GroundMedSAM: Prompt-based Zero-Shot Medical Segmentation
Đồ án tốt nghiệp · Đại học · năm 2025 · đề tài tham khảo
| Loại tài liệu | Đồ án tốt nghiệp |
|---|---|
| Bậc học | Đại học |
| Ngành | Xã hội, ngôn ngữ, y dược |
| Tác giả | Lương Hoàng Quân |
| Người hướng dẫn | Nguyễn Việt Dũng |
| Cơ sở đào tạo | Đại học Bách khoa Hà Nội |
| Năm | 2025 |
| Nguồn | Thư viện số Đại học Bách khoa Hà Nội · trang gốc |
Tóm tắt
Nghiên cứu phương pháp phân đoạn ảnh y tế theo hướng học không mẫu (Zero-Shot Learning – ZSL) nhằm nâng cao khả năng tổng quát hóa của mô hình trong điều kiện dữ liệu gán nhãn chuyên gia hạn chế và có sự khác biệt giữa các môi trường lâm sàng. Kiến trúc đề xuất kết hợp GroundingDINO và MedSAM, trong đó GroundingDINO tạo các vùng đề xuất từ mô tả văn bản y tế, đồng thời sử dụng các biểu diễn văn bản có thể học được dành riêng cho thuật ngữ y khoa nhằm cải thiện sự tương thích giữa thông tin ngữ nghĩa và đặc trưng hình ảnh. MedSAM sau đó tạo mặt nạ phân đoạn chất lượng cao dựa trên các vùng phát hiện đã được tinh chỉnh. Phương pháp được đánh giá trên nhiều bộ dữ liệu y tế thuộc các phương thức chẩn đoán, vùng giải phẫu và bệnh lý khác nhau, với kiểm thử không mẫu trên các miền dữ liệu chưa xuất hiện trong quá trình huấn luyện. Kết quả định lượng bằng AUC và mean IoU cho thấy mô hình học có giám sát đạt kết quả cao hơn khoảng 3–5% trên dữ liệu cùng miền, nhưng khả năng duy trì hiệu quả trên miền chưa biết bị hạn chế. Trong khi đó, phương pháp đề xuất đạt AUC 0,989 trên dữ liệu y tế ngoài miền, cho thấy khả năng tổng quát hóa và độ bền vững cao, đồng thời khẳng định tiềm năng của ZSL trong các bài toán phân đoạn ảnh y tế thiếu hoặc không có dữ liệu gán nhãn.
Bản toàn văn lưu tại thư viện Đại học Bách khoa Hà Nội
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 xã hội, ngôn ngữ, y dược · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.
Đề tài cùng ngành
- Nâng cao chất lượng nhận dạng tín hiệu điện tim dựa trên giải pháp loại bỏ ảnh hưởng từ nhịp thở của người bệnh
- Hoàn thiện công tác quản lý trợ giúp xã hội thường xuyên ở cấp xã trên địa bàn thành phố Bắc Giang
- Nghiên cứu mối liên quan của đa hình rs1104326 trên gen CFAP251 với bệnh vô sinh nam ở người Việt Nam
- Hệ thống theo dõi bệnh nhân đa thông số và ứng dụng trong bệnh viện
- Phân tích và dự báo khách du lịch đến Hải Phòng năm 2006-2010
- Nghiên cứu phát triển que thử nhanh xác định đồng thời IgG và IgM đặc hiệu virus Dengue
- Nghiên cứu chế tạo cảm biến sinh học sử dụng phương pháp không đánh dấu ứng dụng chuẩn đoán bệnh sớm
- Ứng dụng tác tử AI hỗ trợ quyết định đầu tư bất động sản
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.