Phát triển mô hình học sâu dựa trên kiến trúc MAMBA cho phân vùng ảnh y tế
Đồ án tốt nghiệp · Đại học · năm 2025 · đề tài tham khảo
| Loại tài liệu | Đồ án tốt nghiệp |
|---|---|
| Bậc học | Đại học |
| Ngành | Xã hội, ngôn ngữ, y dược |
| Tác giả | Hồ Quang Huy; Nguyễn Thị Như Quỳnh |
| Người hướng dẫn | Trần Thị Thảo |
| Cơ sở đào tạo | Đại học Bách khoa Hà Nội |
| Năm | 2025 |
| Nguồn | Thư viện số Đại học Bách khoa Hà Nội · trang gốc |
Tóm tắt
Nghiên cứu đề xuất các phương pháp học sâu nhẹ cho bài toán phân đoạn ảnh y tế nhằm hỗ trợ hệ thống chẩn đoán có sự trợ giúp của máy tính. Xuất phát từ những thách thức trong phân đoạn vùng tổn thương do sự đa dạng về hình dạng, kích thước, màu sắc và ranh giới không rõ ràng giữa mô bệnh lý và mô lành, nghiên cứu kết hợp mạng nơ-ron tích chập (CNN) với mô hình không gian trạng thái (State Space Models – SSMs), đặc biệt là kiến trúc Mamba, để nâng cao khả năng trích xuất đặc trưng và giảm số lượng tham số mô hình. Hai phương pháp được đề xuất gồm mô hình học sâu nhẹ dựa trên Mamba kết hợp cơ chế chú ý theo biên và mô hình phân đoạn ảnh dựa trên học bán giám sát. Các phương pháp được đánh giá trên các bộ dữ liệu ảnh y sinh chuẩn và so sánh với những phương pháp hiện có. Kết quả thực nghiệm cho thấy các mô hình đề xuất cải thiện độ chính xác phân đoạn, nâng cao khả năng nhận dạng vùng bất thường và giảm chi phí tính toán, mở ra tiềm năng ứng dụng trong các thiết bị hỗ trợ chẩn đoán y tế tự động.
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
- Enhancing Continual Relation Extraction Using Adaptive Prompting And Label Description
- Conversational Digital Assistant
- AI agent hỗ trợ tư vấn học tập qua email
- Hỏi đáp tự động sử dụng kỹ thuật sinh câu trả lời dựa trên tìm kiếm
- Tìm kiếm hình ảnh phương tiện giao thông từ câu truy vấn
- Nghiên cứu và đánh giá phương pháp phát hiện và phân loại các giai đoạn phát triển của ký sinh trùng sốt rét
- Nghiên cứu chuẩn DICOM để xử lý, lữu trữ, in ấn và truyền tải thông tin trong hình ảnh y tế
- Generative Design-for-Robot-Assembly Structures: A Multi-Agent AI System Approach
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.