LuanVan.vnLuận Văn
Gửi thư

ỨNG DỤNG HỌC SÂU VÀO PHÁT HIỆN CÁC TẾ BÀO BỊ NHIỄM BỆNH SỐT RÉT TRÊN HÌNH ẢNH

Khoá luận tốt nghiệp · Đại học · năm 2021 · đề tài tham khảo

Loại tài liệuKhoá luận tốt nghiệp
Bậc họcĐại học
NgànhCông nghệ thông tin
Tác giảNguyễn Quốc Thịnh
Người hướng dẫnVõ Trí Thức
Cơ sở đào tạoTrường Đại học Cần Thơ
Năm2021
NguồnThư viện số Trường Đại học Cần Thơ · trang gốc

Tóm tắt

Trong luận văn này, chúng tôi trình bày phương pháp ứng dụng mô hình học sâu cho phân loại ảnh y khoa – bệnh sốt rét. Dựa trên đặc trưng của các tế bào trong máu người bệnh sốt rét, chúng tôi gán nhãn cho các đối tượng trong ảnh, vận dụng các mô hình học sâu như là: YOLOv4, RetinaNet50 và UNET để huấn luyện và kiểm thử. Tập dữ liệu gốc ban đầu gồm 210 ảnh, đối với mô hình YOLOv4 và RetinaNet50 chúng tôi sử dụng các biện pháp Tăng cường dữ liệu từ 210 ảnh lên 695 ảnh. Sau đó phân chia tập dữ liệu này làm hai phần với 515 ảnh (75%) ảnh cho huấn luyện, 180 ảnh (25 %) cho cho kiểm thử và đánh giá. Mô hình UNET chúng tôi sử dụng 210 ảnh gốc chưa qua tăng cường dữ liệu, phân chia tập dữ liệu làm hai phần với với 189 (90%) ảnh cho huấn luyện và 21 ảnh (10%) cho kiểm thử và đánh giá. Kết quả kiểm thử và đánh giá hai mô hình YOLOv4 và RetinanNet50 với ba chỉ số đánh Precision (độ chính xác), Recall (độ bao phủ) và F1-score (trung bình điều hòa của precision và recall) cho kết quả mô hình YOLOv4 precision 83%, recall 80%, F1-score 82%, mô hình RetinaNet50 precision 88%, recall 84%, F1-score 87%. Với mô hình UNET kết quả cho chỉ số IoU là 88%. Kết quả đạt được của hệ thống ứng dụng học sâu vào phát hiện các tế bào bị nhiễm bệnh sốt rét trên hình ảnh cho phép người dùng có thể nhận dạng các loại tế bào trong ảnh về máu của người bệnh sốt rét.
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.