LuanVan.vnLuận Văn
Gửi thư

Ứng dụng kĩ thuật học máy trong dự đoán nguy cơ mắc tiểu đường type 2

Luận văn · Thạc sĩ · năm 2024 · đề tài tham khảo

Loại tài liệuLuận văn
Bậc họcThạc sĩ
NgànhCông nghệ thông tin
Tác giảNguyễn Thị Kim Duyên
Người hướng dẫnNguyễn Thị Hồng Minh
Cơ sở đào tạoĐại học Quốc gia Hà Nội
Năm2024
NguồnThư viện số Đại học Quốc gia Hà Nội · trang gốc

Tóm tắt

Cùng với sự phát triển của khoa học dữ liệu, học máy, học sâu, lĩnh vực tin y sinh học ra đời, hỗ trợ con người trong việc chẩn đoán bệnh, cá nhân hóa phác đồ điều trị đồng thời theo dõi hồ sơ sức khỏe con người. Một trong số các bài toán nổi bật của tin y sinh học là dự đoán nguy cơ mắc bệnh của con người dựa trên dữ liệu, đặc biệt là các bệnh mãn tính như tiểu đường, ung thư… Trong khuôn khổ luận văn tốt nghiệp thạc sỹ chương trình đào tạo thạc sỹ Khoa học dữ liệu, tôi xin phép giới thiệu về bài toán tin y sinh học hỗ trợ chẩn đoán tiểu đường và các nghiên cứu có liên quan tới bài toán. Tiếp theo, luận văn trình bày ứng dụng của học máy trong dự đoán nguy cơ mắc bệnh Tiểu đường type 2 dựa trên dữ liệu sinh học phân tử để tính Điểm nguy cơ đa gen PRS, cũng như dựa trên dữ liệu các chỉ số y học để dự đoán bệnh nhân mắc bệnh tiểu đường với các mô hình học máy Logistic Regression, K- Nearest Neighbors, Support Vector Machine, Decision Tree, Random Forest, LightGBM cùng một số kĩ thuật trong học tổ hợp Ensemble Learning. Trong phần thực nghiệm, luận văn trình bày kết quả dự đoán của các mô hình học máy đơn lẻ và kĩ thuật học Ensemble Learning trên bộ dữ liệu PIMA bao gồm các dữ liệu chỉ số y học nhằm dự đoán nguy cơ mắc tiểu đường type 2 đồng thời kết luận về các mô hình bao gồm hiệu suất dự đoán và các dữ liệu ảnh hưởng lớn đến nguy cơ mắc bệnh tiểu đường type 2.
Bản toàn văn lưu tại thư viện Đại học Quốc gia Hà Nội

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.