LuanVan.vnLuận Văn
Gửi thư

ỨNG DỤNG MÁY HỌC TRONG CHẨN ĐOÁN BỆNH BÉO PHÌ

Khoá luận tốt nghiệp · Đại học · năm 2021 · đề tài tham khảo

Loại tài liệuKhoá luận tốt nghiệp
Bậc họcĐại học
NgànhCông nghệ thông tin
Tác giảNguyễn Nhật Khương
Người hướng dẫnPhạm Xuân Hiền
Cơ sở đào tạoTrường Đại học Cần Thơ
Năm2021
NguồnThư viện số Trường Đại học Cần Thơ · trang gốc

Tóm tắt

Thừa cân và béo phì đã trở thành một vấn đề mang tính toàn cầu. Nó là nguyên nhân dẫn đến mắc các bệnh lý về xương khớp, tim mạch, hô hấp và cả tiểu đường. Chẩn đoán được tình trạng thừa cân béo phì là một trong các biện pháp giúp cải thiện và ngăn ngừa các mối nguy hại về sức khỏe. Song song đó, lĩnh vực máy học đang có những đóng góp rõ rệt trong lĩnh vực ý tế, giúp hỗ trợ chẩn đoán, cảnh báo các nguy cơ bệnh lý. Đề tài nghiên cứu các mô hình máy học như: cây quyết định, rừng ngẫu nhiên và máy học vector hỗ trợ (SVM) để ứng dụng chẩn đoán bệnh béo phì cho đối tượng người Việt Nam. Dữ liệu cho ứng dụng được tiền xử lý bằng giải thuật SMOTE và đưa vào các mô hình.Mô hình được đánh giá bằng các chỉ số recall, f2, precision. Sau quá trình đánh giá, mô hình máy học được xây dựng bằng giải thuật cây quyết định đạt recall (độ nhạy) 97.54% và precision (độ chính xác lớp dương) 97.38% kiểm thử trên tập dữ liệu chứa 530 mẫu. Mô hình sử dụng 16 đặc trưng cho thói quen sinh hoạt, ăn uống và hoạt động thể chất, chẩn đoán 4 tình trạng sức khỏe liên quan đến vấn đề cân nặng bao gồm: thiếu cân, bình thường, tiền béo phì, béo phì dạng 1, béo phì dạng 2.
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.