Các mô hình học sâu tiên tiến và ứng dụng trong phân tích chuỗi thời gian lâm sàng.

• Main Author: Nguyễn, Thị Cẩm Vân
• Other Authors: Hà, Quang Thụy
• Format: Theses and Dissertations
• Language: Vietnamese
• Published: 2020
• Subjects: Dữ liệu; Hệ thống thông tin; MIMIC; Học sâu trong y tế; Bài toán; Khoa học máy tính; 006.31
• Online Access: http://repository.vnu.edu.vn/handle/VNU_123/99724
• Institution: Vietnam National University, Hanoi

Chương 1: Khái quát bài toán phân tích chuỗi thời gian lâm sàng: Trong chương ngày, luận văn giới thiệu sơ lược về bài toán phân tích dữ liệu chuỗi thời gian lâm sàng nói chung và bài toán dự đoán sự kiện lâm sàng nói riêng. Bên cạnh đó, luận văn giới thiệu về các phương pháp tiếp cận phổ biến trong phân tích và dự đoán chuỗi thời gian lâm sàng và các nghiên cứu liên quan.Luận văn đồng thời phân tích các khó khăn và thách thức của bài toán và phát biểu bài toán sẽ triển khai trong luận văn này. Chương 2: Mô hình bộ nhớ dài ngắn hạn hai chiều BiLSTM: Trong chương này, luận văn giới thiệu về mô hình BiLSTM. Đồng thời, luận văn trình bày các kiến thức nền tảng về trí tuệ nhân tạo, các mô hình học sâu cơ sở như mạng nơ-ron hồi quy, bộ nhờ dài ngắn hạn, cơ chế chú ý... và các kĩ thuật xử lý dữ liệu được sử dụng trong luận văn. Chương 3: Mô hình dự đoán sự kiện lâm sàng sử dụng cơ chế Attention kết hợp kĩ thuật BiLSTM: Trong chương này, luận văn đầu tiên giới thiệu về các mô hình đề xuất của luận văn. Chương 4: Thực nghiệm và kết quả: Luận văn trình bày chi tiết về môi trường thực nghiệm, chi tiết các pha trong quá trình triển khai mô hình, các kịch bản thực nghiệm và tham số của mô hình. Luận văn đồng thời trình bày chi tiết kết quả đạt được và đưa ra nhận xét. Trình bày tổng kết lại các đóng góp của luận văn và các kết quả đã đạt được. Các điểm hạn chế cũng như kế hoạch cải tiến mô hình đề xuất trong tương lai sẽ được trình bày trong chương này.