Tính cấp thiết của đề tài
Thế giới hiện đại đang phát triển nhanh chóng với nhiều hoạt động đa dạng và phức tạp, yêu cầu khả năng giải quyết vấn đề ở mức độ trí tuệ nhân tạo cao Lĩnh vực trí tuệ nhân tạo, đặc biệt là hệ chuyên gia, đóng vai trò quan trọng trong việc phát triển các hệ thống có khả năng trí tuệ tương tự con người, giúp áp dụng tri thức tiên tiến để giải quyết những vấn đề phức tạp trong cuộc sống.
• Hệ chuyên gia được thu hút mãnh mẽ do những ưu điểm sau.
• Các chương trình hệ chuyên gia ngày càng tỏ ra hữu hiệu và tiện lợi đáp ứng nhu cầu thực tế.
• Các chương trình hệ chuyên gia ngày càng tỏ ra có tính khả thi cao
• Hệ chuyên gia không có tính đơn lẻ phù hợp với nhiều cá nhân
• Ở Việt Nam nền y học đã phát triển theo hướng hiện đại, chúng ta có khác nhiều chuyên gia giải đấu ngành với trình độ quốc tế
• Tuy nhiên còn nhiều bất cập về trình độ của đội ngũ y sĩ, bác sĩ ở các bệnh viên trung tâm tuyến tinh, huyện xã.
• Làm thế nào để sử dụng rộng rãi tri thức y học của các chuyên gia trong tất cả các bệnh viện.
• Nâng cao trình độ chuyên môn của đội ngũ thầy thuốc ở các tuyến tinh huyện nhất là vùng sâu vùng xa
Chúng tôi đã phát triển một chương trình hỗ trợ cho các bác sĩ trong việc chẩn đoán và phân loại các bệnh lý về phổi, nhằm cung cấp nhiều giải pháp hiệu quả cho vấn đề này.
Mục đích nghiên cứu
Tìm hiểu các phương pháp biểu diễn tri thức và các kỹ thuật suy diễn phổ biến trong hệ chuyên gia, từ đó phát triển một chương trình hệ chuyên gia có khả năng phân loại và chẩn đoán các bệnh lâm sàng.
Tổng quan hệ chuyên gia
Khái niệm hệ chuyên gia
Hệ chuyên gia (Expert System) là một chương trình máy tính thông minh, sử dụng tri thức và các thủ tục suy luận để giải quyết những bài toán phức tạp mà chỉ có chuyên gia mới có khả năng xử lý Hệ thống này mô phỏng năng lực quyết định và hành động của con người, đóng vai trò quan trọng trong lĩnh vực ứng dụng của trí tuệ nhân tạo (AI).
Các thành phần của hệ chuyên gia
2.1: Bộ giao diện người máy
Bộ giao tiếp HCG tương tác với người sử dụng bằng cách tiếp nhận thông tin và cung cấp câu trả lời, lời khuyên cùng với các giải thích liên quan đến lĩnh vực cụ thể.
Hệ chuyên gia mô phỏng cách lập luận của con người thông qua động cơ suy diễn, cho phép tạo ra tri thức mới dựa trên các sự kiện và tri thức có sẵn Động cơ suy diễn trong hệ chuyên gia thực hiện hai kiểu suy diễn chính: suy diễn tiến và suy diễn lùi, giúp tối ưu hóa quá trình ra quyết định và giải quyết vấn đề.
Lưu trữ và biểu diễn tri thức là nền tảng cho hoạt động của hệ thống, trong đó CSTT bao gồm các sự kiện và luật lệ.
Để thuyết phục người dùng theo con đường suy diễn của hệ chuyên gia, cần trả lời hai câu hỏi quan trọng: tại sao (why) và bằng cách nào (how) Câu hỏi "tại sao" cung cấp lý lẽ thuyết phục, trong khi câu hỏi "bằng cách nào" giải thích phương pháp mà hệ chuyên gia áp dụng để đạt được kết quả.
2.5: Bộ tiếp nhận tri thức
Nhiệm vụ chính là thu thập tri thức từ các chuyên gia con người, kỹ sư xử lý tri thức và người sử dụng thông qua các yêu cầu, sau đó lưu trữ thông tin này vào hệ thống cơ sở tri thức (CSTT).
Bộ nhớ làm việc tương tự như bộ nhớ ngắn hạn trong mô hình giải quyết vấn đề của con người, giữ lại các sự kiện liên quan được phát hiện trong quá trình đưa ra kết luận.
