Sàng lọc tim thai nhi: phát hiện các mặt cắt ngang bất thường bằng Fuzzy rank-based ensemble dựa trên các mô hình CNN
Luận văn · Thạc sĩ · năm 2025 · đề tài tham khảo
| Loại tài liệu | Luận văn |
|---|---|
| Bậc học | Thạc sĩ |
| Ngành | Công nghệ thông tin |
| Tác giả | Lê Phạm Hoài Uyên |
| Người hướng dẫn | Nguyễn Tất Bảo Thiện |
| Cơ sở đào tạo | Đại học Quốc gia TP. Hồ Chí Minh |
| Năm | 2025 |
| Nguồn | Thư viện số Đại học Quốc gia TP. Hồ Chí Minh · trang gốc |
Tóm tắt
Nghiên cứu này tập trung vào một khía cạnh khác trong việc nhận diện các bất thường trên siêu âm tim thai nhi, cụ thể ở hai mặt cắt ngang là chế độ xem bốn buồng tim (Four Chamber View – 4CV) và chế độ xem ba mạch máu và khí quản (Three Vessel and Trachea View – 3VTV). Trong nghiên cứu, chúng tôi áp dụng học sâu (Deep Learning – DL) để huấn luyện các mô hình và tiến hành thử nghiệm nhiều lần trên cùng tập dữ liệu. Với đặc thù tập dữ liệu ở mức vừa và nhỏ, cùng với tính chất phức tạp và sự ảnh hưởng đa chiều từ các yếu tố trên hình ảnh siêu âm tim thai nhi, chúng tôi lựa chọn sáu mô hình để tiến hành thử nghiệm, bao gồm: MobileNetV2, EfficientNetB2, VGG16, InceptionV3, Xception và DenseNet169. Sau đó, nhằm đảm bảo tính ổn định và nâng cao hiệu suất, chúng tôi áp dụng phương pháp tích hợp dựa trên xếp hạng điểm mờ (Fuzzy Rank-Based Ensemble). Phương pháp này đã giúp cải thiện đáng kể độ chính xác, đạt mức từ 96% đến 97% trong việc phân loại ba lớp: hai lớp bất thường (4CV và 3VTV) và một lớp bình thường (Normal). CHƯƠNG 1. TỔNG QUAN CHƯƠNG 2. CƠ SỞ LÝ THUYẾT CHƯƠNG 3. PHƯƠNG PHÁP THỰC HIỆN CHƯƠNG 4. THỰC NGHIỆM VÀ ĐÁNH GIÁ KẾT QUẢ CHƯƠNG 5. KẾT LUẬN VÀ PHƯƠNG HƯỚNG PHÁT TRIỂN
Bản toàn văn lưu tại thư viện Đại học Quốc gia TP. Hồ Chí Minh
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
- Nhận diện một số hành động trong nhà của con người sử dụng Kinect
- Phát hiện bảng sử dụng phương pháp học sâu
- Hệ thống tạo đề thi tự động dựa trên kiến trúc đa tác tử
- Phương pháp dựa trên máy học cho bài toán định tuyến xe động với nhận và giao hàng
- Nhận dạng vân lòng bàn tay dựa vào mẫu hướng phân biệt và nổi bật cục bộ
- Phát triển một số mô hình và thuật toán xử lý tự động biểu mẫu viết tay cùng ảnh chân dung (Ứng dụng trong quản lý xuất nhập cảnh)
- Design and implementation of a personalized nutrition platform with AI-based recommendations on mobile
- Tiếp cận đại số cho bài toán đảm bảo tính riêng tư dữ liệu trên mạng cảm ứng không dây
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.