Tự động hoá hỗ trợ chẩn đoán bệnh dựa trên logic mờ, logic ngôn ngữ

Tự động hoá hỗ trợ chẩn đoán
bệnh dựa trên logic mờ, logic
ngôn ngữ


LATS Kỹ thuật : 62.52.70.01





Cung Phi Hùng



H., 2007
-1-
CHƯƠNG 1-TỔNG QUAN VỀ TỰ ĐỘNG HOÁ CHẨN
ĐOÁN BỆNH
1.1. Tính cấp thiết của đề tài
Tự động hoá có một vai trò vô cùng quan trọng trong sự nghiệp
công nghiệp hoá, hiện đại hoá đất nước. Tự động hoá quyết định tới
năng suất, chất lượng và hiệu quả của các sản phẩm. Tất cảc các bài
toán về tự động hoá phát triển trước năm 1965 đều sử d
ụng các lý
thuyết kinh điển (dựa trên lý thuyết tập rõ), nên có rất nhiều hạn chế
đối với các lớp bài toán trong môi trường thông tin không chính xác,
không chắc chắn.
Như chúng ta đã biết con người sử dụng ngôn ngữ hàng ngày để
nhận biết thế giới xung quanh. Mọi thông tin cảm nhận được đều

không chính xác, không chắc chắn, nhưng con người vẫn đưa ra quyết
định để thực hiện được các công việc của mình m
ột cách hiệu quả.
Xuất phát từ lý do như vậy, năm 1965 Zadeh đã đưa ra khái niệm lý
thuyết tập mờ. Hiệu quả của lý thuyết tập mờ là không thể phủ nhận,
nhưng việc xây dựng hàm mờ cho từng ứng dụng cụ thể lại cực kỳ
phức tạp, bởi vì tính phức tạp, đa dạng của thực tiễn và lý thuyết tập
mờ ch
ưa có một cấu trúc tính toán nhất quán. Vì vậy việc xây dựng
các hàm mờ đều phụ thuộc vào từng ứng dụng cụ thể và phụ thuộc
vào từng bài toán. Xuất phát từ lý do như vậy mà tính cấp thiết của đề
tài được đặt ra, nhằm đưa ra một cấu trúc tính toán rõ ràng, một
phương pháp xây dựng hàm thuộc tham số một cách tường minh hơn.
Trong lĩnh vực y tế chuyên gia càng làm việc lâu năm thì càng tích
lũy nhiề
u kinh nghiệm, nhưng kinh nghiệm này không tồn tại mãi mãi
với thời gian., vậy làm thế nào để thu thập được các tri thức chuyên
gia y tế, đây chính là nhiệm vụ nghiên cứu của luận án được đặt ra với

-2-
tên Đề tài “Tự động hoá (TĐH) hỗ trợ chẩn đoán bệnh dựa trên logic
mờ, logic ngôn ngữ”.
1.2. Tình hình nghiên cứu trong và ngoài nước
1.2.1. Về lĩnh vực ứng dụng xử lý ả
nh và xử lý tín hiệu
Về hướng này có rất nhiều công trình nghiên cứu [20, 26, 45] đã
ứng dụng xử lý ảnh chụp cộng hưởng từ để phân tích, chẩn đoán các
bệnh về não cũng như sự lưu chuyển máu trong não.
Hầu hết các nghiên cứu về lĩnh vực này đều sử dụng phương pháp
xử lý ảnh ứng dụng trong chẩn đoán và điều trị các bệnh liên quan đến

chuyên ngành chẩ
n đoán hình ảnh hoặc các bệnh có liên quan đến các
dạng tín hiệu điện não đồ, điện tâm đồ. Còn phương pháp của luận án
là ứng dụng chẩn đoán bệnh dựa trên logic mờ, logic ngôn ngữ, lập
luận xấp xỉ, với mô hình biểu diễn hàm thuộc tham số.
1.2.2. Về lĩnh vực ứng dụng mạng noron
Theo hướng này có rất nhiều công trình đã được công bố [32], [98],
… Ứng dụng m
ạng nơron trong phân tích ảnh X-quang, CT, để tự
động hỗ trợ chẩn đoán bệnh hoặc ứng dụng trong việc phân tích đánh
giá các triệu chứng để hỗ trợ ra quyết định, …
Hầu hết các nghiên cứu về lĩnh vực này đều dùng phương pháp mô
phỏng mạng noron giống như bộ não người, sau đó cho mạng học các
phương pháp chẩn đoán bệnh của các chuyên gia y tế. Khi mạng học
xong,
đưa vào chẩn đoán, nếu dữ liệu đưa vào trùng với kết quả đã
học thì máy sẽ đưa ra kết quả chẩn đoán, còn nếu không thì máy sẽ trả
lời là không đủ dữ liệu để chẩn đoán. Để khắc phục nhược điểm này
luận án đã xây dựng hệ hỗ trợ chẩn đoán bệnh dùng phương pháp lập
luận xấp xỉ vớ
i các ngôn ngữ của các bác sỹ chẩn đoán bệnh hàng
ngày trên mô hình hàm thuộc tham số
-3-
1.2.3. Về lĩnh vực ứng dụng logic mờ trong xây dựng các hệ hỗ trợ
chẩn đoán bệnh
Theo hướng này có rất nhiều công trình đã được công bố [1], [29],
[33], [76], [78], [90]. Các nghiên cứu sử dụng phương pháp lý thuyết
tập mờ, lập luận xấp xỉ ứng dụng trong việc xây dựng các hệ hỗ trợ
chẩn đoán bệnh.
Trong các công trình nghiên cứu đã công bố về lĩnh vực này, chủ

