LuanVan.vnLuận Văn
Gửi thư

ỨNG DỤNG GENERATIVE ADVERSARIAL NETWORKS PHÂN TÍCH ẢNH Y KHOA

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 giảĐổ Cẩm Huyền
Người hướng dẫnNguyễn Thanh Hải; Lương Hoàng Hướng
Cơ sở đào tạoTrường Đại học Cần Thơ
Năm2024
NguồnThư viện số Trường Đại học Cần Thơ · trang gốc

Tóm tắt

Ung thư vú là một căn bệnh nghiêm trọng hiện nay, cần được chẩn đoán và điều trị chính xác. Một cách để hỗ trợ các bác sĩ lâm sàng trong quá trình xác định bệnh và được áp dụng vào y tế là sử dụng các công cụ chuẩn đoán có sự hỗ trợ của máy tính để tự động phân chia các bệnh ung thư vú qua hình ảnh siêu âm. Em xin đề xuất một phương pháp dựa trên kỹ thuật học sâu tiềm năng trong phân tích ảnh y khoa là mạng đối nghịch tạo sinh (GAN). Đề tài dựa trên ảnh siêu âm nhằm tìm ra phương pháp chuẩn đoán ung thư vú với ba phân lớp: lành tính, ác tính và bình thường. Đi sâu vào và tìm hiểu kĩ hơn về phân lớp thì hệ thống sử dụng tăng cường số lượng ảnh GAN với mô hình EfficientNetB3 đạt kết quả (Accuracy : 0.97535) và mô hình ResNet50 kết hợp với tăng cường chất lượng ảnh SRGAN (Accuracy: 0.86325) cao hơn so với dữ liệu gốc là 0.18048, 0.008547 và cao hơn các nghiên cứu trước. Các mô hình được em đánh giá, huấn luyện trên tập dữ liệu gồm 780 ảnh của 600 phụ nữ. Với các độ đo khác nhau như Accuracy, F1, Recall và Precision thì kết quả thực nghiệm cho ra kết quả tốt với thời gian chạy ngắn và ít tốn bộ nhớ từ các kết quả trên cho thấy các giải thuật đề xuất trên là hợp lí cho nhiệm vụ phân lớp. Trong quá trình thực hiện đề tài em đã sử dụng các ngôn ngữ và công cụ hỗ trợ như: ngôn ngữ lập trình Python và các công cụ Kaggle, Google Colab làm môi trường để chạy các thực nghiệm và ghiên cứu. Cùng với đó là sự bổ trợ của các thư viện để hỗ trợ các kiến trúc học sâu được kết quả tốt. Nghiên cứu trên mang tính thử nghiệm đóng vai trò quan trọng trong việc giúp các y bác sĩ chuẩn đoán bệnh thông qua hình ảnh nhờ sự phát triển của trí tuệ nhân tạo. Các kết quả của nghiên cứu này không chỉ giúp cải thiện chính xác và nhanh chóng quá trình chuẩn đoán bệnh mà còn mở ra những triển vọng mới trong lĩnh vực y học. Điều này chứng tỏ rằng sự kết hợp giữa trí tuệ nhân tạo vào y học là một bước tiến quan trọng trong việc phát triển ngành y học hiện đại.
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.