Page 386 - SDMD CNKT va CNTT trong tien trinh CNH_HDH DBSCL
P. 386

Nghiên cứu này vẫn ở cấp độ trừu tượng của KMS mà không có bất kỳ triển
          khai nào.

               Để giải quyết những thách thức trên, hệ thống quản lý tri thức chăm
          sóc sức khỏe dựa trên dữ liệu lớn do Phan et al. (2022) được đề xuất nhằm
          hỗ trợ quyết định chẩn đoán trong môi trường song song và phân tán. Hệ
          thống chăm sóc sức khỏe này đảm bảo quá trình phát triển tri thức đầy đủ và
          toàn diện, bao gồm cả việc khám phá và khai thác tri thức. Ngoài ra, trong
          hệ thống còn có sự tham gia của trí tuệ nhân tạo và các công nghệ xử lý dữ
          liệu lớn để hỗ trợ quyết định chẩn đoán theo thời gian thực với khối lượng
          lớn các hồ sơ y tế và thời gian phản hồi hợp lý. Hệ thống quản lý tri thức
          chăm sóc sức khỏe được đề xuất bao gồm bốn tầng: dữ liệu, thông tin, tri
          thức và ứng dụng. Dữ liệu sử dụng trong hệ thống này được thu thập từ một
          số bệnh viện và các thiết bị theo dõi sức khỏe. Lớp tri thức trong hệ thống
          sử dụng các kỹ thuật máy học để tạo ra tri thức cho việc chuẩn đoán bệnh
          cao huyết áp, xuất huyết não và tổn thương gan.

               •  Cao huyết áp là một trong những nguyên nhân hàng đầu gây tổn
                  thương và tử vong trên toàn thế giới. Theo Tổ chức Y tế Thế giới
                  (WHO), ước tính có khoảng 9,4 triệu ca tử vong do huyết áp cao.
                  Căn bệnh nguy hiểm này cần được phát hiện và điều trị kịp thời để
                  hạn chế nguy cơ tử vong cũng như những biến chứng của bệnh.
                  Cây quyết định được sử dụng để tạo ra tri thức về chẩn đoán và
                  phân loại cao huyết áp. Cây quyết định tạo ra các quy tắc đơn giản
                  từ một quá trình ra quyết định phức tạp tương tự như cách suy nghĩ
                  của con người.

               •  Xuất huyết não là một loại đột quỵ do vỡ động mạch trong não.
                  Đột quỵ là nguyên nhân gây tử vong đứng thứ hai theo Tổ chức Y
                  tế Thế giới. Việc chẩn đoán căn bệnh dựa vào hình ảnh CT/MRI
                  não, do đó, kỹ thuật học sâu được đề xuất sử dụng để phát hiện và
                  phân  loại  xuất  huyết.  Mô  hình  được  đào  tạo  với  Faster  R-CNN
                  Inception ResNet v2 đạt được độ chính xác trung bình là 79% trong
                  việc phân loại bốn loại xuất huyết não: tụ máu ngoài màng cứng
                  (EpiDural  Hematoma  -  EDH),  tụ  máu  dưới  màng  cứng  (SDH  -
                  SubDural  Hematoma),  xuất  huyết  dưới  nhện  (SubArachnoid
                  Hemorrhage  -  SAH)  và  xuất  huyết  nội  sọ  (IntraCerebral
                  Hemorrhage - ICH).





          372
   381   382   383   384   385   386   387   388   389   390   391