LuanVan.vnLuận Văn
Gửi thư

NHẬN DIỆN VÀ PHÂN LOẠI BỆNH TRÊN PHỔI QUA HÌNH ẢNH X-QUANG

Khoá luận tốt nghiệp · Đại học · năm 2024 · đề tài tham khảo

Loại tài liệuKhoá luận tốt nghiệp
Bậc họcĐại học
NgànhCông nghệ thông tin
Tác giảVõ Trần Minh Tân
Người hướng dẫnNguyễn Minh Khiêm
Cơ sở đào tạoTrường Đại học Cần Thơ
Năm2024
NguồnThư viện số Trường Đại học Cần Thơ · trang gốc

Tóm tắt

Bệnh phổi là một nguy cơ lớn đối với sức khỏe con người, gây ảnh hưởng tiêu cực đến cả sức khỏe và chất lượng cuộc sống, và thậm chí có thể dẫn đến tử vong. Đặc biệt là vấn đề ô nhiễm không khí, bụi mịn hay bệnh dịch ảnh hưởng đến phổi các năm gần đây. Các yếu tố nguyên nhân gây ra các bệnh này bao gồm ô nhiễm môi trường, hút thuốc lá, khuynh hướng di truyền và nhiễm trùng do virus. Chụp X-quang ngực là một công cụ chẩn đoán phổ biến trong thực hành lâm sàng để xác định tổn thương phổi, hỗ trợ trong việc xác định các bệnh phổi cụ thể. Tuy nhiên, quy trình chẩn đoán thông qua hình ảnh thường mất nhiều thời gian và đòi hỏi trình độ chuyên môn cao từ các chuyên gia y tế. Việc áp dụng các kỹ thuật học sâu để phát hiện và phân loại bệnh trên ảnh X-quang là rất quan trọng nhằm cải thiện độ chính xác trong chẩn đoán và cung cấp hỗ trợ thiết yếu cho các bác sĩ lâm sàng. Nghiên cứu này giới thiệu một phương pháp kết hợp mô hình U-Net cho phân đoạn hình ảnh, giúp xác định chính xác vùng phổi trong ảnh X-quang và sử dụng mô hình Xception để phát hiện và phân loại các hình ảnh đã được phân đoạn. Mô hình U-Net được huấn luyện trên tập dữ liệu COVID-19 Radiography, bao gồm 21,165 ảnh X-quang đi kèm với các mặt nạ phân đoạn tương ứng. Các mặt nạ này sau đó được áp dụng lên ảnh X-quang gốc để cô lập chi tiết các vùng phổi, với các nhãn phù hợp cho mục đích phát hiện và phân loại. Tập dữ liệu bao gồm bốn loại bệnh: Covid-19, bệnh phổi tắc nghẽn mãn tính (COPD), mô phổi bình thường, và viêm phổi do virus. Dữ liệu được chia thành ba tập để huấn luyện, xác thực và kiểm tra, theo tỷ lệ 70:20:10. Kết quả thực nghiệm cho thấy quá trình phân đoạn đạt được độ chính xác là 0.99 với mô hình U-Net. Hơn nữa, độ chính xác cho việc phát hiện và phân loại bệnh trên tập kiểm tra đạt 0.90 kèm theo điểm số Intersection over Union (IoU) là 0.90 trong cả hai giai đoạn huấn luyện và xác thực.
Bản toàn văn lưu tại thư viện Trường Đại học Cần Thơ

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

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.