PHÁT HIỆN BẤT THƯỜNG TRÊN ẢNH MRI NÃO VỚI MÔ HÌNH PIX2PIX
Khoá luận tốt nghiệp · Đại học · năm 2022 · đề tài tham khảo
| Loại tài liệu | Khoá luận tốt nghiệp |
|---|---|
| Bậc học | Đại học |
| Ngành | Công nghệ thông tin |
| Tác giả | Bùi Thanh Liêm |
| Người hướng dẫn | Trần Nguyễn Minh Thư |
| Cơ sở đào tạo | Trường Đại học Cần Thơ |
| Năm | 2022 |
| Nguồn | Thư viện số Trường Đại học Cần Thơ · trang gốc |
Tóm tắt
Để xét nghiệm và chẩn đoán các bệnh liên quan đến não, các bác sĩ sử dụng phương pháp chụp cộng hưởng từ (MRI) nhằm phát hiện các vùng bất thường bên trong não. Đối với ảnh MRI não, thông thường mỗi bệnh nhân có nhiều lắt cắt, bác sĩ phải kiểm tra tất cả lát cắt để tìm ra vùng bất thường. Mục tiêu của đề tài là xây dựng mô hình có thể nhận diện được vị trí của khối u với chuỗi xung T2 FLAIR. Mô hình được đề xuất trong luận văn này là mạng Pix2Pix, được cải tiến từ mô hình cGAN với mục đích giải quyết các bài toán dịch ảnh. Kiến trúc của Pix2Pix gồm hai mô hình, trong đó “mô hình sinh” là mạng “Encoder-Decoder” hoặc “Unet” với mục tiêu tạo ra ảnh giống ảnh thật, và “mô hình phân biệt” là mạng nơ-ron tích chập với mục tiêu phân biệt ảnh thật và ảnh được tạo bởi “mô hình sinh”. Mô hình được huấn luyện trên tập dữ liệu ảnh MRI não do bệnh viện Đại học Y Dược Cần Thơ cung cấp. Tập dữ liệu bao gồm 2812 lát cắt ảnh MRI não (593 lát cắt bất thường) của 139 bệnh nhân. Các bác sĩ tại bệnh viện thực hiện khoanh vùng bất thường trên não trên từng lát cắt của bệnh nhân bằng công cụ “labelme” để tạo nhãn cho tập dữ liệu. Tập dữ liệu được chia thành 3 phần: 104 người dùng để huấn luyện mô hình, 10 người dùng để tìm các tham số tối ưu cho mô hình, và 25 người dùng đề kiểm thử mô hình. Với kiến trúc Unet cho mô hình sinh, kết quả kiểm thử tốt nhất đạt được trong trường hợp 103 lát cắt bất thường của 25 bệnh nhân đạt precision=54.6% khi đánh giá độ chính xác trên từng pixel, và có tỷ lệ dự đoán đúng vị trí bất thường là 67%.
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
- CÁC ỨNG DỤNG MÁY HỌC CHẨN ĐOÁN BỆNH TIM
- BUIDING A FUNCTIONAL FOOD E-COMMERCE WEBSITE
- PHÁT TRIỂN GAME PLATFORM 2D “KIMETSU NO MICHI” TRÊN NỀN TẢNG UNITY
- DEVELOPING A NUTRITION TRACKING APPLICATION FOR ATHLETES
- XÂY DỰNG NỀN TẢNG BÁN CÁC LOẠI MẮT KÍNH
- WEBSITE TRẢ LỜI TỰ ĐỘNG TƯ VẤN TUYỂN SINH NHÓM NGÀNH MÁY TÍNH VÀ CÔNG NGHỆ THÔNG TIN
- HỆ THỐNG CHIA SẺ TÀI NGUYÊN HỌC TẬP – PHÂN HỆ TÌM KIẾM VÀ KIỂM TRA TÀI LIỆU TRÙNG LẶP
- HỆ THỐNG QUẢN LÝ CỬA HÀNG CÀ PHÊ
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.