ỨNG DỤNG DEEP LEARNING NHẬN DIỆN BỆNH VIÊM PHỔI VÀ LAO PHỔI QUA HÌNH ẢNH X-QUANG

Bạn đang xem bản rút gọn của tài liệu. Xem và tải ngay bản đầy đủ của tài liệu tại đây (952.75 KB, 21 trang )

Trang 2<div class="page_container" data-page="2">

Lý do chọn đề tài:

Deep Learning(Học sâu) bắt chước hoạt động của bộ nãoconngười trong việc xử lí dữ liệu và tạo ra các model có thểsử dụng tốt trong việc nhận diện và phân loại các hình ảnhcóđộ phức tạp cao.

Nhóm nghiêncứu đã đặt ra vấn đề: “Làm thế nào có thể ứngdụng học sâu trong việc nhận diện và phân biệt các hình ảnhX-quang cóđộ nhiễu lớn, như hình ảnh X-quang của các

loại bệnh viêm phổi và lao phổi, giúp cho cơng tác chẩn

đốn hình ảnh của các bác sỹ đơn giản và chính xác hơn?”.

</div>Trang 3<div class="page_container" data-page="3">

Mục tiêu nghiên cứu:

1. Mục tiêu tổng quát:

</div>Trang 4<div class="page_container" data-page="4">

Mục tiêu nghiên cứu:

2. Mục tiêu cụ thể:

- Tìmhiểu về thực trạng bệnh Viêm phổi và bệnh Lao phổi và dữ liệu X-quang về hailoại bệnh này.

-Lựa chọn mơ hình học sâu phù hợp và huấn luyện mơ hình lựa chọn để nhận diệnbệnh viêm phổi, bệnh lao phổi và trạng thái không bị bệnh.

- Xâydựng một phần mềm đơn giản, dễ sử dụng, nhận diện hình ảnh X- quang phổivà cho rakết quả là phổi đang bị bệnh viêm phổi hay lao phổi hay khơng bị bệnhmột cách chính xác nhất. Đánh giá kết quả và triển khai mơ hình thử nghiệm.

</div>Trang 5<div class="page_container" data-page="5">

Phương pháp nghiên cứu:

1. Phương pháp nghiên cứu lý thuyết

</div>Trang 6<div class="page_container" data-page="6">

Phương pháp nghiên cứu:

nhiều lần thử nghiệm

2. Phương pháp nghiên cứu thực nghiệm

</div>Trang 8<div class="page_container" data-page="8">

Python là một ngơn ngữ lập trình được sử dụng rộng rãi trong các ứngdụng web, phát triển phần mềm, khoa học dữ liệu, máy học (MachineLearning) cũng như học sâu (Deep Learning). Các nhà phát triển sử dụngPython vì nó hiệu quả, dễ học và có thể chạy trên nhiều nền tảng khácnhau. Phần mềm Python được tải xuống miễn phí, tích hợp tốt với tất cảcác loại hệ thống và tăng tốc độ phát triển. Nhận thấy tiềm năng đó,nhóm tác giả quyết định chọn Python để lập trình Deep Learning cũngnhư tạo lập phần mềm.

Thiết kế nghiên cứu

1. Ngơn ngữ lập trình - Python

</div>Trang 9<div class="page_container" data-page="9">

PyTorch là một framework được xây dựng dựa trên Python cung cấp nềntảng tính tốn khoa học phục vụ lĩnh vực Deep learning. Pytorch tậptrung vào 2 khả năng chính:

Một sự thay thế cho bộ thư viện Numpy để tận dụng sức mạnh tính tốncủa GPU.

Một platform Deep Learning phục vụ trong nghiên cứu, mang lại sự linhhoạt và tốc độ.

2. Thư viện mã nguồn mở PyTorch

Thiết kế nghiên cứu

</div>Trang 10<div class="page_container" data-page="10">

3. Cấu trúc CNN hiện đại Resnet-50

Hình 1: Cấu trúc Resnet-50

</div>Trang 11<div class="page_container" data-page="11">

4. Mơ hình hoạt động nhận diện và phân loại:

- Sơ đồ quy trình nhận diện và phân loại: (Verma et al., 2020)

Thiết kế nghiên cứu

Hình 2. Sơ đồ quy trình nhận diện và phân loại

</div>Trang 12<div class="page_container" data-page="12">

5. Biểu diễn Bộ phân loại mạng thần kinh

Thiết kế nghiên cứu

Hình 3. Biểu diễn Bộ phân loại mạng thần kinh

</div>Trang 13<div class="page_container" data-page="13">

6. Chọn mẫu nguyên cứu - Kaggle

Thiết kế nghiên cứu

Số ảnh được sử dụng cho việc huấn luyện Model được lấy từ diễn đàn Kaggle, cụ thể:ảnh Bình thường: 1341 ảnh, ảnh Viêm phổi: 3875 ảnh và ảnh Lao phổi: 1036 ảnh.Tuy nhiên để đảm cân bằng dữ liệu, tăng độ chính xác của phần mềm, chúng em chọncân bằng số lượng ảnh khi huấn luyện model, cụ thể: ảnh Bình thường: 1000 ảnh, ảnhViêm phổi: 1000 ảnh và ảnh Lao phổi: 1000 ảnh.

