Phát triển phương pháp phân vùng ảnh mô bệnh học sử dụng học sâu ứng dụng trong phát hiện ung thư phổi
Luận văn · Thạc sĩ · năm 2024 · đề tài tham khảo
| Loại tài liệu | Luận văn |
|---|---|
| Bậc học | Thạc sĩ |
| Ngành | Công nghệ thông tin |
| Tác giả | Nguyễn Tuấn Anh |
| Người hướng dẫn | Trần Quốc Long; Tạ Việt Cường |
| Cơ sở đào tạo | Đại học Quốc gia Hà Nội |
| Năm | 2024 |
| Nguồn | Thư viện số Đại học Quốc gia Hà Nội · trang gốc |
Tóm tắt
Luận văn này đề xuất phương pháp phân vùng ảnh mô bệnh học kết hợp phân loại phân cấp sử dụng mô hình học sâu U-Net. Mục tiêu chính của phương pháp này là tăng cường độ chính xác trong việc phát hiện các vùng ung thư phổi trong ảnh mô bệnh học. Luận văn này tập trung vào việc cải tiến các mô hình phân vùng ảnh hiện có để giải quyết những thách thức trong phát hiện ung thư phổi, một trong những nguyên nhân hàng đầu gây tử vong, việc phát hiện bệnh sớm qua phân tích ảnh mô bệnh học có ý nghĩa hết sức quan trọng, đòi hỏi độ chính xác cao và thường gặp nhiều khó khăn trong thực tế. Mục tiêu của luận văn là phát triển một phương pháp phân vùng ảnh mô bệnh học hiệu quả, kết hợp phân loại phân cấp, nhằm cải thiện độ chính xác trong phát hiện ung thư phổi. Phương pháp này phải đáp ứng được các yêu cầu về độ chính xác và khả năng tổng quát hóa, đồng thời giảm thiểu chi phí và công sức trong quá trình thu thập và xử lý dữ liệu. Mô hình này không chỉ phân vùng ảnh mà còn phân loại các vùng đó theo các cấp bậc khác nhau, từ cấp độ tổng quát đến chi tiết. Điều này giúp cải thiện độ chính xác trong việc phát hiện các vùng nhỏ và khó phân biệt trong ảnh mô bệnh học. Các thực nghiệm được tiến hành trên một tập dữ liệu đặc thù KC của bệnh viện Bạch mai với hơn 1200 ảnh mô bệnh học . Kết quả cho thấy phương pháp đề xuất đạt hiệu suất cao, đặc biệt là trong việc phân loại và phân vùng các chi tiết nhỏ, so với các phương pháp truyền thống, mô hình đề xuất đạt được kết quả tốt hơn về độ chính xác và thời gian xử lý. Phương pháp đề xuất cho thấy sự cải thiện đáng kể về độ chính xác và hiệu quả so với các phương pháp phân vùng đơn nhiệm. Đặc biệt, mô hình đề xuất cho phép chia sẻ các đặc trưng giữa các lớp, cải thiện độ chính xác trong việc phân loại và phân vùng ảnh mô bệnh học phức tạp. Phương pháp này không chỉ cải thiện hiệu suất trong việc phát hiện ung thư phổi mà còn có thể áp dụng rộng rãi trong các bài toán phân đoạn ảnh y tế khác. Về cơ bản, luận văn đã đạt được mục tiêu đề ra là phát triển một phương pháp phân vùng ảnh mô bệnh học sử dụng học sâu hiệu quả trong phát hiện ung thư phổi, đồng thời góp phần giải quyết các thách thức về dữ liệu và độ phức tạp của ảnh mô bệnh học.
Phân vùng ảnhMô hình học sâuPhân vùng ảnh mô bệnh họcMô hình đa nhiệmPhân loại phân cấpẢnh toàn bảnKhoa học máy tính
Bản toàn văn lưu tại thư viện Đại học Quốc gia 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 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
- Machine learning avec l’analyse multimodale pour la détection et la prédiction des assemblages collés = Học máy với phân tích đa phương thức để phát hiện và dự đoán các liên kết dán
- Deep learning approach for driver behavior analysis
- Building an e-commerce website selling second-hand items
- Nghiên cứu xây dựng cơ sở dữ liệu hệ thống thông tin địa lý (GIS) tỉnh Phú Thọ phục vụ bảo vệ môi trường và phát triển bền vững
- Xây dựng hệ thống nhận dạng khuôn mặt sử dụng phương pháp học trực tuyến
- Financial distress prediction: evidence from Vietnam
- Visual Analytics intelligent utilisant la technologie de Réalité Mixte = Phân tích trực quan thông minh sử dụng công nghệ thực tế hỗn hợp.
- Identify and control the speed of DC motor using fuzzy-PI on microcontroller platforms.
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.