yếu sử dụng phương pháp như so sánh các thông tin đầu vào bằng âm
thanh (multimedia); Phương pháp tính toán mềm; Phương pháp thăm
dò sử dụng các luật cơ bản; Phương pháp dựa trên các bệnh án mẫu;
Phương pháp tìm kiếm quy luật sử dụng thuốc; Phương pháp lai;
Phương pháp suy luận mờ để đưa ra kết quả chẩn đoán với độ chắc
chắn; Các phương pháp này đều giải bài toán bằng phương pháp
xây dựng hàm thuộ
c dựa trên phương pháp luập luận trên từng ứng
dụng cụ thể và không có ràng buộc rõ ràng nào đối với các bài toán
này, hay nói cách khác đi, các tác giả đã hoàn toàn tự do trong việc
giải quyết các bài toán. Chính vì vậy luận án sẽ đưa ra một số phương
pháp mới để giải quyết bài toán này như xây dựng hàm thuộc tham số
dựa trên cấu trúc ĐSGT.
1.2.4. Về lĩnh vực lý thuyết tập mờ, lập luận xấp xỉ,
đại số gia tử
1) Về lý thuyết tập mờ
Lĩnh vực này đã được Lotfi A. Zadeh đề xuất vào năm 1965 [95]
đưa ra một mô hình toán học đầu tiên cho các khái niệm tập mờ. Một
trong các ứng dụng quan trọng của lý thuyết tập mờ là được sử dụng
như một công cụ toán học trong việc mô hình hoá quá trình lập luận
của con người.
Hầu hết các tác giả về lĩnh vực này đề
u không đặt ra các ràng
buộc trong quá trình xây dựng hàm thuộc, mà các tác giả xây dựng
-4-
hàm thuộc một cách hoàn toàn tự do không theo một cấu trúc tính toán
nào cụ thể. Các tác giả đã mượn cấu trúc không gian hàm để tính toán
cấu trúc miền giá trị ngôn ngữ. Với cách tiếp cận như vậy đã làm mất
thông tin ngữ nghĩa vì không tận dụng được cấu trúc ngữ nghĩa trong

miềm giá trị ngôn ngữ. Chính vì vậy sẽ không tồn tại một giải pháp
tính toán nào duy nh
ất, mà nó hoàn toàn phụ thuộc vào từng bài toán
ứng dụng cụ thể, và phụ thuộc vào chủ quan của từng tác giả. Vì không
có cấu trúc tính toán do vậy khi xây dựng hàm thuộc gặp rất nhiều khó
khăn vì các tác giả có quá nhiều phương pháp tự do để lựa chọn
phương pháp cho bài toán cụ thể. Các kết quả sau khi xây dựng xong
phải được kiểm chứng lại, nếu kết quả không đạt được yêu cầu so với
thực ti
ễn thì họ lại phải xây dựng từ đầu.
Để khắc phục hạn chế trên, luận án đã đề xuất một phương pháp
xây dựng hàm thuộc tham số cho miền giá trị ngôn ngữ, sao cho cấu
trúc đại số của hàm thuộc đẳng cấu với cấu trúc miền giá trị ngôn ngữ.
Phương pháp nghiên cứu của luận án có cấu trúc tính toán rõ ràng và
rất thuận tiện áp dụng cho các ứng dụng, trên cơ s
ở hiệu chỉnh các
tham số.
2) Về lập luận xấp xỉ
Về lĩnh vực này có rất nhiều công trình nghiên cứu [97], [98], [99],
[101], phương pháp chủ yếu là phát triển một lý thuyết lập luận xấp xỉ
(cũng gọi là lập luận mờ) nhằm mô hình hóa phương pháp lập luận của
con người và nghiên cứu các phương pháp lập luận xấp xỉ cho phép
làm việc với các thông tin ngôn ngữ mờ, không chính xác.
Trong các công trình nghiên c
ứu về lập luận xấp xỉ, cơ chế suy diễn
mờ hầu hết được quan tâm nghiên cứu phát triển là mở rộng của qui
tắc modus ponens kinh điển. Luận án đã phát triển một phương pháp
lập luận xấp xỉ mới sử dụng biểu diễn hàm thuộc tham số của các gia
-5-
tử ngôn ngữ. Các kết quả của chúng tôi tương đồng với các nghiên

cứu trước đây nhưng có hiệu quả tính toán tốt hơn.
3) Về đại số gia tử
Về lĩnh vực này có rất nhiều công trình nghiên cứu [53], [54], [46],
có thể xem như là một mô hình toán học mô phỏng trực tiếp trên cấu
trúc miền ngôn ngữ và do đó các phương pháp tính toán của nó là trực
tiếp trên các ngôn ngữ. Logic ngôn ngữ và lập luận xấp xỉ
dựa trên
việc định lượng đại số gia tử được phát triển trên cấu trúc đại số này
có thể xem như là cách tiếp cận đại số.
ĐSGT sau khi ra đời đã thay đổi cách tiếp cận tính toán cũ, do đã
xây dựng được cấu trúc tính toán ngay trong miền giá trị ngôn ngữ.
Nhưng ĐSGT chỉ dừng lại là tạo ra được cấu trúc Đại số mà chưa
chú trọng đến các phương pháp xây dựng hàm thuộ
c tham số cho các
giá trị ngôn ngữ nên việc thực hiện các bài toán trên miền tham số
gặp rất nhiều khó khăn, nhất là đối với các bài toán độ tính toán phức
tạp. Với hạn chế như vậy, luận án đã đề xuất một phương pháp xây
dựng cấu trúc đại số ngay trong miền giá trị ngôn ngữ bằng mô hình
biểu diễn hàm thuộc tham số.
1.3. Vấn đề đặt ra của luận án
Vi
ệc tự động hoá hỗ trợ chuẩn đoán và điều trị bệnh trong y tế là
một bài toán lớn và phức tạp. Hầu hết các tri thức chuyên gia trong
chẩn đoán và điều trị bệnh đều bao hàm các thông tin ngôn ngữ mờ,
không chắc chắn.
Với các phương pháp lập luận xấp xỉ trong đó các hàm thuộc biểu
diễn ngữ nghĩa thông tin ngôn ngữ được xây dựng tự do, thiếu thông
tin cấ
u trúc miền giá trị ngôn ngữ càng làm cho bài toán trở lên phức
tạp hơn. Trên cơ sở nghiên cứu tổng quan các phương pháp trên, cùng

với việc phân tích ưu nhược điểm của chúng, luận án nghiên cứu và
-6-
đề xuất một số phương pháp và thuật toán xây dựng hàm thuộc tham số
mang thông tin cấu trúc miền giá trị ngôn ngữ và xây dựng phương
pháp lập luân xấp xỉ trên các họ hàm thuộc này. Phương pháp mới
được ứng dụng vào việc xây dự
ng thuật toán tự động hoá hỗ trợ chẩn
đoán bệnh viêm gan siêu vi B, với cơ sở tri thức chuyên gia y tế biểu
diễn ở dạng ngôn ngữ, tức là thông tin mờ không chắc chắn. .
1.4. Mục tiêu nghiên cứu
Nghiên cứu góp phần phát triển các phương pháp luận cho
phép thu thập, biểu diễn tri thức chuyên gia trong lĩnh vực Y tế
và xây dựng phương pháp tự động hóa trong việc hỗ trợ chẩn
đoán một số bệnh trên cơ sở nghiên cứu, xây dựng phương pháp
luận, thuật toán lập luận xấp xỉ trong môi trường thông tin mờ,
không chắc chắn.

