Integration of Deep Learning for Vocal Fold Image Analysis in Flexible Laryngoscopy
Luận văn · Thạc sĩ · năm 2024 · đề tài tham khảo
| Loại tài liệu | Luận văn |
|---|---|
| Bậc học | Thạc sĩ |
| Ngành | Công nghệ thông tin |
| Tác giả | Đào Thị Phương Thảo |
| Người hướng dẫn | Trần Minh Triết |
| Cơ sở đào tạo | Đại học Quốc gia TP. Hồ Chí Minh |
| Năm | 2024 |
| Nguồn | Thư viện số Đại học Quốc gia TP. Hồ Chí Minh · trang gốc |
Tóm tắt
In th is thesis, we focus on intro ducing a novel dataset of laryngoscopy process for image classification. In more detail, such a dataset is specifically designed to identify vocal fold conditions with various image-wise classes annotated by ENT experts. We then apply leading-edge models to the classification tasks to evaluate and choose the best model. In addition, we propose a lightweight DL model that can analyze vocal fold images using knowledge distillation technique. The knowledge of a pre-trained deep neural network is distilled to a simple neural network that is easily deployable in a low-power computing environment. We also intro duce a solution for AI assistance on smartphones to create a portable and smart laryngoscopy system that assists laryngoscopists in quickly fo cusing on vocal fold areas to be observed and diagnosed and reduces laryngoscopy time for patients. Moreover, the results are express ed by gradient-weighted class activation mapping (Grad-CAM) as a method for interpreting the results of the DL model. Last but not least, the most effective model is evaluated by physicians, demonstrating that the assistance of the DL model is essential for ENT doctors.
Bản toàn văn lưu tại thư viện Đại học Quốc gia TP. Hồ Chí Minh
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
- Mô hình phát hiện xâm nhập dựa trên kỹ thuật học sâu và thích ứng miền
- Nhận dạng từ tiếng Việt phát âm rời rạc
- Khai thác dữ liệu mạng xã hội để nâng cao hiệu quả tìm kiếm web theo hướng người dùng
- Baby Care - Ứng dụng hỗ trợ chăm sóc sức khỏe em bé
- Một số phương pháp tiếp cận cho bài toán lập lịch cá nhân
- Bộ khung kiểm thử xâm nhập có tích lũy kinh nghiệm và tối ưu payload dựa trên học tăng cường
- Nhận dạng biểu thức toán học viết tay
- Xây dựng nền tảng trực tuyến kết nối giữa gia sư và học viên
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.