- Những hình ảnh chụp X-quang phổi Bình thường và Viêm phổi được lấy từ cácbệnh nhân nhi từ 1 đến 5 tuổi từ Trung tâm Y tế Phụ nữ và Trẻ em Quảng Châu(Guangzhou Women and Children’s Medical Center), tỉnh Quảng Châu, Trung Quốc- Những hình ảnh chụp X-quang bệnh Lao phổi được tổng hợp từ: Bộ dữ liệu NLM;Bộ dữ liệu Belarus; Bộ dữ liệu RSNA CXR; Bộ dữ liệu NIAID TB.

</div>Trang 14<div class="page_container" data-page="14">

Kết quả và thảo luận

1. Giới thiệu sơ đồ hoạt đồng của phần mềm

2. Demo phần mềm

</div>Trang 15<div class="page_container" data-page="15">

Bảng 2: Kiểm định tương quan nhãn dự đoán và nhãn đúng

Kết quả và thảo luận

</div>Trang 16<div class="page_container" data-page="16">

Dựa vào số liệu trên, đánh giá các chỉ số chính xác ở bảng 2:

Chỉ số đánh

giáBình thườngBệnh Viêm

phổiBệnh Lao phổi

</div>Trang 17<div class="page_container" data-page="17">

Bao gồm độ chính xác trung bình 95% như Bảng 5 dưới đây

Hình 4: Đánh giá accuracy

Kết quả và thảo luận

</div>Trang 18<div class="page_container" data-page="18">

Kết luận

Xây dựng được phần mềm dễ sử dụng giúp người dùng có thể dễ dàngđưa ảnh X-quang của phổi vào để nhận diện các bệnh viêm phổi, lao phổihoặc khơng bệnh với độ chính xác cao.

Hỗ trợ cho các y sinh, bác sĩ thực tập, chưa có nhiều kinh nghiệm trongviệc phân biệt hai loại bệnh trên của phổi qua phim X-quang, có thể thựctập nâng cao trình độ và chẩn đốn chính xác hơn loại bệnh phổi màbệnh nhân đang gặp phải để kịp thời chữa trị.

1. Kết quả đạt được của dự án:

</div>Trang 19<div class="page_container" data-page="19">

Đề tài đang giới hạn thực hiện được ở bước phân biệt được hai loại bệnhvề phổi phổ biến: Viêm phổi và Lao phổi.

Bộ dữ liệu máy học chưa đa dạng, với khó khăn trong việc tiếp cận dữliệu nên phần lớn các hình ảnh X-quang được tải về và sử dụng từ nguồndữ liệu trên Internet, chưa có nguồn cung cấp tại các bệnh viện ở ViệtNam.

2. Hạn chế:

Kết luận

</div>Trang 20<div class="page_container" data-page="20">

Hướng phát triển của đề tài

Thử nghiệm với các mơ hình Resnet101, Resnet-152 hoặcVision Transfomerđể tìm kiếm nâng cao độ chính xác.

Xâydựng phần mềm hồn chỉnh đầy đủ, thêm chức nănggiúpquản lí hồ sơ bệnh nhân bị lao hoặc viêm phổi.

Thuthập các nguồn dữ liệu ảnh X-quang của các bệnh việntại Việt Nam.

Nhận diện thêm các loại bệnh khác liên quan đến phổi có thểđược nhận biết qua ảnh X-quang (Ví dụ: Ung thư phổi, Tràndịch màng phổi, Tràn khí màng phổi, Nấm phổi,…)

</div>Trang 21<div class="page_container" data-page="21">

Để thực hiện được đề tài này, em nhận được sự động viênkhuyến khích từ gia đình và sự giúp đỡ tận tình của các thầy cơ giáo.Và em xin chân thành cảm ơn Ban tổ chức và Ban giám khảo đã tạođiều kiện cho em được trình bày ý tưởng của mình qua Hội thi. Xinđón nhận những đóng góp ý kiến của các thầy cơ để đề tài của emđược hoàn thiện hơn. Em xin trân trọng cảm ơn!

Lời cảm ơn

</div>

ỨNG DỤNG DEEP LEARNING NHẬN DIỆN BỆNH VIÊM PHỔI VÀ LAO PHỔI QUA HÌNH ẢNH X-QUANG

Tài liệu liên quan

Tài liệu bạn tìm kiếm đã sẵn sàng tải về