LuanVan.vnLuận Văn
Gửi thư

GroundMedSAM: Prompt-based Zero-Shot Medical Segmentation

Đồ án tốt nghiệp · Đại học · năm 2025 · đề tài tham khảo

Loại tài liệuĐồ án tốt nghiệp
Bậc họcĐại học
NgànhXã hội, ngôn ngữ, y dược
Tác giảLương Hoàng Quân
Người hướng dẫnNguyễn Việt Dũng
Cơ sở đào tạoĐại học Bách khoa Hà Nội
Năm2025
NguồnThư 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

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.