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

Abstract

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%.