LuanVan.vnLuận Văn
Gửi thư

DESIGN AND DEVELOPMENT OF A TYPE 2 DIABETES MANAGEMENT SUPPORT PLATFORM USING ARTIFICIAL INTELLIGENCE TECHNIQUES BASED ON A METADATA-DRIVEN CLINICAL FRAMEWORK – WEB APPLICATION MODULE.

Khoá luận tốt nghiệp · Đại học · năm 2026 · đề tài tham khảo

Loại tài liệuKhoá luận tốt nghiệp
Bậc họcĐại học
NgànhCông nghệ thông tin
Tác giảLê Gia Linh Tiêu
Người hướng dẫnTrương Minh Thái
Cơ sở đào tạoTrường Đại học Cần Thơ
Năm2026
NguồnThư viện số Trường Đại học Cần Thơ · trang gốc

Tóm tắt

Type 2 Diabetes Mellitus (T2DM) and its associated metabolic disorders pose significant challenges to global public health, requiring continuous monitoring and longterm disease management. However, effective personal health management and timely access to clinical guidance remain challenging due to the lack of integrated tools for standardized health data management and clinical decision support. To address these challenges, this research proposes HealthyAI, an intelligent web-based platform that integrates artificial intelligence techniques to support personal health record management, blood glucose monitoring and forecasting, disease risk assessment, and evidence-based medical knowledge retrieval. The platform is developed using a FastAPI backend and a React/Vite frontend. Following the principles of a Clinical Decision Support System (CDSS), the proposed platform is designed to assist healthcare decision-making rather than replace medical professionals. The system integrates machine learning models for disease risk assessment, multivariate Long Short-Term Memory (LSTM) networks for short-term blood glucose forecasting, Optical Character Recognition (OCR) and Large Language Models (LLMs) for medical document digitization and interpretation, and a RetrievalAugmented Generation (RAG)/GraphRAG architecture for evidence-based medical knowledge retrieval. In addition, a Metadata-Driven Clinical Framework enables configurable clinical rules, version management, and traceable decision support. The developed platform provides core functionalities including Personal Health Records (PHRs), medical knowledge management, disease analysis, blood glucose monitoring, and AI-assisted clinical support, together with user authentication and data protection mechanisms. Experimental evaluation demonstrates that the proposed LSTM-based model can forecast short-term blood glucose trends, with stronger predictive performance at the 30-minute horizon than at the 60-minute horizon, supporting proactive glucose monitoring and management. Overall, this research presents an extensible and practical platform that supports the application of artificial intelligence and metadata-driven clinical knowledge in personal Type 2 diabetes management. Đái tháo đường típ 2 (Type 2 Diabetes Mellitus – T2DM) và các rối loạn chuyển hóa liên quan đặt ra những thách thức đáng kể đối với sức khỏe cộng đồng toàn cầu, đòi hỏi quá trình theo dõi liên tục và quản lý bệnh lâu dài. Tuy nhiên, việc quản lý sức khỏe cá nhân hiệu quả và tiếp cận kịp thời các hướng dẫn lâm sàng vẫn còn nhiều khó khăn do thiếu các công cụ tích hợp hỗ trợ quản lý dữ liệu sức khỏe theo tiêu chuẩn và hỗ trợ ra quyết định lâm sàng. Nhằm giải quyết những thách thức này, nghiên cứu đề xuất HealthyAI, một nền tảng Web thông minh tích hợp các kỹ thuật trí tuệ nhân tạo nhằm hỗ trợ quản lý hồ sơ sức khỏe cá nhân, theo dõi và dự báo đường huyết, đánh giá nguy cơ bệnh và truy xuất tri thức y khoa dựa trên bằng chứng. Nền tảng được phát triển với FastAPI ở phía backend và React/Vite ở phía frontend. Tuân theo các nguyên tắc của Hệ thống Hỗ trợ Quyết định Lâm sàng (Clinical Decision Support System – CDSS), nền tảng được thiết kế nhằm hỗ trợ quá trình ra quyết định trong chăm sóc sức khỏe thay vì thay thế các chuyên gia y tế. Hệ thống tích hợp các mô hình học máy để đánh giá nguy cơ bệnh, mạng Long Short-Term Memory (LSTM) đa biến để dự báo đường huyết ngắn hạn, công nghệ Nhận dạng Ký tự Quang học (Optical Character Recognition – OCR) và Mô hình Ngôn ngữ Lớn (Large Language Models – LLMs) để số hóa và diễn giải tài liệu y tế, cùng kiến trúc Retrieval-Augmented Generation (RAG)/GraphRAG để truy xuất tri thức y khoa dựa trên bằng chứng. Bên cạnh đó, Khung Lâm sàng Hướng Siêu dữ liệu (Metadata-Driven Clinical Framework) cho phép cấu hình các quy tắc lâm sàng, quản lý phiên bản và bảo đảm khả năng truy vết trong quá trình hỗ trợ ra quyết định. Nền tảng được phát triển cung cấp các chức năng cốt lõi bao gồm Hồ sơ Sức
Bản toàn văn lưu tại thư viện Trường Đại học Cần Thơ

Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.

Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
  • Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
  • Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
  • Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.

Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn công nghệ thông tin · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.

Đề tài cùng ngành

Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.