LuanVan.vnLuận Văn
Gửi thư

ỨNG DỤNG MÔ HÌNH AI KẾT HỢP TRONG CHẨN ĐOÁN VÀ PHÂN LOẠI BỆNH PHỔI

Khoá luận tốt nghiệp · Đại học · năm 2025 · đề tài tham khảo

Loại tài liệuKhoá luận tốt nghiệp
Bậc họcĐại học
NgànhCông nghệ thông tin
Tác giảNguyễn Mạnh Việt
Người hướng dẫnNguyễn Minh Khiêm
Cơ sở đào tạoTrường Đại học Cần Thơ
Năm2025
NguồnThư viện số Trường Đại học Cần Thơ · trang gốc

Tóm tắt

COVID-19 là bệnh đường hô hấp cấp do virus SARS-CoV-2 gây ra, lây lan toàn cầu từ cuối năm 2019. Dù đã có vaccine, bệnh vẫn gây biến chứng và lây nhiễm. Ảnh X-quang phổi là công cụ chẩn đoán nhanh, chi phí thấp, hiệu quả trong phát hiện tổn thương phổi do COVID-19, đặc biệt khi thiếu xét nghiệm RT-PCR. Sự phát triển của AI và học sâu cho phép phân tích ảnh X-quang tự động, chính xác, hỗ trợ giảm tải cho bác sĩ và nâng cao hiệu quả chẩn đoán. Trong đề tài này, dữ liệu ảnh X-quang ngực được thu thập, tiền xử lý. Sau đó áp dụng các mô hình học sâu như EfficientNetB0, ResNet50, MobileNetV2 được với phương pháp fine-tuning để phù hợp với bài toán phân loại COVID-19. Ngoài ra, kĩ thuật kết hợp mô hình thông qua averaging được áp dụng nhằm cải thiện độ chính xác chẩn đoán. Các mô hình được huấn luyện và đánh giá bằng các chỉ số như Accuracy, Precision, Recall, F1- Score và AUC-ROC. Cuối cùng, kết quả được phân tích để so sánh hiệu suất giữa các mô hình và đề xuất hướng tối ưu hóa. Kết quả thực nghiệm cho thấy mô hình kết hợp đạt độ chính xác 95%, cao hơn so với sử dụng các mô hình riêng lẻ từ 2% đến 6% và độ lỗi 0.2017, thấp hơn so với sử dụng các mô hình riêng lẻ từ 0.01 đến 0.115, đồng thời chỉ số F1-score trên các lớp đạt từ 93% dến 98% sau quá trình huấn luyện và xác thực.
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.