1.5. Nhiệm vụ nghiên cứu
1. Nghiên cứu về logic mờ, logic ngôn ngữ, lập luận xấp xỉ trên cơ
sở xây dựng họ hàm thuộc tham số của biến ngôn ngữ
− Xây dựng họ hàm thuộc tham số cho các giá trị ngôn ngữ nguyên
thuỷ và các gia tử ngôn ngữ của biến ngôn ngữ.
− Xây dựng quan hệ thứ tự ngữ nghĩa giữa các giá trị ngôn ngữ trong
không gian hàm thuộc tham số. Các giá trị ngôn ngữ
nguyên thuỷ và
các gia tử ngôn ngữ đều có thể sánh được với nhau và tạo nên một
cấu trúc thứ tự ngữ nghĩa của các giá trị ngôn ngữ.
− Nghiên cứu một cấu trúc đại số của không gian hàm thuộc tham số.
Chứng minh được cấu trúc đại số vừa xây dựng phù hợp với đại số
De-Morgan. Cấu trúc đại số này, vừa là một họ tham số vừa là một

dàn phân phối
đầy đủ
〈
T
X
,
∨
,
∧
,
¬
,
≤
s

〉
. Từ đó mở rộng để xây dựng
một cấu trúc đại số khác cho miền giá trị chân lý ngôn ngữ.

-7-
− Xây dựng phương pháp lập luận xấp xỉ dựa trên cấu trúc đại số vừa
xây dựng.
2. Nghiên cứu ứng dụng phương pháp luập luận xấp xỉ được đề
xuất trong việc xây dựng thuật toán tự động hoá hỗ trợ chẩn đoán
bệnh. Xây dựng thuật toán tự động hoá hỗ trợ chẩn đoán bệnh viêm
gan siêu vi B với cơ sở tri thức d
ạng luật.
3. Thu thập cơ sở tri thức chuyên gia y tế về bệnh viêm gan siêu vi
B để xây dựng các tập luật phục vụ cài đặt phần mềm ứng dụng. Tổ
chức cài đặt thử nghiệm phần mềm chẩn đoán bệnh viêm gan siêu vi

B với các thuật toán vừa xậy dựng và chạy thử nghiệm thực tế tại
bệnh viện Bạch Mai.
1.6. Phương pháp nghiên cứu
Nghiên cứ
u dựa trên cơ sở lý thuyết về: logic mờ, logic ngôn ngữ,
lập luận xấp xỉ, toán rời rạc, kỹ thuật số, …
Ứng dụng các phương tiện kỹ thuật hiện đại như máy tính, các
phần mềm tính toán, … kết hợp với các tri thức chuyên gia để lập
trình, mô phỏng kiểm chứng kết quả nghiên cứu.
Phương pháp nghiên cứu khoa học từ khảo sát thực tế, xây dựng
bài toán, rồ
i dùng các công cụ, kỹ thuật hiện đại để giải bài toán. Sau
đó mô phỏng, hiệu chỉnh thuật toán nghiên cứu để hoàn thiện kết quả.
Cuối cùng là tiến hành thử nghiệm trên số liệu hồ sơ bệnh án thực tế
để đánh giá kết quả dựa trên các nghiên cứu thống kê.
1.7. Kết luận chương 1
Trong chương này tác giả đã trình bày về tổng quan các hướng
nghiên cứu, các công trình đã được công bố trong và ngoài n
ước về tự
động hoá hỗ trợ chẩn đoán bệnh . Sau đó trình bày các hướng nghiên
cứu về lý thuyết tập mờ, lập luận xấp xỉ và đại số gia tử. Trên cơ sở
phân tích đánh giá ưu khuyết điểm của các công trình và các phương
-8-
pháp nghiên cứu đã biết, tác giả xác định các vấn đề đặt ra của luận án,
từ đó đưa ra mục tiêu, nhiệm vụ và ph
ương pháp nghiên cứu của luận
án. Sau đây tác giả xin được trình bày chương 2 về các cơ sở toán học
để xây dựng nên thuật toán tự động hoá hỗ trợ chẩn đoán bệnh như
mục tiêu đặt ra của luận án.
CHƯƠNG 2 - KHÔNG GIAN HÀM THUỘC CỦA CÁC BIẾN

NGÔN NGỮ VÀ LẬP LUẬN XẤP XỈ
Trong chương này chúng tôi xây dựng cơ sở lý thuyết về logic mờ,
logic ngôn ngữ và lập luận xấp xỉ
để ứng dụng vào hệ tự động hoá hỗ
trợ chẩn đoán bệnh trong các chương tiếp theo.
Trong chương này chúng tôi sẽ nghiên cứu một phương pháp xây
dựng không gian hàm thuộc tham số của miền giá trị ngôn ngữ của một
biến ngôn ngữ. Phương pháp của chúng tôi dựa trên quan sát thực tế về
ngữ nghĩa của các khái niệm mờ sử dụng trong ngôn ngữ hằng ngày
như đã phân tích trong [59, 60]. Do đó, theo cách xây d
ựng của chúng
tôi, không gian hàm thuộc của miền giá trị ngôn ngữ của một biến ngôn
ngữ cũng có hai phần tử sinh nguyên thuỷ (không kể phần tử trung tính)
và cũng có cấu trúc đại số đủ tốt để thực hiện nhiệm vụ tính toán. Sau
đó chúng tôi sẽ tạo ra một hệ hỗ trợ quyết định dựa vào phương pháp
lập luận xấp xỉ các giá trị ngôn ngữ. Với phương pháp lậ
p luận xấp xỉ
này và những giá trị mờ được biểu diễn bởi không gian các hàm thuộc
tham số chúng tôi sẽ xây dựng được một hệ hỗ trợ quyết định chẩn
đoán bệnh về cơ sở tri thức, cơ chế suy diễn để tạo cơ sở lý thuyết phục
vụ ứng dụng trong chương 3.
2.1. Không gian hàm thuộc trong Logic mờ và logic ngôn ngữ,
phương pháp xây dựng cấu trúc đạ
i số.
2.1.1. Xây dựng hàm thuộc cho các phần tử sinh nguyên thuỷ
Thuật toán 2.1. Xây dựng hàm thuộc cho các giá trị ngôn ngữ
-9-
nguyên thuỷ. Bắt đầu từ cận dưới của U, kí hiệu là u
min
.

Theo hướng tăng các giá trị trong U và xác định giá trị a
0
sao cho

(2.3)

Xác định cận trên a
1
cho giá của tập mờ A
1
sao cho

. (2.4)

For i = 2 to n-1 do
Tính xác suất của sự kiện mờ gắn với phần đường cong đơn điệu tăng
của tập mờ A
i
bằng công thức
(2.5)

Xác định cận trên a
i+1
cho giá của tập mờ A
i
sao cho
(2.6)

Cuối cùng hàm thuộc của tập mờ A
n

được xác định bằng hàm thuộc
hình thang được cho bởi bộ 4 tham số sau: (a
n
, a
n+1
, u
max
, u
max
).






