sâu tích ch p (CNN) [14], có th s d ng choạ ọ ậ ể ử ụ
vi c phát hi n các tri u ch ng ho (Hình 2.5) ệ ệ ệ ứ
Trang 92.3.1 M ng h c sâu tích ch p cho phát hi n và ạ ọ ậ ệ phân lo i ho (CNN) ạ
M t trong các ng d ng quan tr ng c a m ng n ộ ứ ụ ọ ủ ạ ơ ron tích ch p đó là cho phép các máy tính có kh năngậ ả
“nhìn” và “phân tích”. Nó đượ ấc l y c m h ng t v nãoả ứ ừ ỏ
th giác Nghĩa là Convnets (Convolutional Neuralị Networks) được s d ng đ nh n d ng hình nh b ngử ụ ể ậ ạ ả ằ cách đ a nó qua m ng n ron v i nhi u layer, m i layerư ạ ơ ớ ề ỗ
là các b l c tích ch p. Sau khi đi qua các layer nàyộ ọ ậ chúng ta có được đ c tr ng và dùng nó nh n d ng ra đ iặ ư ậ ạ ố
tượng
Trang 10a. Feature (Đ c tr ng) ặ ư