Dòng Nội dung
1
Dự đoán bệnh tiểu đường : Khóa luận tốt nghiệp chuyên ngành Khoa học dữ liệu / Lương Nhật Duy; Nguyễn Thị Phong Dung hướng dẫn
Tp.Hồ Chí Minh : Đại học Nguyễn Tất Thành, 2024
ix, 65 tr. : hình ảnh ; 29 cm.
Ký hiệu phân loại (DDC): 616
Đề tài nghiên cứu nhằm phát triển các mô hình Machine Learning có độ chính xác cao. Điều này đòi hỏi sự hiểu biết chặt chẽ về cách thu thập và sử dụng dữ liệu y tế đa dạng để xây dựng mô hình có khả năng dự đoán chính xác mức rỏi ro bệnh tiểu đường. Đồng thời chú trọng vào việc đánh giá và so sánh hiệu suất của các mô hình trên những tập dữ liệu thực tế. Áp dụng tích hợp mô hình vào thực tế để cá nhân hoá chăm sóc sức khoẻ. Tối ưu hoá quản lý bệnh tiểu đường thông qua việc phân loại rủi ro và đề xuất các phương pháp điều trị tuỳ chỉnh. Điều này nhằm mục đích cải thiện chất lượng cuộc sống của bệnh nhân thông qua quyết định y tế thông minh và cá nhân hoá. Việc đánh giá những thách thức liên quan đến tích hợp Machine Learning trong lĩnh vực y tế là 1 phần không thể thiếu.Qua đó, chúng ta sẽ đào sâu vào sự ứng dụng của machine learning trong dự đoán bệnh tiểu đường, nhìn nhận những thách thức hiện tại, đồng thời đề xuất các hướng nghiên cứu và phát triển tiềm năng để nâng cao chất lượng chăm sóc sức khoẻ và đời sống của những người mắc bệnh.
 Số bản sách: (1) Tài liệu số: (0)
2
Mô hình dự đoán bênh thận mãn tính:Khóa luận tốt nghiệp chuyên ngành Trí tuệ nhân tạo. / Lê Thành Tú, Bùi Duy Tân hướng dẫn
Tp. Hồ Chí Minh:Đại học Nguyễn Tất Thành;, 2024.
67 tr. : hình ảnh ; 29 cm.
Ký hiệu phân loại (DDC): 616.45
Đề tài nghiên cứu nhằm xây dựng mô hình dự đoán bệnh thận mãn tính nhằm xác định khả năng mắc bệnh của một bệnh nhân dựa trên các đặc điểm sức khỏe, xét nghiệm, và các yếu tố nguy cơ. Mục đích của việc nghiên cứu này là phát triển một công cụ hỗ trợ bác sĩ trong việc chẩn đoán sớm và quản lý bệnh thận mãn tính.Để xây dựng các mô hình dự đoán, dữ liệu y tế của bệnh nhân được thu thập, bao gồm các chỉ số như nồng độ creatinin, ure, hemoglobin. Ngoài ra, các yếu tố lối sống như chế độ ăn uống, tiền sử bệnh lý và tình trạng thừa cân cũng đóng vai trò quan trọng trong việc huấn luyện mô hình. Đề tài góp phần ứng dụng các thuật toán học máy hiện đại trong lĩnh vực y học, đặc biệt là trong việc chẩn đoán và dự đoán bệnh thận mãn tính. Việc phát triển các mô hình dự đoán không chỉ mở rộng phạm vi nghiên cứu của trí tuệ nhân tạo trong y tế mà còn mang lại giá trị học thuật khi kết hợp dữ liệu y học với các công nghệ tiên tiến. Đề tài mang lại một giải pháp hữu ích hỗ trợ bác sĩ trong việc chẩn đoán sớm bệnh thận mãn tính, giúp nâng cao hiệu quả điều trị và ngăn ngừa các biến chứng nguy hiểm như suy thận giai đoạn cuối. Đồng thời, việc dự đoán chính xác còn giúp tiết kiệm chi phí y tế, tối ưu hóa nguồn lực chăm sóc sức khỏe và cải thiện chất lượng cuộc sống của bệnh nhân.