Hình. 2.2. Hàm thuộc của các giá trị ngôn ngữ nguyên thuỷ với
ràng buột trên đồng đẳng hóa ngôn ngữ
-10-
2.1.2. Biểu diễn tham số của không gian hàm thuộc của biến ngôn
ngữ
Trường hợp 1 (X có 3 phần tử sinh t, f, m). Giả sử từ dữ liệu quan sát
(Bỏ thu thập) được, sử dụng thuật toán đồng đẳng hóa mờ như trên
chúng ta xây dựng hàm thuộ
c cho 3 phần tử sinh nguyên thuỷ t, f, m
của X. Theo cách xây dựng này, các tập mờ tương ứng của các giá trị
ngôn ngữ t, f, m làm thành một phân hoạch mờ của U, đồng thời biểu
diễn đồ thị của các hàm thuộc của các giá trị ngôn ngữ nguyên thuỷ t, f,
m, kí hiệu bởi
μ

t
,
μ
f
,
μ
m
tương ứng, có dạng được mô tả trong hình vẽ
sau đây:




Hình. 2.3. Hàm thuộc của 3 giá trị ngôn ngữ nguyên thuỷ sinh bởi
đồng đẳng hóa mờ
Trường hợp 2 (X có 2 phần tử sinh t, f). Tương tự như Trường hợp 1,
theo cách xây dựng hàm thuộc dùng đồng đẳng hóa mờ, các tập mờ
tương ứng của các giá trị ngôn ngữ t, f làm thành một phân hoạch mờ
của U. Khi đó biểu diễn đồ thị của các hàm thuộc của các giá trị ngôn
ngữ nguyên thuỷ t và f, kí hiệu bởi
μ
t
và
μ
f
tương ứng, có dạng được mô
tả trong Hình 2.4 như sau:

Hình. 2.4. Hàm thuộc của 2 giá trị ngôn ngữ nguyên thuỷ sinh bởi
đồng đẳng hóa mờ
∫∫
==
0
min
0
min
1
2
1
)()()(
a
u
a
u
A
n
duupduupu
μ
∫
=
1
0
1
2
1
)()(
a

a
A
n
duupu
μ
i
a
a
A
e
n
duupu
i
i
i
−=
∫
+
1
)()(
1
μ
∫
−
=
i
i
i
a
a

Ai
duupue
1
)()(
μ

a
b
a
1 a
2
μ
t

μ
f

A
n

u
min

A
1
A
2
a
0 a
1

a
2
1/n – e
2
e
2

u
max
a
n

a
n+1


a
b
a
1
a
2
a
3
μ
t

μ
f

μ
m

-11-
2.1.3. Quan hệ ngữ nghĩa giữa các giá trị ngôn ngữ trong không
gian hàm thuộc tham số của biến ngôn ngữ.
Định nghĩa 2.3. Xét hai giá trị ngôn ngữ tuỳ ý
cx
δ
=
và cx
δ
′
=
′
, c
∈{
f, t}, của biến ngôn ngữ X. Khi đó ta nói x là đặc tả hơn x’, kí hiệu
xx
′
f
, nếu và chỉ nếu

)()( uu
xx
′
<
μ
μ
, với mọi u∈(a

1
, a
2
).
Định lý 2.1. Xét hai giá trị ngôn ngữ tuỳ ý
cx
δ
=
và
cx
δ
′
=
′
, c∈{f,
t}, của biến ngôn ngữ X, khi đó ta có: xx
′
f , nếu và chỉ nêú


Hệ quả 2.1. Xét hai giá trị ngôn ngữ tuỳ ý
cx
δ
=
và
cx
δ
′
=
′

, c ∈{f,
t}, của biến ngôn ngữ X. Giả sử
)(x
c
α
và
)(x
c
′
α
là các tham số
tương ứng trong biểu diễn hàm thuộc của
x và x’. Khi đó ta có



2.1.5. Cấu trúc đại số của không gian các hàm thuộc tham số của
biến ngôn ngữ.
Định lý 2.3. Ta có
α
t
(
δ
t) = (a
2
+ a
1
) -
α
f

(
δ
f).
Định lý được dễ dàng suy ra từ giả thiết (2.20) và (2.18-19).
Hệ quả 2.2. Với mọi
δ
∈ H
*
, ta có )()(
21
uaau
ft
−
+
=
δδ
μ
μ
.
Ý nghĩa trực quan của Hệ quả 2.2 là như sau:
u không nằm trong miền
mờ, tức là khoảng (
a
1
, a
2
), nếu và chỉ nếu (a
1
+ a
2

– u) cũng không
nằm trong miền mờ và ngược lại (để đơn giản chúng ta đặt (
a
1
+ a
2
–
u) ≡ ¬u); đồng thời giá trị hàm thuộc của một giá trị u đối với một giá
trị ngôn ngữ
x bằng giá trị hàm thuộc của giá trị đối xứng ¬u của nó
đối với giá trị ngôn ngữ trái nghĩa của
x. Xem minh hoạ trong hình sau
đây:
-12-





Hình 2.7. Mô hình biểu diễn toán tử negation
Như vậy chúng ta có thể định nghĩa toán tử negation trong T
X
, cũng ký
hiệu là ¬, dựa vào Định lý 2.3 và Hệ quả 2.2. Kí hiệu
V = 〈
T
X
, ∨, ∧, ¬,
S
≤

〉
Cấu trúc đại số của V và một số tính chất được cho trong định lý dưới
đây.
Định lý 2.4. Cho V = 〈
T
X
, ∨, ∧, ¬,
S
≤
〉 ta có các khẳng định sau là
đúng:
1) ¬¬
x = x, với mọi x ∈T
X
;
2)
x
S
≤
y nếu và chỉ nếu ¬y
S
≤
¬x, với mọi x, y ∈T
X
;
3) ¬
t = f, ¬f = t;
4) ¬
W = W;
5) ¬Absolutely t = Absolutely f, ¬Absolutely f = Absolutely t;