Hình 1: Các hành phần của hệ chuyên gia
Lĩnh vực ứng dụng
Các hệ thống điều khiển quản lý có khả năng điều chỉnh hành vi của hệ thống, chẳng hạn như trong quá trình sản xuất hoặc điều trị bệnh nhân Hệ chuyên gia về điều khiển thu thập dữ liệu từ các thao tác của hệ thống, diễn giải dữ liệu này để hiểu rõ trạng thái hiện tại và dự đoán các tình huống trong tương lai.
Hệ thống có nhiệm vụ tạo ra các đối tượng theo các yêu cầu cụ thể Ví dụ, trong thiết kế hệ thống máy tính, cần đảm bảo các yêu cầu về cấu hình bộ nhớ và tốc độ Các hệ thống này thường thực hiện các bước công việc, với mỗi bước tuân theo những ràng buộc riêng biệt.
Các hệ thống chuẩn đoán đóng vai trò quan trọng trong việc phát hiện lỗi và đánh giá chức năng hệ thống thông qua việc quan sát thông tin Chúng thường được trang bị kiến thức về điều kiện và nguyên nhân gây ra lỗi, như hệ thống chuẩn đoán bệnh dựa trên triệu chứng của bệnh nhân Bên cạnh đó, các hệ thống giảng dạy hỗ trợ giáo viên và sinh viên trong quá trình học tập, ví dụ như GUION do Clancey phát triển vào năm 1979, giúp sinh viên trong việc điều trị bệnh nhân nhiễm khuẩn.
Các hệ thống diễn giải giúp hiểu rõ các tình huống bất ngờ dựa trên thông tin hiện có, đặc biệt là thông tin thu thập từ dữ liệu máy móc hoặc kết quả thí nghiệm.
Các hệ thống giám sát so sánh thông tin về hành vi của hệ thống với trạng thái đã biết để phát hiện các điều kiện gay cấn Chẳng hạn, chúng diễn giải tín hiệu từ đầu dò sóng và khi phát hiện sự khác biệt, hệ thống sẽ kích hoạt một loạt nhiệm vụ Các hệ thống lập kế hoạch sau đó tạo ra các hành động nhằm đạt được mục tiêu cụ thể, như lập kế hoạch cho robot thực hiện các chức năng nhất định.
Hệ thống dự báo thời tiết được sử dụng để dự đoán các kết quả từ các tình huống khác nhau Những hệ thống này cung cấp thông tin về các sự kiện tương lai dựa trên dữ liệu hiện có và các mô hình toán học.
Hệ thống chuẩn trị khuyến cáo các giải pháp cho những chức năng sai, điển hình là Hệ thống BLUBOX do Mulsant và Servan-Schreiber phát triển vào năm 1984, nhằm chuẩn trị bệnh nhân bị suy nhược.
Các hệ thống lựa chọn giúp xác định những lựa chọn tốt nhất từ các khả năng có sẵn Trong các hệ chuyên gia, người dùng thường áp dụng các kỹ thuật suy diễn không chính xác hoặc sử dụng hàm đánh giá khớp Bên cạnh đó, các hệ chuyên gia còn mô phỏng quá trình hoặc hệ thống để nghiên cứu tác nghiệp và sự tương tác trong hệ thống.
Hướng nghiên cứu
Sử dụng thuật toán học cây ID3 truyền thống để phát triển hệ chuyên gia chẩn đoán bệnh lao phổi, nghiên cứu dựa trên việc thu thập và phân tích dữ liệu từ các công trình nghiên cứu cũng như các bài báo đã được công bố tại các hội thảo và tạp chí uy tín.
Các phương pháp xây dựng hệ chuyên gia
Thuật toán ID3
Xây dựng hệ thống chuyên gia chẩn đoán bệnh lao phổi giúp xác định tình trạng bệnh qua các triệu chứng Với các thông tin triệu chứng được cung cấp, chuyên gia có thể đưa ra kết luận chính xác về việc người bệnh có mắc lao phổi hay không.
Mồ hôi trộm về đêm Có không Đau tức ngực Có
Xây dựng ứng dụng
Mô tả bài toán
Xây dựng hệ thống chuyên gia chẩn đoán bệnh lao phổi giúp xác định liệu người bệnh có mắc bệnh hay không dựa trên các triệu chứng được cung cấp Các chuyên gia sẽ phân tích thông tin để đưa ra kết luận chính xác về tình trạng sức khỏe của người bệnh.
