TRA CỨU
thông tin biểu ghi
  • Luận án, Luận văn
  • Ký hiệu PL/XG: 616.12 N5764
    Nhan đề: Xây dựng mô hình dự đoán bệnh tim bằng phương pháp tổ hợp bagging và Voting classifier :
DDC 616.12
Tác giả CN Nguyễn, Ngọc Tài
Nhan đề Xây dựng mô hình dự đoán bệnh tim bằng phương pháp tổ hợp bagging và Voting classifier : Đề án Thạc sĩ Công nghệ Thông tin; Mã ngành:8480201 / Nguyễn Ngọc Tài; Võ Thị Hồng Thắm hướng dẫn
Thông tin xuất bản Tp.Hồ Chí Minh : Đại học Nguyễn Tất Thành, 2025
Mô tả vật lý xiii, 67 tr. : biểu đồ ; 29 cm.
Tóm tắt Bệnh tim mạch là một trong những nguyên nhân hàng đầu gây tử vong trên toàn cầu, chiếm tỉ lệ lớn trong số các bệnh lý mãn tính. Việc chẩn đoán và phát hiện sớm bệnh tim có ý nghĩa quan trọng trong việc giảm thiểu rủi ro và cải thiện chất lượng sống của bệnh nhân. Tuy nhiên, phương pháp chẩn đoán truyền thống thường đòi hỏi nhiều thời gian, chi phí và phụ thuộc vào kinh nghiệm của bác sĩ. Sự phát triển của trí tuệ nhân tạo, đặc biệt là các thuật toán học máy, mang lại cơ hội lớn để xây dựng các hệ thống hỗ trợ chẩn đoán tự động, giúp giảm gánh nặng cho ngành y tế và nâng cao độ chính xác trong phát hiện bệnh. Trong đó, phương pháp học máy tổ hợp như Bagging và Voting Classifier đã chứng minh được hiệu quả trong việc cải thiện độ chính xác và ổn định của mô hình. Đề tài “xây dựng mô hình dự đoán bệnh tim bằng phương pháp tổ hợp Bagging và Voting Classifier” không chỉ tập trung vào xây dựng mô hình dự đoán chính xác mà còn so sánh hiệu quả giữa các phương pháp tổ hợp, từ đó đề xuất giải pháp tối ưu trong thực tế. Đây là một hướng nghiên cứu có tính ứng dụng cao
Từ khóa tự do Mô hình dự đoán
Từ khóa tự do Phương pháp tổ hợp bagging
Từ khóa tự do Bệnh tim
Từ khóa tự do Voting classifire
Khoa Khoa Công nghệ Thông tin
Tác giả(bs) CN Võ, Thị Hồng Thắm
Địa chỉ 300Q12_Kho Luận án, luận văn(1): 099824
000 00000nam#a2200000u##4500
00157177
0023
0047436D191-B607-45E2-BED7-6FF471CA87B3
005202510100926
008251007s2025 vm vie
0091 0
039|a20251010092619|bbacntp|c20251007110146|dbacntp|y20251007094012|zbacntp
040 |aNTT
041 |avie
044 |avm
082 |a616.12|bN5764
100 |aNguyễn, Ngọc Tài
245 |aXây dựng mô hình dự đoán bệnh tim bằng phương pháp tổ hợp bagging và Voting classifier : |bĐề án Thạc sĩ Công nghệ Thông tin; Mã ngành:8480201 / |cNguyễn Ngọc Tài; Võ Thị Hồng Thắm hướng dẫn
260 |aTp.Hồ Chí Minh : |bĐại học Nguyễn Tất Thành, |c2025
300 |axiii, 67 tr. : |bbiểu đồ ; |c29 cm.
502 |aThư mục: Tr.65 - 67
520 |aBệnh tim mạch là một trong những nguyên nhân hàng đầu gây tử vong trên toàn cầu, chiếm tỉ lệ lớn trong số các bệnh lý mãn tính. Việc chẩn đoán và phát hiện sớm bệnh tim có ý nghĩa quan trọng trong việc giảm thiểu rủi ro và cải thiện chất lượng sống của bệnh nhân. Tuy nhiên, phương pháp chẩn đoán truyền thống thường đòi hỏi nhiều thời gian, chi phí và phụ thuộc vào kinh nghiệm của bác sĩ. Sự phát triển của trí tuệ nhân tạo, đặc biệt là các thuật toán học máy, mang lại cơ hội lớn để xây dựng các hệ thống hỗ trợ chẩn đoán tự động, giúp giảm gánh nặng cho ngành y tế và nâng cao độ chính xác trong phát hiện bệnh. Trong đó, phương pháp học máy tổ hợp như Bagging và Voting Classifier đã chứng minh được hiệu quả trong việc cải thiện độ chính xác và ổn định của mô hình. Đề tài “xây dựng mô hình dự đoán bệnh tim bằng phương pháp tổ hợp Bagging và Voting Classifier” không chỉ tập trung vào xây dựng mô hình dự đoán chính xác mà còn so sánh hiệu quả giữa các phương pháp tổ hợp, từ đó đề xuất giải pháp tối ưu trong thực tế. Đây là một hướng nghiên cứu có tính ứng dụng cao
541 |aNộp lưu chiểu
653 |aMô hình dự đoán
653 |aPhương pháp tổ hợp bagging
653 |aBệnh tim
653|aVoting classifire
690 |aKhoa Công nghệ Thông tin
691 |aCông nghệ thông tin
700 |aVõ, Thị Hồng Thắm|cTS.|eHướng dẫn
852|a300|bQ12_Kho Luận án, luận văn|j(1): 099824
8561|uhttp://elib.ntt.edu.vn/documentdata01/3 luanvanluanan/anhbiasach_2025/57177_xaydungmohinhdudoanbenhtimbangphuongphaptohopbaggingvavotingclassifierthumbimage.jpg
890|a1|b0|c0|d0
Dòng Mã vạch Nơi lưu S.gọi Cục bộ Phân loại Bản sao Tình trạng Thành phần Đặt chỗ
1 099824 Q12_Kho Luận án, luận văn 616.12 N5764 Sách mượn tại chỗ 1 Chưa sẵn sàng

Không có liên kết tài liệu số nào