6) V là một đại số De-Morgan.
2.2. Lập luận xấp xỉ dựa trên mô hình tham số của các biến ngôn
ngữ
2.2.1. Giới thiệu
Qui tắc modus ponen phát biểu rằng từ các mệnh đề:
P
1
= “If X is B
Then
Y is C” và P
2
= “X is B”, chúng ta có thể suy diễn ra “Y is C”. Nếu
mệnh đề
P
2
không đối sánh chính xác như phần tiền đề của P
1
, chẳng
hạn
P
2
= “X is A”, thì chúng ta không thể áp dụng được qui tắc modus
ponen. Trong [103], Zadeh đã mở rộng qui tắc này cho trường hợp
B,
C, và A được mô hình bởi các tập con mờ. Khi đó mệnh đề P
1
cảm sinh

a
b

a
1 a
2
μ
t

μ
f

u

¬
u

∫∫
′
<
b
a
b
a
xx
duuduu )()(
μμ
⎩
⎨
⎧
=
′
<

=
′
>
⇔
′
fcxx
tcxx
xx
cc
cc
),()(
),()(
αα
αα
f
-13-
một phân bố khả năng:
Π
(X | Y)
= R, với
μ
R
(u,v) = min{1, max{(1-
μ
B
(u)),
μ
C
(v)}} (2.24)
Một cách tiếp cận khác trong [28] là thay vì biến đổi mệnh đề

P
1

thành một phân bố khả năng như trên, Baldwin đã so sánh mệnh đề “
X
is
A” với mệnh đề “X is B”dựa trên khái niệm của độ đo tương thích,
sau đó kết quả so sánh được sử dụng để biến đổi hàm thuộc của
C và
thu được hàm thuộc cho
D [28, 72].
Sau đây chúng tôi phát triển một phương pháp lập luận xấp xỉ mới
sử dụng biểu diễn tham số của các gia tử ngôn ngữ. Các kết quả của
chúng tôi hoàn toàn nhất quán với các nghiên cứu trước đây nhưng có
hiệu quả tính toán tốt hơn. Hơn nữa, chúng tôi cũng chỉ ra rằng
phương pháp suy diễn đề xuất trong nghiên cứu này cũng có thể được
mở rộng nhằm áp dụng cho bài toán suy di
ễn mờ đa điều kiện.
2.2.2. Giá trị chân lý ngôn ngữ trong logic mờ cho lập luận xấp xỉ
Định nghĩa 2.7. Xét biến chân lý ngôn ngữ
Truth với các giá trị
chân lý cơ sở
true và false. Kí hiệu
σ
là một gia tử ngôn ngữ hoặc một
dãy các gia tử ngôn ngữ. Khi đó hàm thuộc là:
))()1(,0max(),(
1
nunnu
true

−−=
−
σ
μ
, (2.26)
))(,0max(),(
1
ummmu
false
−=
−
σ
μ
, (2.27)
2.2.3. Suy diễn với qui tắc modus ponens tổng quát
Qui tắc modus ponen tổng quát được mô tả như sau:




Định nghĩa 2.8. Cho
A và B là các tập mờ, tức là các tập con mờ
của tập các số thực
ℜ. Khi đó mức độ tương thích giữa A và B được
định nghĩa như sau:
-14-

(2.29)

trong đó

⏐•⏐kí hiệu diện tích miền nằm bên dưới hàm thuộc của tập
mờ.
Định nghĩa 2.10. Giả sử
μ
A
và
μ
B
là hàm thuộc tham số của các tập
mờ
A và B tương ứng trên đoạn [u
1
,u
2
] sao cho A =
σ
B, với
σ
là một
gia tử ngôn ngữ. Giả sử
μ
C
là hàm thuộc tham số của tập mờ C trên
đoạn [
v
1
,v
2
], và k : [-∞,u
2

] → [-∞,v
2
] Khi đó tập mờ D cho bởi hàm
thuộc
μ
D
sao cho comp(A,B)=comp(D,C).
Mệnh đề 2.4. Với các giả thiết và kí hiệu đã cho như trong Định
nghĩa 2.10. ta có D =
σC, với mọi gia tử ngôn ngữ σ cho bởi biểu diễn
tham số tương tự như trong Định nghĩa 2.7. Hay nói cách khác, với
lược đồ suy diễn đề nghị, modus ponens tổng quát thoả mãn các quan
hệ đã cho trong Bảng 2.6. Hơn nữa, nếu A và B là rời nhau, tức là
comp(A,B) = 0, thì D là unknown, tức là
μ
D
(v) = 1 với mọi v.
2.2.4. Suy diễn mờ đa điều kiện
Phương pháp suy diễn đề nghị ở trên có thể được mở rộng để áp
dụng cho hệ lập luận mờ đa điều kiện như sau:
p : If X
1
is B
1
and and X
n
is B
n
Then Y is C,
q : X

1
is A
1
and and X
n
is A
n
(2.32)
r : Y is D
Thuật toán để xác định tham số cho tập mờ D trong mẫu lập luận
mờ đa điều kiện ở trên được trình bày như sau:
− Xây dựng các biến đổi tuyến tính tăng, liên tục h
i
: [u
1i
, u
2i
] →
[0,1], với
i= 1, , n và k : [v
1
, v
2
] → [0,1] (chuẩn hoá các miền dùng
chung
một miền thuần nhất là đoạn đơn vị)
− For i = 1 to n do tính c
i
= comp(A
i

,B
i
)
p : If X is B Then Y is
C
,
q : X is A (2.28)

r
:
Y
is
D
BA
BA
BAcomp
∪
∩
=),(
-15-
− Tính T(c
1
, ,c
n
) và gán comp(C, D) = T(c
1
, ,c
n
)
− Xác định tham số hàm thuộc cho D.

2.2.5. Logic mờ dựa trên biểu diễn tham số của các giá trị chân lý
ngôn ngữ
Chúng ta trở lại xét biến chân lý ngôn ngữ
Truth với các giá trị
chân lý nguyên thuỷ
true và false. Kí hiệu
σ
là một gia tử ngôn ngữ.
Khi đó áp dụng phương pháp xây dựng họ hàm thuộc tham số ở mục
2.1.2 nên hàm thuộc của giá trị chân lý ngôn ngữ được cho như sau:
))()1(,0max()(
1
truetruetrue
uu
δδσ
ααμ
−−=
−
(2.33)
với tham số
α
δ
true
∈(-∞,1)
))(,0max()(
1
uu
falsefalsefalse
−=
−

δδσ
ααμ
(2.34)
với tham số
α
δ
false
∈(0,∞)
Với mọi
σ
, giá trị chân lý ngôn ngữ
σ
true được gọi là phần tử đối
nghịch của
σ
false và ngược lại. Khi đó quan hệ đối nghịch có thể
được định nghĩa thông qua độ đo đặc tả bởi ràng buộc sau đây:
S(
σ
true) = S(
σ
false) (2.38)