Mồ hôi trộm về đêm Có không Đau tức ngực Có
Bảng 3: Bảng dữ liệu các triệu chứng và biểu hiện của triệu chứng
Trường đại học Công Nghiệp Hà Nội – Khoa Công Nghệ thông Tin
1 Ra máu Nhẹ Có Có Ít Nhỏ Có
2 Ra máu Nhẹ Có Có ít To Có
3 Ra máu Nhẹ Có Có Nhiề u
4 Ra máu Nhẹ Có Có Nhiề u
5 Ra máu Nhẹ Có Khôn g Ít Nhỏ Có
6 Ra máu Nhẹ Có Khôn g Ít To Không
7 Ra máu Nhẹ Có Khôn g
8 Ra máu Nhẹ Có Khôn g
9 Ra máu Nhẹ Không Có Ít Nhỏ Có
10 Ra máu Nhẹ Không Có Ít To Không
11 Ra máu Nhẹ Không Có Nhiề u
12 Ra máu Nhẹ Không Có Nhiề u
13 Ra máu Nhẹ Không Khôn g Ít Nhỏ Không
14 Ra máu Nhẹ Không Khôn g Ít To Không
15 Ra máu Nhẹ Không Khôn g
16 Ra máu Nhẹ Không Khôn g
17 Ra máu Cao Có Có Ít Nhỏ Có
18 Ra máu Cao Có Có Ít To Có
19 Ra máu Cao Có Có Nhiề u
20 Ra máu Cao Có Có Nhiề u
21 Ra máu Cao Có Khôn Ít Nhỏ Không
Bảng 4: Bảng dữ liệu chi tiết chuẩn đoán bệnh lao phổi
Tập dữ liệu này chứa 96 ví dụ, mỗi ví dụ phản ánh tình trạng sức khỏe của bệnh nhân với các thuộc tính như ho, sốt, sưng hạch, mồ hôi trộm vào ban đêm, đau tức ngực và sụt cân Tất cả các ví dụ đều có thuộc tính phân loại 'Mắc lao' (có hoặc không).
Khi xét nghiệm, kết quả 'Không' cho thấy người bệnh không mắc bệnh lao phổi, trong khi kết quả 'Có' chỉ ra rằng người bệnh đang mắc bệnh lao phổi Phân loại này chỉ bao gồm hai giá trị: 'Có' và 'Không'.
‘Mắc lao ’còn được gọi là thuộc tính đích (targetattribute).
3.2 Áp dụng giải thuật ID3 giải quyết bài toán :
Để xây dựng cây quyết định, trước tiên chúng ta cần tính toán độ lợi thông tin cho từng thuộc tính Sau đó, thuộc tính nào có độ lợi thông tin lớn nhất sẽ được chọn làm gốc cho cây quyết định.
Xét thuộc tính “Sưng hạch”:
Gain(S, Sưng hạch) = Entropy(S) - × Entropy(S nhỏ ) - × Entropy(S to ) = 0.9887 – 0.9544× - 1× = 0.0115
Tương tự như vậy với các thuộc tính điều kiện còn lại:
Gain(S, Sụt cân) = 0.1059 Gain(S, Đau tức ngực) = 0.1926 Gain(S, Mồ hôi trộm) = 0.1926 Gain(S, Sốt) = 0.0115
Trong các thuộc tính điều kiện trên ta thấy “Mồ hôi trộm” có độ lợi thông tin lớn nên thuộc tính này sẽ được chọn làm gốc của cây.
Trong nhánh “Mồ hôi trộm” = “Có”:
Gain(S Có , Sốt) = 0.0188 Gain(S Có , Đau tức ngực) = 0.219 Gain(S Có , Sụt cân) = 0.219
Gain(S Có , Sưng hạch) = 0.0188 Trong nhánh “Mồ hôi trộm” = “Có” và “Sụt cân” = “Ít”:
Gain(S Có,ít , Sốt) = 0.0488 Gain(S Có,ít , Đau tức ngực) = 0.548
Trong nhánh “Mồ hôi trộm” = “Có”, “Sụt cân” = “Ít” và “Đau tức ngực”
Gain(S Có,nhiều,không , Sốt) = 0.3113 Gain(S Có,nhiều,không , Sưng hạch) = 0.3113
Trong nhánh “Mồ hôi trộm” = “Có”, “Sụt cân” = “Ít” và “Đau tức ngực”
Gain(S Có,nhiều,không,Nhẹ , Sưng hạch) = 1 Trong nhánh “Mồ hôi trộm” = “Không”:
Trong các thuộc tính điều kiện, "Đau tức ngực" có độ lợi thông tin lớn nhất với giá trị 0.219, cho thấy đây là yếu tố quan trọng nhất cần được chọn Các thuộc tính khác như "Sốt" và "Sưng hạch" có độ lợi thông tin thấp hơn, lần lượt là 0.01315, trong khi "Sụt cân" đạt 0.1242.