Số bản sách: (1) Tài liệu số: (0)
3
Phát triển ứng dụng dự đoán bệnh lá cây dựa trên mô hình học sâu : Đề án Thạc sĩ Công nghệ Thông tin; Mã ngành:8480201 / Huỳnh Thanh Hải; Nguyễn Kim Quốc, Hà Minh Tân hướng dẫn
Tp.Hồ Chí Minh : Đại học Nguyễn Tất Thành, 2025
x, 82 tr. : hình ảnh ; 29 cm.
Ký hiệu phân loại (DDC): 632
Đề tài hướng đến việc phát triển một ứng dụng dự đoán bệnh lá cây dựa trên mô hình học sâu không chỉ đáp ứng nhu cầu cấp thiết của thực tiễn sản xuất nông nghiệp mà còn góp phần thúc đẩy quá trình chuyển đổi số, tiến tới nền nông nghiệp thông minh và bền vững. Nghiên cứu hướng đến việc xác định mô hình học sâu hiệu quả nhất trong nhiệm vụ nhận diện bệnh trên lá khoai tây, tập trung vào ba lớp nhãn gồm: Healthy, Early Blight và Late Blight. Các mô hình sẽ được huấn luyện và đánh giá trên nền tảng Google Colab, nhằm đảm bảo tính khả thi và khả năng ứng dụng thực tế. Tiến hành huấn luyện và đánh giá bốn kiến trúc học sâu phổ biến hiện nay gồm DenseNet121, ResNet50, MobileNetV3 và VGG16 trên tập dữ liệu hình ảnh lá khoai tây. So sánh hiệu suất của các mô hình dựa trên các tiêu chí: độ chính xác (Accuracy), F1-score, thời gian huấn luyện và tốc độ dự đoán. Xây dựng một giao diện sử dụng qua Google Colab thân thiện với người dùng, cho phép tải ảnh và nhận kết quả dự đoán theo thời gian thực. Đề xuất hướng mở rộng mô hình sang các loại cây trồng khác, hướng đến việc phát triển một hệ thống chẩn đoán bệnh cây trồng đa năng, có tính ứng dụng cao trong sản xuất nông nghiệp
 Số bản sách: (1) Tài liệu số: (0)
4
Xây dựng hệ thống dự đoán phát hiện bệnh ung thư bằng sử dụng học máy : Khóa luận tốt nghiệp chuyên ngành Trí tuệ nhân tạo / Nguyễn Trung Nguyên, Sử Nhật Hạ hướng dẫn
Tp. Hồ Chí Minh : Đại học Nguyễn Tất Thành, 2024
83 tr. : Hình ảnh minh họa ; 29 cm.
Ký hiệu phân loại (DDC): 616.994
Đề tài nghiên cứu nhằm nâng cao hiệu quả trong việc chẩn đoán và điều trị căn bệnh thông qua việc phát triển các phương pháp phát triển sớm, chính xác và ít xâm lấn. Đề tài hướng tới việc nghiên cứu các yếu tố nguy cơ, triệu chứng lâm sàng và ứng dụng công nghệ tiên tiến để phát hiện ung thư ở giai đoạn đầu, từ đó giúp giảm thiểu tỷ lệ tử vong và cải thiện chất lượng cuộc sống của bệnh nhân. Nâng cao nhận thức của cộng đồng về tầm quan trọng của việc kiểm soát ung thư định kỳ, khuyến khích mọi người tham gia các chương trình phòng ngừa và chăm sóc sức khỏe, tạo điều kiện cho việc phát triển các chiến lược điều trị hiệu quả hơn trong tương lai.
 Số bản sách: (1) Tài liệu số: (0)