LuanVan.vnLuận Văn
Gửi thư

PHÂN VÙNG KHỐI U NÃO VỚI CÁC THUẬT TOÁN MÁY HỌC

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 giảTrần Thị Ngọc Hiền
Người hướng dẫnNguyễn Thanh Hải
Cơ sở đào tạoTrường Đại học Cần Thơ
Năm2024
NguồnThư viện số Trường Đại học Cần Thơ · trang gốc

Tóm tắt

Đề tài "Phân vùng khối u não với các thuật toán máy học" là một bước tiến quan trọng trong hướng này. Nghiên cứu này tập trung vào việc áp dụng các thuật toán máy học để phân vùng và phát hiện khối u não từ hình ảnh MRI não.Tập dữ liệu được sử dụng trong đề tài này là một tập hợp lớn gồm 3929 hình ảnh MRI từ 110 bệnh nhân mắc bệnh u thần kinh đệm. Mục tiêu chính của nghiên cứu là phân vùng chính xác khối u não. Để đạt được điều này, các nhà nghiên cứu đã thử nghiệm và so sánh hiệu suất của nhiều mô hình máy học khác nhau, bao gồm Unet, Unet++, LinkNet, PSPNet, FPN, DeepLabV3, và DeepLabV3Plus. Các mô hình này đã được kết hợp với các kiến trúc mạng nền (backbone) như EfficientNetB7 và MobileNetV2. Kết quả của nghiên cứu đã chỉ ra rằng mô hình Unet++ kết hợp với backbone EfficientNetB7 có áp dụng kỹ thuật tăng cường dữ liệu, kết hợp với sử dụng trình tối ưu hóa AdamW và Early Stopping Patience mang lại kết quả phân vùng chính xác nhất, vượt trội so với các mô hình khác. Đánh giá dựa trên các độ đo như IoU (Intersection over Union), Dice, Accuracy, Sensitivity và Specificity cho thấy hiệu suất của mô hình này là tốt nhất trong các trường hợp được kiểm tra. Nghiên cứu góp phần hỗ trợ các y bác sĩ chẩn đoán, thấy rõ hơn về các vùng có khối u trong não.
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.