Trong nhánh “Mồ hôi trộm” = “Không”, “Đau tức ngực” = “Có”:
Gain(S Không,Có , Sốt) = 0.0488 Gain(S Không,Có , Sụt cân) = 0.548 Gain(S Không,Có , Sưng hạch) = 0.0488
Trong nhánh “Mồ hôi trộm” = “Không”, “Đau tức ngực” = “Có”, “Sụt cân” = “Ít”:
Gain(S Không,Có,Ít , Sốt) = 0.3113 Gain(S Không,Có,Ít , Sưng hạch) = 0.3113
Ta tính được độ lợi thông tin cho các thuộc tính nên chọn “Sưng hạch”.
Ta có cây quyết định:
Không Không Đau tức ngực
Không Có Đau tức ngực Có Ít
Các tập luật được đưa ra từ bảng chi tiết:
1 If Mồ hôi trộm về đêm = “Có” And Sụt cân = “Nhiều” Then Mắc lao = “Có”.
2 If Mồ hôi trộm về đêm = “Có” And Sụt cân = “Ít” And Đau tức ngực = “Có” Then Mắc lao = “Có”.
3 If Mồ hôi trộm về đêm = “Có” And Sụt cân = “Ít” And Đau tức ngực = “Không” And Sốt = “Cao” Then Mắc lao = “Không”.
4 If Mồ hôi trộm về đêm = “Có” And Sụt cân = “Ít” And Đau tức ngực = “Không” And Sốt = “Nhẹ” And Sưng hạch = “Nhỏ” Then Mắc lao = “Có”.
5 If Mồ hôi trộm về đêm = “Có” And Sụt cân = “Ít” And Đau tức ngực = “Không” And Sốt = “Nhẹ” And Sưng hạch = “To” Then Mắc lao = “Không”.
6 If Mồ hôi trộm về đêm = “Không” And Đau tức ngực = “Không” Then Mắc lao = “Không”.
7 If Mồ hôi trộm về đêm = “Không” And Đau tức ngực = “Có” And Sụt cân = “Nhiều” Then Mắc lao = “Có”.
8 If Mồ hôi trộm về đêm = “Không” And Đau tức ngực = “Có” And Sụt cân = “Ít” And Sưng hạch = “To” Then Mắc lao = “Không”.
9 If Mồ hôi trộm về đêm = “Không” And Đau tức ngực = “Có” And Sụt cân = “Ít” And Sốt = “Nhẹ” And Sưng hạch = “Nhỏ” Then Mắc lao = “Có”.
10 If Mồ hôi trộm về đêm = “Không” And Đau tức ngực = “Có” And Sụt cân = “Ít” And Sốt = “Cao” And Sưng hạch = “Nhỏ” Then Mắc lao = “Không”.
3.3.1 Đầu vào của chương trình :
3.3.2 Chương trình mô tả giải thuật ID3 :
3.3.3 Chương trình mô phỏng hệ chuyên gia chuẩn đoán bệnh lao phổi :
Việc ứng dụng hệ chuyên gia đang ngày càng phổ biến trong nhiều lĩnh vực như y tế, giáo dục và thời tiết, cho thấy tầm ảnh hưởng của nó đối với cuộc sống Chẳng hạn, hệ chuyên gia chẩn đoán bệnh lao phổi giúp đưa ra kết luận cho bệnh nhân nhanh chóng và chính xác hơn Qua quá trình học tập và triển khai dự án, chúng tôi đã thu thập được nhiều kiến thức quý giá, từ việc xác định triệu chứng đến thiết kế chương trình chẩn đoán dựa trên những dấu hiệu thực tế Kết quả khảo sát và kiểm thử chương trình cho thấy độ chính xác cao trong việc phát hiện bệnh lao phổi.
Mô tả chương trình
3.3.1 Đầu vào của chương trình :
3.3.2 Chương trình mô tả giải thuật ID3 :
3.3.3 Chương trình mô phỏng hệ chuyên gia chuẩn đoán bệnh lao phổi :
Việc ứng dụng hệ chuyên gia đang ngày càng trở nên phổ biến trong nhiều lĩnh vực như y tế, giáo dục và thời tiết, cho thấy tầm quan trọng của nó trong cuộc sống hàng ngày Hệ chuyên gia chuẩn đoán bệnh lao phổi đã giúp cung cấp kết luận nhanh chóng và chính xác cho bệnh nhân Qua quá trình học tập và triển khai dự án lớn, chúng em đã tích lũy được nhiều kiến thức quý báu, từ việc thu thập thông tin đến thiết kế chương trình chuẩn đoán dựa trên các triệu chứng thực tế Kết quả khảo sát và kiểm thử chương trình cho thấy hiệu quả tốt với thời gian phản hồi nhanh, mặc dù chúng em nhận thấy cần cải thiện hơn nữa do kiến thức còn hạn chế Chúng em rất mong nhận được ý kiến đóng góp từ cô và các bạn để hoàn thiện chương trình.
