Ứng dụng mạng nơ-ron xác định khả năng ung thư da dựa vào hình ảnh
Luận văn · Thạc sĩ · năm 2019 · đề tài tham khảo
| Loại tài liệu | Luận văn |
|---|---|
| Bậc học | Thạc sĩ |
| Ngành | Công nghệ thông tin — Kỹ thuật |
| Tác giả | Huỳnh Chỉnh |
| Người hướng dẫn | Huỳnh Việt Thắng |
| Cơ sở đào tạo | Trường Đại học Bách khoa, Đại học Đà Nẵng |
| Năm | 2019 |
| Nguồn | Thư viện số Trường Đại học Bách khoa, Đại học Đà Nẵng · trang gốc |
Tóm tắt
Gần đây, kỹ thuật học sâu (Deep Learning) đã tạo ra những bước tiến đáng kể trong việc giải quyết các bài toán phân tích hình ảnh, đặc biệt trong phân tích hình ảnh y tế đã cho phép phát triển các hệ thống chẩn đoán bệnh dựa trên hình ảnh có thể hỗ trợ các bác sĩ đưa ra quyết định tốt hơn về sức khỏe của bệnh nhân. Chẩn đoán bệnh dựa trên hình ảnh da người là một lĩnh vực mà các phương pháp mới này có thể được áp dụng với tỉ lệ thành công cao. Luận văn này tập trung vào vấn đề dựa vào hình ảnh trích xuất vùng da bị tổn thương và thực hiện phân loại để xác định khả năng bị bệnh ung thư da. Luận văn sử dụng kiến trúc mạng nơ-ron Unet để thực hiện việc phân vùng trích xuất vùng da bị tổn thương và loại bỏ các thành phần không cần thiết trong hình ảnh trích xuất. Tiếp theo, luận văn sử dụng mô hình mạng nơ-ron VGG để thực hiện phân loại ảnh trích xuất để phát hiện bệnh lành tính hay ác tính. Cuối cùng, luận văn thực hiện đánh giá toàn bộ hệ thống khi kết hợp hai mô hình phân vùng – phân loại so với hệ thống chỉ sử dụng một mô hình phân loại. Kết quả thử nghiệm trên bộ dữ liệu ISIC-2018 cho thấy hệ thống đạt được độ chính xác khá cao, có thể mở ra một hướng nghiên cứu và ứng dụng đầy hứa hẹn của kỹ thuật học sâu trong xử lý hình ảnh y tế để hỗ trợ chẩn đoán bệnh dựa vào hình ảnh
Bản toàn văn lưu tại thư viện Trường Đại học Bách khoa, Đại học Đà Nẵng
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
- Nghiên cứu đặc tính của hệ thống truy cập quang - vô tuyến sử dụng băng tần cao SCM/MMW/RoF cho thông tin di động thế hệ mới
- Nghiên cứu hệ thống canh tác chính xác ứng dụng Robot, AI và IoT
- Nghiên cứu phương pháp nhận dạng số nhà từ ảnh chụp đường phố
- Phân loại luồng dữ liệu sử dụng mạng Nơ-ron
- Nghiên cứu thuật toán khử nhiễu ảnh dựa trên phương pháp biến phân
- Nhận dạng hình ảnh bằng cách kết hợp mạng Neural tích chập và mạng Neural truyền thống
- Xây dựng môi trường tự xác minh cho SRAM cổng kép bằng phương pháp xác minh phổ quát
- Nghiên cứu ứng dụng trí tuệ nhân tạo trong hệ thống phát hiện vết nứt bề mặt
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.