LuanVan.vnLuận Văn
Gửi thư

GIẢI PHÁP PHÂN LỚP BỆNH PHỔI VỚI CHẮT LỌC THÔNG TIN VÀ MÔ HÌNH KAN

Khoá luận tốt nghiệp · Đại học · năm 2025 · đề tài tham khảo

Loại tài liệuKhoá luận tốt nghiệp
Bậc họcĐại học
NgànhCông nghệ thông tin
Tác giảVăn Cường Sơn
Cơ sở đào tạoTrường Đại học Cần Thơ
Năm2025
NguồnThư viện số Trường Đại học Cần Thơ · trang gốc

Tóm tắt

Các bệnh lý hô hấp như viêm phổi, COPD, lao phổi và Covid-19 gây ra gánh nặng lớn cho hệ thống y tế, đòi hỏi giải pháp hỗ trợ chuẩn đoán nhanh và chính xác. Đề tài “Giải pháp phân lớp bệnh phổi với chắt lọc thông tin và KAN” được thực hiện nhằm xây dựng hệ thống phân loại bệnh phổi từ dữ liệu đa phương thức: ảnh X-quang ngực, văn bản triệu chứng và chỉ số sinh tồn. Phương pháp đề xuất gồm: huấn luyện riêng biệt các mô hình cho từng loại dữ liệu DenseNet121, EfficientNet-B5, ResNet50, Xception và các biến thể KAN (FastKAN, ChebyKAN, RBFKAN, MedKAN) cho ảnh; FastText, Electra, PhoBERT cho văn bản; Random Forest, KNN cho chỉ số sinh tồn; áp dụng cơ chế “chắt lọc thông tin” dựa trên mức độ đồng thuận giữa các mô hình để loại nhiễu nhãn; tích hợp vào website hỗ trợ chuẩn đoán với các chức năng tải ảnh, nhập triệu chứng, nhập chỉ số sinh tồn, trực quan hóa dữ liệu và gợi ý chuẩn đoán bằng RAG. Kết quả cho thấy sau khi áp dụng chắt lọc thông tin, hiệu suất mô hình ảnh tăng rõ rệt, với DenseNet121 và MedKAN đạt F1-score >72%, cao hơn khoảng 25% so với trước lọc. Mô hình văn bản đạt F1-score ~82% và mô hình chỉ số sinh tồn (Random Forest) đạt Accuracy 90%. Hệ thống web vận hành ổn định, cung cấp giao diện thân thiện và chức năng dự đoán đa dạng.
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.