Hình 2.10. Các giá trị chân lý ngôn ngữ đặc biệt với biểu diễn tham

số của các gia tử
Hệ quả 2.3: Với điều kiện (2.38), ta có:
α
δ
true
= 1 -
α
δ
false
, và do đó:
)1()( uu
falsetrue
−
=
δδ
μ
μ
.
Thông qua Hệ quả 2.3 chúng ta thấy rằng mô hình tham số của các
-16-
giá trị chân lý ngôn ngữ cung cấp một giải thích thích hợp về mặt ngữ
nghĩa cho định nghĩa của các giá trị (nhãn) ngôn ngữ trái nghĩa. Điều
này làm cơ sở ngữ nghĩa cho việc sử dụng các giá trị ngôn ngữ trái
nghĩa để định nghĩa toán tử
negation trong một logic giá trị ngôn ngữ
sau đây.
Kí hiệu
V là tập tất cả các giá trị chân lý ngôn ngữ được sinh từ
(2.33) và (2.34) cùng với các giá trị ngôn ngữ đặc biệt
Absolutely true,

Absolutely false, và unknown. Như đã nghiên cứu trong mục 2.1, V
cùng với quan hệ thứ tự ngữ nghĩa
S
≤
là một dàn phân phối đầy đủ.
Định lý 2.6. Các toán tử đại số
∧, ∨, và ¬ trong
=
, tương ứng với
mô hình chính xác các liên kết logic
hội, tuyển và phủ định trong logic
mờ của các giá trị ngôn ngữ cho trong Định nghĩa 2.11. Cụ thể chúng
ta có:
v(P and Q) = v(P) ∧ v(Q); v(P or Q) = v(P) ∨ v(Q); v(not P) = ¬v(P).
Như vậy chúng ta có cấu trúc đai số sau đây:

=
= 〈V, ∧, ∨, ¬,
S
≤
〉
2.3. Kết luận chương 2
Trong chương này chúng tôi vừa phát triển mô hình biểu diễn hàm
thuộc tham số cho các biến ngôn ngữ. Trước hết một thuật toán để xây
dựng miền giá trị ngôn ngữ của một biến ngôn ngữ được xây dựng. Sau
đó mô hình hàm thuộc tham số cho các biến ngôn ngữ có hai phần tử
sinh nguyên thuỷ được xây dựng, đồng thời cấu trúc đại số của không
gian hàm thuộc tham số của biến ngôn ng
ữ cũng được khảo sát và
nghiên cứu. Một kết quả quan trọng là cấu trúc đại số đó thoả mãn các

tính chất của đại số De Morgan. Điều này cho thấy mô hình biểu diễn
hàm thuộc tham số cho các biến ngôn ngữ được xây dựng trong chương
này có một cấu trúc đại số đủ tốt để mô hình các toán tử logic cần thiết
trong các ứng dụng. Trong chương này chúng tôi còn nghiên cứu một


σ
f
alse

σ
true
false
true
Absolutely false Absolutely true
undefined
unknown
μ
(u)
1
0
1
u
-17-
phương pháp lập luận xấp xỉ dựa trên mô hình biểu diễn tham số của
các biến ngôn ngữ. Qui tắc suy diễn modus ponen tổng quát được xem
xét, các kết quả cho thấy mô hình suy diễn dựa trên biểu diễn tham số
cho kết quả phù hợp với các tiêu chuẩn trực quan đã được nghiên cứu
trước đây. Đồng thời mô hình lập luận mờ đa điều kiện cũng được
nghiên cứu.

CHƯƠNG 3 - TỰ ĐỘNG HÓA HỖ TRỢ CHẨN ĐOÁN
BỆNH DỰA TRÊN LOGIC MỜ, LOGIC NGÔN NGỮ VÀ LẬP
LUẬN XẤP XỈ
Trong chương này chúng tôi sẽ trình bày về một hệ hỗ trợ quyết
định dựa vào phương pháp lập luận xấp xỉ trên các giá trị ngôn ngữ.
Phương pháp lập luận xấp xỉ này đã được trình bày trong Chương 2
tức là lập luận xấp xỉ với những giá trị mờ được biểu diễn bởi không
gian các hàm thuộc tham số. Mỗi một giá trị ngôn ngữ trong y tế nói
chung đều được biểu di
ễn bằng một hàm thuộc tương ứng với một
tham số nào đó. Để xây dựng được một hệ hỗ trợ ra quyết định chúng
ta cần có các thành phần như: cơ sở tri thức, cơ chế suy diễn. Cơ sở
tri thức ở đây được biểu diễn ở dạng luật IF-THEN. Với cách biểu
diễn tri thức ở dạng luật thì chúng ta sẽ bổ sung hay loạ
i bỏ các luật
một cách dễ dàng mà không ảnh hưởng đến cơ chế suy diễn. Hơn nữa,
chúng ta có thể tận dụng được điểm mạnh của các quy tắc modus-
ponen và modus-tollen. Sau khi xây dựng xong các thuật toán cho bài
toán tự động hoá hỗ trợ chẩn đoán bệnh trong Y tế nói chung, các
thuật toán này sẽ được áp dụng cho bệnh viêm gan siêu vi B.
3.1. Xây dựng thuật toán tự động hoá hỗ trợ chẩn đoán bệnh.
3.1.1. Biểu diễn tri thức cho bài toán chẩn đoán bệnh trong Y tế
Hầu hết các luật y tế đều được sử dụng dưới dạng luật được biểu
diễn ở dạng sau:
-18-
IF Điều kiện 1
(Nhiệt độ cao)
AND Điều kiện 2
(Xét nghiệm lượng đường trong máu cao)

AND Điều kiện
n (Hình ảnh siêu âm có dấu hiệu mắc bệnh)
THEN Kết luận 1
(Mắc bệnh tiểu đường)
3.1.2. Cơ chế suy diễn trên cơ sở tri thức mờ
Cơ chế suy diễn:
{

TGIAN := GT;
VET :=
φ
;
IF (
KL ⊆ TGIAN) THEN Exit(“Thông báo tìm được”);
THOA := prLOC(R, TGIAN);
WHILE (
THOA
φ
≠
) DO
{

r := prCHON(THOA, H);
Q := prTINHTOAN(r, TGIAN);
TGIAN := TGIAN ∪ Q;
VET := VET ^ <r>;
R := R \ {r};
THOA := prCHON(R, TGIAN);
IF (
KL ⊆ TGIAN) THEN Exit(“Thông báo tìm được”);

