LuanVan.vnLuận Văn
Gửi thư

Nghiên cứu và ứng dụng học sâu trong phân đoạn và nhận diện khối u não

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 giảNguyễn Thế Anh
Người hướng dẫnNguyễn Hoài Nam
Cơ sở đào tạoĐại học Bách khoa Hà Nội
Năm2025
NguồnThư viện số Đại học Bách khoa Hà Nội · trang gốc

Tóm tắt

Xây dựng hệ thống tích hợp các mô hình học sâu nhằm phát hiện, phân loại và phân đoạn khối u não trên ảnh cộng hưởng từ (MRI), hỗ trợ phân tích hình ảnh và đánh giá đặc trưng khối u. Hệ thống kết hợp mô hình YOLOv8 để phát hiện vị trí, phân loại khối u; U-Net để tạo mặt nạ phân đoạn; và Segment Anything Model (SAM) được tinh chỉnh bằng kỹ thuật LoRA nhằm nâng cao chất lượng mặt nạ. Kết hợp mặt nạ từ U-Net và SAM+LoRA để tận dụng ưu điểm của hai phương pháp, đồng thời thực hiện các bước hậu xử lý và phân tích hình thái học khối u thông qua các chỉ số diện tích, chu vi, độ tròn và độ đối xứng. Hệ thống được huấn luyện và đánh giá trên tập ảnh MRI thực tế, đạt kết quả phát hiện và phân loại tốt với :0.95 đạt 0,809, đồng thời tạo ra mặt nạ có mức độ tương đồng cao với đánh giá thực tế. Các đặc trưng hình thái học được khai thác nhằm cung cấp thêm thông tin hỗ trợ đánh giá nguy cơ và tính chất của khối u. Kết quả góp phần xây dựng quy trình tự động từ tiền xử lý, phát hiện, phân đoạn đến phân tích hình thái học, có tiềm năng ứng dụng trong hỗ trợ chẩn đoán và đánh giá lâm sàng.
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.