Page 407 - SDMD CNKT va CNTT trong tien trinh CNH_HDH DBSCL

Độ chính xác trung bình (AP) cho ba loại tổn thương gan (HCC,
HEM, và NAN) lần lượt là 0,982; 0,975 và 0,895 (Hình 19.18). Mô hình
này cho giá trị mAP là 0,951 để phát hiện và phân loại tổn thương gan. Việc
hỗ trợ bác sĩ trong chẩn đoán y khoa sẽ chính xác hơn để kịp thời đưa ra
phác đồ điều trị phù hợp.

Hình 19.18. Độ chính xác trung bình (AP) cho ba loại tổn thương gan

19.5 KẾT LUẬN

Dữ liệu lớn đem lại nhiều cơ hội nhưng cũng không ít thách thức trong
việc xây dựng hệ thống quản lý tri thức, đặc biệt là trong lĩnh vực chăm sóc
sức khỏe. Phan et al. (2022) đã đề xuất một hệ thống quản lý tri thức chăm
sóc sức khỏe để hỗ trợ việc ra quyết định chẩn đoán y khoa trong bối cảnh
dữ liệu lớn và trí tuệ nhân tạo. Hệ thống này đảm bảo quá trình phát triển tri
thức một cách có hệ thống, trong đó việc khám phá tri thức được thực hiện
thông qua các thuật toán máy học và việc khai thác tri thức được thực hiện
thông qua việc áp dụng các mô hình máy học để hỗ trợ chẩn đoán y khoa.
Tất cả các hoạt động khám phá và khai thác này đều được thực hiện trong
môi trường xử lý dữ liệu lớn với các công nghệ xử lý phổ biến nhất như
Spark, HDFS, HBase và Kafka.
Hệ thống tri thức chăm sóc sức khỏe được minh họa cho việc phát
hiện và phân loại bệnh cao huyết áp, xuất huyết não và tổn thương gan. Các
mô hình cây quyết định được sử dụng trong tầng tri thức của hệ thống có độ
chính xác trên 84% cho việc phát hiện cao huyết áp và trên 92% cho việc
phân loại cao huyết áp. Mạng học sâu Faster R-CNN Inception ResNet v2
được sử dụng trong tầng tri thức để phát hiện xuất huyết não với chỉ số mAP
là 0,68. Việc phát hiện tổn thương gan bằng chỉ số HU cho độ chính xác cao

393