Phân loại bệnh tim mạch dùng mô hình kết hợp giữa học máy và học sâu

Tóm tắt

Nhồi máu cơ tim là một trong những bệnh lý tim mạch gây tử vong hàng đầu, có xu hướng trẻ hóa trong những năm gần đây trên toàn thế giới. Hiện nay, việc chẩn đoán nhồi máu cơ tim chủ yếu dựa vào tín hiệu ECG để phát hiện các bất thường, tuy nhiên, việc này phụ thuộc rất nhiều vào khả năng phân tích của bác sĩ và thường chỉ thực hiện khi bệnh nhân đã nhập viện, gây ảnh hưởng đến hiệu quả điều trị. Vì vậy, phát hiện sớm nhồi máu cơ tim từ xa, không cần sự có mặt của bệnh nhân tại bệnh viện, là một bước tiến quan trọng về chăm sóc sức khỏe. Trong những năm gần đây, những tiến bộ trong trí tuệ nhân tạo (AI) đã mở ra nhiều cơ hội mới trong chẩn đoán nhồi máu cơ tim qua tín hiệu ECG. Tuy nhiên, hầu hết các nghiên cứu hiện nay chỉ tập trung vào mô hình học sâu mà thiếu sự giải thích kết quả. Nghiên cứu này đề xuất một phương pháp mới kết hợp giữa học máy và học sâu để nâng cao độ chính xác và khả năng diễn giải trong chẩn đoán bệnh. Cụ thể, chúng tôi sử dụng bộ dữ liệu PTB từ PhysioNet, bao gồm 549 đoạn ECG từ 15 kênh ECG cùng với lịch sử lâm sàng của 294 bệnh nhân. Kết quả thực nghiệm cho thấy mô hình SVM đạt độ chính xác cao nhất 94,54%. Hiệu quả của phương pháp được đánh giá qua các chỉ số Accuracy, Precision, Recall và F1-Score, và so sánh giữa các mô hình đưa ra kết quả giải thích.