LuanVan.vnLuận Văn
Gửi thư

CHẨN ĐOÁN U NÃO DỰA TRÊN ẢNH Y KHOA MRI BẰNG HỌC SÂU

Khoá luận tốt nghiệp · Đại học · năm 2025 · đề tài tham khảo

Loại tài liệuKhoá luận tốt nghiệp
Bậc họcĐại học
NgànhCông nghệ thông tin
Tác giảNguyễn Thị Thanh Tuyền
Người hướng dẫnNguyễn Thanh Hải
Cơ sở đào tạoTrường Đại học Cần Thơ
Năm2025
NguồnThư viện số Trường Đại học Cần Thơ · trang gốc

Tóm tắt

Bệnh hiểm nghèo đã và đang gây nên nỗi khổ cùng cực cho bệnh nhân và gia đình của những bệnh nhân ấy. Trong đó, u não là một bệnh lý phức tạp, nguy hiểm và đòi hỏi sự hỗ trợ của công nghệ trong chẩn đoán và điều trị. U não ảnh hưởng nghiêm trọng đến sức khỏe con người và thậm chí có thể dẫn đến tử vong. Việc chẩn đoán sớm và chính xác từ ảnh chụp cộng hưởng từ (MRI) đóng vai trò quan trọng hỗ trợ các bác sĩ đưa ra quyết định điều trị. Việc ứng dụng các mô hình học sâu trong chẩn đoán đang ngày càng phát triển đặc biệt là U-Net đã và đang được ứng dụng rộng rãi trong phân đoạn ảnh y tế. Nghiên cứu này đề xuất các phương pháp sử dụng các mô hình học sâu U-Net, U-Net++, U-Net3+, Attention U-Net, Efficient U-Net để phân đoạn u não trên tập dữ liệu Brain Tumor Segmentation 2020 (BraTS20). Tập dữ liệu BraTS20 gồm 369 bệnh nhân. Mỗi bệnh nhân gồm 4 chế độ hiển thị ảnh là T1, T1ce, T2, Flair và 1 tập nhãn. Tập dữ liệu có tổng cộng khoảng 228.780 ảnh 2D MRI và 57.195 ảnh 2D MRI là nhãn. Để tìm ra mô hình hiệu quả nhất, nghiên cứu này đã lựa chọn Accuracy, Dice, IoU, Precision, Sensitivity, Specificity và Loss là các chỉ số để đánh giá mô hình và so sánh kết quả các mô hình. Không chỉ so sánh giữa các mô hình được sử dụng trong nghiên cứu này tìm ra mô hình hiệu quả nhất và dùng nó để so sánh các công trình liên quan đã được công bố. Sau khi tìm ra được mô hình hiệu quả nhất, mô hình này được tích hợp vào hệ thống website hỗ trợ chẩn đoán u não bằng hình ảnh. Kết quả nghiên cứu góp phần thúc đẩy ứng dụng các kỹ thuật học máy trong y tế, giúp bác sĩ chẩn đoán chính xác hơn, nâng cao chất lượng điều trị, đồng thời giảm thiểu thời gian và chi phí.
Bản toàn văn lưu tại thư viện Trường Đại học Cần Thơ

Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.

Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
  • Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
  • Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
  • Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.

Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn công nghệ thông tin · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.

Đề tài cùng ngành

Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.