LuanVan.vnLuận Văn
Gửi thư

CHẨN ĐOÁN UNG THƯ DA TỪ HÌNH ẢNH SỬ DỤNG MÁY HỌC

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 giảTrần Tấn Đạt
Người hướng dẫnThái Minh Tuấn
Cơ sở đào tạoTrường Đại học Cần Thơ
Năm2025
NguồnThư viện số Trường Đại học Cần Thơ · trang gốc

Tóm tắt

Ung thư da là một trong những loại ung thư phổ biến nhất hiện nay, đặc biệt tại các khu vực có cường độ tia cực tím (UV) cao ở vùng nhiệt đới như Việt Nam. Việc phát hiện sớm các tổn thương da bất thường đóng vai trò quan trọng trong quá trình điều trị, giúp tăng khả năng chữa khỏi và kéo dài thời gian sống cho người bệnh. Tuy nhiên, việc phân biệt giữa các tổn thương lành tính và ác tính qua hình ảnh vẫn là một thách thức lớn đối với bác sĩ, do nhiều loại tổn thương lành tính và ác tính có hình dạng và màu sắc khá giống nhau. Trong luận văn này đã nghiên cứu việc ứng dụng học sâu vào bài toán phân loại tổn thương da từ hình ảnh. Thay vì đưa toàn bộ ảnh vào mô hình để chẩn đoán như cách làm phổ biến, luận văn sẽ thực hiện bước phân đoạn trước để trích xuất vùng tổn thương, rồi mới tiến hành phân loại. Cách làm này giúp mô hình tập trung vào vùng quan trọng, tránh bị ảnh hưởng bởi các vùng da bình thường xung quanh. sử dụng các mô hình như UNet, UNet++ để phân đoạn vùng tổn thương, sau đó kết hợp với các mô hình phân loại như ResNet và EfficientNetV2 để xác định loại bệnh. Ngoài ra, các kỹ thuật như tăng cường dữ liệu và cân bằng tập huấn luyện cũng được áp dụng để cải thiện hiệu quả mô hình trong bối cảnh dữ liệu mất cân đối giữa các lớp. Kết quả thực nghiệm cho thấy phương pháp đề xuất có độ chính xác 96%, đây là một kết quả rất khả quan và có khả năng áp dụng vào thực tế.
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.