Đồ án tốt nghiệp - Tối ưu hóa lưu trữ và phân tích dữ liệu y tế với kiến trúc Data Lakehouse

Tên môn học: Khóa luận tốt nghiệp

Giá: 97.000đ

Tổng thanh toán:

97.000đ

Người đăng tải:

#10377

Chi tiết tài liệu :

Đồ án tốt nghiệp ngành Kiến trúc - Tối ưu hóa lưu trữ và phân tích dữ liệu y tế với kiến trúc Data Lakehouse - Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh (HCMUTE)

Định dạng	PDF
Dung lượng	8.89 MB
Số trang	110
Ngành	Kiến trúc

Lượt xem	0
Ngày đăng	30/03/2026

s

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP. HỒ CHÍ MINH
KHOA CÔNG NGHỆ THÔNG TIN

NGUYỄN PHI LONG

21110532

ĐỖ THANH KHANG

21110492

Đề tài:

TỐI ƯU HÓA LƯU TRỮ VÀ PHÂN TÍCH
DỮ LIỆU Y TẾ VỚI KIẾN TRÚC
DATA LAKEHOUSE
KHÓA LUẬN TỐT NGHIỆP
NGÀNH HỆ THỐNG THÔNG TIN
GIÁO VIÊN HƯỚNG DẪN
ThS. Lê Thị Minh Châu

KHÓA 2021-2025

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP. HỒ CHÍ MINH
KHOA CÔNG NGHỆ THÔNG TIN

NGUYỄN PHI LONG

21110532

ĐỖ THANH KHANG

21110492

Đề tài:

TỐI ƯU HÓA LƯU TRỮ VÀ PHÂN TÍCH
DỮ LIỆU Y TẾ VỚI KIẾN TRÚC
DATA LAKEHOUSE
KHÓA LUẬN TỐT NGHIỆP
NGÀNH HỆ THỐNG THÔNG TIN
GIÁO VIÊN HƯỚNG DẪN
ThS. Lê Thị Minh Châu

KHÓA 2021-2025

ĐH SƯ PHẠM KỸ THUẬT TP.HCM

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM

KHOA CNTT

Độc lập – Tự do – Hạnh phúc

**********

**********

PHIẾU NHẬN XÉT CỦA GIÁO VIÊN HƯỚNG DẪN
Họ và tên Sinh viên 1: Nguyễn Phi Long

MSSV 1: 21110532

Họ và tên Sinh viên 2: Đỗ Thanh Khang

MSSV 2: 21110492

Ngành: Hệ thống thông tin
Tên đề tài: Tối ưu hóa lưu trữ và phân tích dữ liệu y tế với kiến trúc Data Lakehouse
Họ và tên Giáo viên hướng dẫn: ThS. Lê Thị Minh Châu
NHẬN XÉT
1. Về nội dung đề tài &amp khối lượng thực hiện:
......................................................................................................................................
......................................................................................................................................
......................................................................................................................................
2. Ưu điểm:
......................................................................................................................................
......................................................................................................................................
3. Khuyết điểm:
......................................................................................................................................
......................................................................................................................................
4. Đề nghị cho bảo vệ hay không?
5. Đánh giá loại:
6. Điểm:
Tp. Hồ Chí Minh, ngày

tháng năm 2025

Giáo viên hướng dẫn
(Ký &amp ghi rõ họ tên)

ĐH SƯ PHẠM KỸ THUẬT TP.HCM

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM

KHOA CNTT

Độc lập – Tự do – Hạnh phúc

**********

**********

PHIẾU NHẬN XÉT CỦA GIÁO VIÊN PHẢN BIỆN
Họ v
...

...
khai 3 Business Process phân tích nghiệp vụ trong Gold Layer:
o

Hospital Admission Process

o

Diagnosis &amp Procedure Analytics

o

ICU Stay Monitoring

Tạo được các bảng Fact - Dimension theo mô hình Star Schema, phục vụ phân
tích và trực quan hóa trên Apache Superset.

•

Mở rộng khả năng khai thác dữ liệu y tế lớn (Big Data) với khả năng tích hợp
học máy và trực quan hóa dashboard trong tương lai.

5.2. HẠN CHẾ
Bên cạnh các kết quả đạt được, đề tài vẫn tồn tại một số hạn chế nhất định:
•

Dữ liệu MIMIC-IV rất lớn, một số bảng như chartevents, labevents có dung
lượng lớn gây quá tải bộ nhớ khi xử lý bằng Spark trên môi trường cục bộ.

•

Việc chưa sử dụng cơ chế phân vùng dữ liệu (partitioning) có thể ảnh hưởng
đến hiệu suất khi thực hiện các truy vấn phân tích lớn.

104

5.3 PHƯƠNG HƯỚNG PHÁT TRIỂN
Trong tương lai, nhóm định hướng tiếp tục phát triển và mở rộng đề tài theo các hướng
sau:
•

Tối ưu hóa hiệu năng Spark thông qua phân vùng theo thời gian hoặc ID, kết
hợp với caching để xử lý bảng ICU hiệu quả hơn.

•

Thiết kế giao diện dashboard người dùng thân thiện bằng Superset để hỗ trợ bác
sĩ, nhà quản lý bệnh viện trong phân tích y tế.

•

Mở rộng hệ thống sang môi trường phân tán (cluster) thay vì cục bộ để xử lý dữ
liệu quy mô thực tế.

105

TÀI LIỆU THAM KHẢO
[1]. Johnson, A., Bulgarelli, L., Pollard, T., Gow, B., Moody, B., Horng, S., Celi, L. A., &amp Mark, R.
(2024). MIMIC-IV (version 3.1). PhysioNet. https://doi.org/10.13026/kpb9-mt58.
[2]. Johnson, A.E.W., Bulgarelli, L., Shen, L. et al. MIMIC-IV, a freely accessible electronic health
record dataset. Sci Data 10, 1 (2023). https://doi.org/10.1038/s41597-022-01899-x
[3]. Goldberger, A., Amaral, L., Glass, L., Hausdorff, J., Ivanov, P. C., Mark, R., ... &amp Stanley, H. E.
(2000). PhysioBank, PhysioToolkit, and PhysioNet: Components of a new research resource for
complex physiologic signals. Circulation [Online]. 101 (23), pp. e215–e220.
[4]. Medallion Architecture
https://www.databricks.com/glossary/medallion-architecture
[5]. Delta Lake
https://delta.io/
[6]. Docker là gì?
https://aws.amazon.com/vi/docker/
[7]. What is Hive metastore?
https://lakefs.io/blog/hive-metastore-why-its-still-here-and-what-can-replace-it/
[8]. MinIO: Giải pháp Object Storage Mã nguồn mở thay thế S3
https://200lab.io/blog/minio-la-gi
[9]. What is Apache Spark?
https://aws.amazon.com/vi/what-is/apache-spark/
[10]. Trino
https://trino.io/
[11]. Superset
https://superset.apache.org/

106