}
Exit(“
Thông báo không tìm được”);
}

-19-
3.2. Tổng quan về bệnh gan
3.2.1. Sơ lược về bệnh gan
Có nhiều loại bệnh gan, nhưng trong đó các bệnh quan trọng nhất
là: Viêm gan siêu vi A, B, C, D, E, G; Xơ gan; Các rối loạn về gan ở
trẻ em; Sỏi mật; Các rối loạn có liên quan đến rượu; Ung thư gan.
3.2.2. Chức năng chính của Gan
Lá gan, cơ quan lớn nhất trong cơ thể bạn, đóng một vai trò sống
còn trong việc điều hòa các diễn tiến của s
ự sống của bạn. Cơ quan
phức tạp này thực hiện nhiều chứ năng thiết yếu cho cuộc sống.
3.2.3. Các triệu chứng của bệnh viêm gan siêu vi B
− Triệu chứng lâm sàng (Làm cơ sở để xây dựng các luật về tiền
hoàng đản, hoàng đản và phân biệt)
− Triệu chứng cận lâm sàng - xét nghiệm chức năng gan (Làm cơ sở
để xây dựng các luật về xét nghiệm)
− Dịch tễ (Làm cơ sở để xây dựng các luật về dịch tế)
− Chẩn đoán (Làm cơ sở để xây dựng các luật về chẩn đoán)
3.3. Các luật y tế hỗ trợ chẩn đoán bệnh viêm gan siêu vi B
Căn cứ vào quá trình thu thập các tri thức chuyên gia y tế, chúng tôi
đã xây dựng được 6 nhóm luật bao gồm: luật dịch tễ, luật giai đoạn
tiền hoàng đản, luật giai đoạn hoàng đản, luật xét nghiệm, luật phân
biệt, luật chẩn đoán bệnh. Tố
ng số có 65 luật từ R0 đến R65.
3.4. Phương pháp lập luận xấp xỉ và cơ chế suy diễn

3.4.1. Phương pháp lập luận xấp xỉ
Khi biểu diễn tri thức trong y tế hoàn toàn phù hợp với luật IF
THEN. Mỗi giá trị ngôn ngữ trong y tế được biểu diễn bằng một hàm
thuộc với một tham số tương ứng


-20-
3.4.2. Cơ chế suy diễn trên cơ sở tri thức mờ
Thuật toán suy diễn:
Bước 1. Nhập các triệu chứng ban đầu (giả thiết) và nhập bệnh cần
kiểm tra (kết luận).
Bước 2. Nếu tập giả thiết chứa kết luận thì dừng thuật toán và thông
báo kết quả.
Bước 3. Lặp các bước sau:
3.1.Chọn ra một luật
r từ tập luật đã cho theo tiêu chuẩn nào đó.
3.2.Từ các giá trị trong tập giả thiết và luật
r áp dụng phương pháp
lập luận xấp xỉ trong mục 3.1 để tính giá trị ngôn ngữ của biến kết luận.
3.3.Bổ sung giá trị tính được vào tập giả thiết.
3.4.Đánh dấu để loại luật
r ra khỏi cơ sở luật.
3.5.Kiểm tra nếu tập giả thiết chứa kết luận cần tìm thì thông báo kết
quả và dừng thuật toán.
Lặp lại quá trình cho đến khi tìm được kết quả hoặc toàn bộ các luật
đều bị đánh dấu loại. Quá trình này sẽ dừng vì tập luật là hữu hạn.
3.4.3. Các tiêu chuẩn chọn luật
Với cơ sở luật tương đối lớn chúng ta cầ
n xác định luật cần thiết để
tính toán dữ liệu ở mỗi bước nhanh chóng. Trong luận án này chúng tôi

đưa ra 5 tiêu chuẩn chọn luật r.
Tiêu chuẩn 1: Tiêu chuẩn này dựa vào khoảng cách từ giá trị biến
ngôn ngữ ở vế trái của luật và giá trị tương ứng trong tập giả thiết.
Khoảng cách càng nhỏ thì việc áp dụng càng thích hợp.
Tiêu chuẩn 2: Độ tin cậy của luật. Luật nào có độ tin cậy càng cao
sẽ
được ưu tiên lựa chọn hơn.
Tiêu chuẩn 3: Đánh giá khả năng xuất hiện biến mới khi áp dụng
luật
r.
Tiêu chuẩn 4: Đánh giá khả năng tăng thêm luật có thể áp dụng
-21-
được từ tập giả thiết sau khi áp dụng luật
r.
Tiêu chuẩn 5: Đánh giá mức độ sử dụng kết luận của luật r, nghĩa
là
kết luận của luật
r có mặt trong thân của một luật nào khác hay
không.
Luật được chọn là luật có giá trị tích hợp cao nhất của 5 tiêu chuẩn
trên.
3.5. Kết luận chương 3
Trong chương này chúng tôi đã trình bày về cơ chế suy diễn với cơ
sở tri thức mờ. Cơ sở tri thức mờ được trình bày trong luận án khá phù
hợp với ngôn ngữ tự nhiên đó chính là các luật IF-THEN. Biểu diễn
luật ở dạng này còn giúp cho quá trình suy diễn thuận l
ợi hơn. Mỗi
bước tính toán suy diễn đều phải dựa vào một luật nhất định vì vậy
chúng tôi đưa ra cách chọn luật dựa trên các tiêu chuẩn cụ thể. Theo
các tiêu chuẩn đã đề xuất sẽ giúp hạn chế việc tìm ra các kết quả trùng

lặp hoặc có độ tin cậy thấp. Do đó quá trình tính toán để tìm kết luận
được rút ngắn, hơn nữa các giá trị tìm được sẽ có độ tin cậy cao hơ
n.
Rõ ràng cơ chế suy diễn trên sử dụng được là nhờ vào việc biểu
diễn các giá trị ngôn ngữ bởi các hàm thuộc tham số trong chương 2.
Hơn nữa, nếu chúng ta có các tri thức chuyên gia cho những bệnh khác
hoặc lĩnh vực khác, bằng cách áp dụng cơ chế suy diễn này chúng ta
cũng có thể đưa ra được những quyết định hỗ trợ tương ứng.
CHƯƠNG 4 - PHẦN MỀM TỰ ĐỘNG HOÁ HỖ TR
Ợ CHẨN
ĐOÁN BỆNH VIÊM GAN SIÊU VI B
4.3. Giao diện chương trình
Menu “Dat cau hinh” cho phép chúng ta chọn tập luật suy diễn,
phương pháp lập luận xấp xỉ và xem chi tiết các bước suy diễn (Hình
4.2). Bước này phải được thực hiện trước tiên.
-22-
Sau khi đặt cấu hình xong chúng ta thực hiện các công việc trong
menu “Suy dien” gồm:
1. Nạp tập luật: load các luật vào bộ nhớ.
2. Ra bài toán suy diễn: Nạp các mệnh đề giả thiết. Các mệnh đề gi
ả
thiết ở đây cũng chính là các triệu chứng của bệnh nhân.
3. Bắt đầu suy diễn: Thực hiện cơ chế suy diễn.
4. Xem kết quả suy diễn: Tạo ra cửa sổ thể hiện các bước suy diễn.
4.4. Các kết quả thử nghiệm
Lấy ngẫu nhiên 33 bệnh án trong số 100 bệnh án của các bệnh nhân
viêm gan siêu vi B tại bệnh viện Bạch mai. Các kết quả của 33 bệ
nh
nhân xem tại phụ lục 2
4.5. Kết luận chương 4

