Cải thiện hiệu quả của mạng nơ-ron trong chẩn đoán COVID-19VN bằng phương pháp gán trọng số cho các triệu chứng bệnh lý

Tóm tắt

Bài báo trình bày cách tạo cơ sở dữ liệu về bệnh Covid-19 tại Bệnh viện Bệnh nhiệt đới Trung ương (gọi là cơ sở dữ liệu CovidVN) và sau đó xây dựng mạng neural dựa trên cơ sở dữ liệu này để hỗ trợ chẩn đoán bệnh. Cơ sở dữ liệu CovidVN được xây dựng trên cơ sở xử lý và tổng hợp kết quả xét nghiệm chẩn đoán thực tế của bệnh nhân mắc Covid-19 với số lượng nhiều mẫu và phù hợp với cấu trúc cơ sở dữ liệu bệnh Covid-19 của Hệ thống Y tế Israel (gọi tắt là Cơ sở dữ liệu COVIDIsr). Sau đó, mạng nơron nhân tạo MLP tương ứng với hai cơ sở dữ liệu này sẽ được phát triển bằng hộp công cụ học sâu của phần mềm MATLAB; kết quả luyện các mạng này và độ chính xác của chúng được so sánh với nhau để đánh giá tương đối chất lượng của CSDL CovidVN. Mặt khác, bài báo trình bày phương pháp gán trọng số tương ứng với các triệu chứng bệnh lý cho các tham số đầu vào của mạng. Kết quả cho thấy, trọng số của các thuộc tính đầu vào tương ứng với các triệu chứng bệnh lý là có ý nghĩa.