LuanVan.vnLuận Văn
Gửi thư

Học biểu diễn tự giám sát và ứng dụng cho phân vùng ảnh y tế

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

Loại tài liệuĐồ án tốt nghiệp
Bậc họcĐại học
NgànhKỹ thuật, xây dựng, môi trường
Tác giảHoàng Hải Phong
Người hướng dẫnĐinh Viết Sang; Đỗ Quốc Huy
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 và ứng dụng học tự giám sát để phân vùng polyp trên ảnh nội soi khi dữ liệu gán nhãn hạn chế. Phân tích thực trạng mô hình có giám sát và so sánh SimMIM, DINO, MAE trên chín nghìn ảnh nội soi không nhãn, sau đó tinh chỉnh bằng Kvasir-SEG. Đề xuất kiến trúc Vision Transformer kết hợp bộ giải mã chú ý kép và hợp nhất đa tỷ lệ. SimMIM và DINO đạt mDice 0,74; SimMIM đạt mIoU 0,60, cao hơn mô hình không tiền huấn luyện với 0,69 và 0,53. Kết luận khẳng định tiền huấn luyện tự giám sát cải thiện phân vùng polyp, tận dụng ảnh không nhãn, giảm gán nhãn chuyên gia
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 kỹ thuật, xây dựng, môi trường · 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.