LuanVan.vnLuận Văn
Gửi thư

ỨNG DỤNG MÔ HÌNH U-NET PHÂN LỚP VÀ PHÁT HIỆN VÙNG BẤT THƯỜNG TRÊN ẢNH MRI SỌ NÃO

Khoá luận tốt nghiệp · Đại học · năm 2020 · đề tài tham khảo

Loại tài liệuKhoá luận tốt nghiệp
Bậc họcĐại học
NgànhCông nghệ thông tin
Tác giảHồ Trọng Nguyễn
Người hướng dẫnTrần Nguyễn Minh Thư
Cơ sở đào tạoTrường Đại học Cần Thơ
Năm2020
NguồnThư viện số Trường Đại học Cần Thơ · trang gốc

Tóm tắt

Hiện nay, các ứng dụng của trí tuệ nhân tạo cho lĩnh vực y học ngày càng tăng. Những ứng dụng này đã tạo ra bước tiến lớn trong sự hỗ trợ về khả năng dự đoán, đánh giá và xác định tổn thương bệnh lý trong y học. Phát hiện những bất thường trong ảnh MRI là một trong những ứng dụng của trí tuệ nhân tạo. Ảnh MRI não là một loại ảnh y khoa có độ phân giải cao và có tính khảo sát đa mặt cắt não bộ, đồng thời có khả năng giúp bác sĩ đánh giá được các tính chất của các mô trong não. Với mục đích hỗ trợ dự đoán và khoanh vùng khối u, mô hình kiến trúc U-Net được áp dụng trên ảnh MRI não. Từ ảnh hoặc tập lát cắt MRI não, mô hình U-Net giúp đưa ra các dự đoán vị trí vùng khối u. Tính chất cơ bản của mô hình là việc rút trích các đặt trưng có trong ảnh để nhận dạng ra vùng bất thường trong ảnh. Mô hình U-Net được huấn luyện trên tập dữ liệu LGG (ảnh màu) với độ chính xác trung bình là 82% Trong đề tài này, mô hình U-Net được hiệu chỉnh, bổ sung để có thể đáp ứng cho các đặt trưng trên ảnh xám và thực nghiệm trên tập dữ liệu Dicom MRI não của các bệnh nhân người Việt. Ngoài việc thay kiểu input đầu vào đáp ứng cho ảnh xám, bước tiền xử lí ảnh nhiễu bằng thư viện OpenCV còn được thực hiện bỗ xung , Kết quả cho thấy độ chính xác của mô hình khoảng 84%.
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.