Bài viết "Khai thác yếu tố tần suất triệu chứng trong chẩn đoán giai đoạn ban đầu bằng các giải thuật học sâu" y đề xuất phương pháp chẩn đoán bệnh từ thông tin mô tả triệu chứng từ người bệnh bằng tiếng Việt, có chú ý khai thác yếu tố tần suất xuất hiện của các triệu chứng dựa trên các phương pháp học sâu. So với các công trình trước đây không chú ý đến yếu tố tần suất, độ chính xác đạt được của bài báo này cải thiện được trên 2%. Kết quả thử nghiệm đạt độ chính xác cao là rất đáng khích lệ cho hướng tiếp cận này. Mời các bạn cùng tham khảo! | Hội nghị Quốc gia lần thứ 25 về Điện tử Truyền thông và Công nghệ Thông tin REV-ECIT2022 Khai thác yếu tố tần suất triệu chứng trong chẩn đoán giai đoạn ban đầu bằng các giải thuật học sâu Huỳnh Trung Trụ và Nguyễn Trung Hiếu Khoa Công Nghệ Thông Tin II Học Viện Công Nghệ Bưu Chính Viễn Thông Email truht@ Abstract Các triệu chứng người bệnh mô tả có nhiều ý cho đến dữ liệu cảm biến. Đặc điểm chung của các loại nghĩa trong quá trình chẩn đoán và chữa bệnh. Trong dữ liệu này là phức tạp không đồng nhất chú thích đó tần suất xuất hiện các triệu chứng là yếu tố quan kém và cơ bản là không có cấu trúc. Để xử lý tốt các trọng không thể bỏ qua. Xây dựng được các hệ thống dữ liệu này cần nền tảng kiến thức miền đầy đủ và thông minh hiểu được các thông tin này nhằm chẩn đoán bệnh ban đầu sẽ giúp việc phân luồng người bệnh vào chuyên sâu. khám chuyên khoa nhanh chóng và hiệu quả hơn. Bài Bài báo này đề xuất phương pháp xử lý và khai phá báo này đề xuất phương pháp chẩn đoán bệnh từ thông dữ liệu không chuyên sâu. Đó là dữ liệu mô tả triệu tin mô tả triệu chứng từ người bệnh bằng tiếng Việt có chứng của người bệnh. Thông thường những mô tả về chú ý khai thác yếu tố tần suất xuất hiện của các triệu triệu chứng chưa thể là cơ sở cho các bác sỹ nhận định chứng dựa trên các phương pháp học sâu. So với các bệnh. Tuy nhiên đó cũng cũng là những thông tin có công trình trước đây không chú ý đến yếu tố tần suất độ nhiều ý nghĩa trong quá trình chẩn đoán bệnh. Vì vậy chính xác đạt được của bài báo này cải thiện được trên nghiên cứu khai thác nguồn dữ liệu này là động lực cho 2 . Kết quả thử nghiệm đạt độ chính xác cao là rất đáng các tác giả thực hiện bài báo này. khích lệ cho hướng tiếp cận này. Phần tiếp theo của bài báo sẽ trình bày một số công Keywords- Corpus Deep Learning Healthcare trình liên quan về học sâu và về y tế ở mục 2. Mục 3 sẽ Physical exam. trình bày về phương pháp thực hiện của bài báo này từ quá trình chuyển đổi và xử lý dữ .