Chương này chúng tôi mô tả lớp chính trong chương trình đồng thời
trình bày giao diện thực hiện phần mềm. Qua quan sát kết quả thử
nghiệm chương trình với dữ liệu được trích từ các bệnh án đều cho kết
quả tốt. Rõ ràng với các kết quả thu được sau khi chạy chương trình từ
các hồ sơ bệnh án ta thấy các triệu chứng bệnh, các xét nghiệ
m
Bilirubin, SGOT, SGPT tăng nhiều và HbsAg dương tính mạnh đối với
bệnh nhân “
mắc_bệnh nặng“. Còn đối với các xét nghiệm trong trường
hợp có mức độ yếu hơn, thì ta thu được kết quả “
mắc_bệnh”. Như vậy,
các kết quả của quá trình chạy chương trình thu được tại phụ lục 2 của
luận án phản ánh đúng theo các số liệu trong hồ sơ bệnh án. Vậy chúng
ta có thể khẳng định rằng việc biểu diễn các giá trị ngôn ngữ bởi không
gian hàm thuộc rất phù hợp với thực tiễn. Hơn nữa bằng cách này
chúng ta có thể xây dựng nhiều phần mềm hỗ trợ quyế
t định khác.

-23-
KẾT LUẬN CHUNG
Tóm tắt các kết quả chính của luận án
Luận án đã nghiên cứu về tự động hóa hỗ trợ chẩn đoán bệnh dựa
trên logic mờ, logic ngôn ngữ và lập luận xấp xỉ. Kết quả chính của
luận án được tóm tắt như sau:
1. Đã nghiên cứu được những vấn đề về logic mờ, logic ngôn ngữ,
lập luận xấp xỉ trên cơ sở
xây dựng được họ hàm thuộc tham số của
biến ngôn ngữ như sau::
− Đã xây dựng được họ
hàm thuộc tham số cho

các giá trị ngôn ngữ
nguyên thuỷ và các gia
tử ngôn ngữ của biến
ngôn ngữ
:
− Đã xây dựng được quan hệ thứ tự ngữ nghĩa giữa các giá trị ngôn
ngữ trong không gian hàm thuộc tham số. Các giá trị ngôn ngữ
nguyên thuỷ và các gia tử ngôn ngữ đều có thể sánh được với nhau và
tạo nên một cấu trúc thứ
tự ngữ nghĩa của các giá
trị ngôn ngữ
:
− Đã nghiên cứu xây dựng được một cấu trúc đại số của không gian
hàm thuộc tham số. Chứng minh được cấu trúc đại số vừa xây dựng
phù hợp với đại số De-Morgan. Cấu trúc đại số này, vừa là một họ
tham số vừa là một dàn phân phối đầy đủ:
〈
T
X
,
∨
,
∧
,
¬
,
≤
s

〉

. Từ đó đã
mở rộng để xây dựng được một cấu trúc đại số khác cho miền giá trị
chân lý ngôn ngữ
.
− Đã xây dựng được phương pháp lập luận xấp xỉ dựa trên cấu trúc
đại số vừa xây dựng
.
-24-
2. Đã nghiên cứu ứng dụng được phương pháp luập luận xấp xỉ để
xây dựng thuật toán tự động hoá hỗ trợ chẩn đoán bệnh trong y tế. Tiếp
sau đó đã xây dựng được thuật toán tự động hoá hỗ trợ chẩn đoán
bệnh viêm gan siêu vi B với cơ sở tri thức dạng luật.
3. Đã thu thập được cơ sở tri thức chuyên gia y tế v
ề bệnh viêm gan
siêu vi B để xây dựng các tập luật phục vụ cài đặt phần mềm ứng dụng.
Đã tổ chức cài đặt thử nghiệm phần mềm chẩn đoán bệnh viêm gan
siêu vi B với các thuật toán vừa xậy dựng. Kết quả thử nghiệm phần
mềm đã chứng minh tính đúng đắn của phương pháp xây dựng hàm
thuộc tham số trong chương 2. Cụ thể là khi chạy thử
trực tiếp trên các
hồ sơ bệnh án với các tình huống thay đổi kết quả xét nghiệm mang
tính chất quyết định đến kết quả mắc bệnh như thay đổi HBsAg,
HBVDNA, HBcAg, HBeAg, HBcAb, HbeAb, HbsAb, SGOT, SGPT,
Bilirubin… thì phần mềm cho ra kết quả phù hợp với các kết quả thực
tế thay đổi. Một minh chứng khác là khi cho HBVDNA tăng rất nhiều
(10
10
) nhưng SGOT, SGPT, Bilirubin chỉ cho mức bình thường thì máy
đã trả lời là khômg đủ căn cứ để kết luận bệnh. Thực tế, GSTS Nguyễn
Khánh Trạch cho biết, trong trường hợp này thực tế cũng cần phải

thêm một số xét nghiệm nữa thì mới đưa ra kết quả chẩn đoán được.
Kiến nghị và các nghiên cứu tiếp theo
Từ mô hình hàm thuộc tham số có thể xây dựng thuật toán
TĐ
H hỗ trợ chẩn đoán bệnh cho các bệnh khác và các lĩnh vực khác.
Để phát triển hệ chuyên gia TĐH hỗ trợ chẩn đoán bệnh chúng
tôi kiến nghị nên có một dự án nghiên cứu khoa học về hệ chuyên gia
này, nhằm thu thập các tri thức chuyên gia y tế và tạo ra được một hệ
chuyên gia chẩn đoán bệnh mang tính chất chuyên nghiệp.

⎪
⎪
⎩
⎪
⎪
⎨
⎧
≥==
≤≤
−
−
≤≤==
=
2
21
2
1
)(0);(1
),
)(

)(
,0max(
f);1(c)(0
)(
aufctc
aua
xa
xu
auatc
u
x
α
α
μ
⎩
⎨
⎧
=
′
<
=
′
>
⇔
′
fcxx
tcxx
xx
cc
cc

),()(
),()(
αα
αα
f