ỨNG DỤNG MÔ HÌNH FASTER-RCNN PHÁT HIỆN VÙNG BẤT THƯỜNG TRÊN ẢNH CT NGỰC

Abstract

Ung thư phổi là căn bệnh nguy hiểm, bác sĩ thường dựa vào những hình ảnh CT ngực để có xác định được khối u. Hiện nay, việc xác định khối u trong phổi qua hình ảnh CT ngực được hỗ trợ không nhỏ của trí tuệ nhân tạo và thị giác máy tính. Trong luận văn này, mô hình phát hiện vùng bất thường trên ảnh CT ngực bằng cách sử dụng mô hình Faster-RCNN được nghiên cứu và xây dựng. Mô hình VGG16 được sử dụng để rút trích đặc trưng về hình ảnh trong mô hình Faster-RCNN. Đặc trưng thu được từ mô hình VGG16 là đầu vào của mô hình mạng Region Proposal Netword (RPN) để thu được những vùng ảnh cần phân loại. Sau đó, mô hình Fast-RCNN được sử dụng phát hiện vị trí của vùng bất thường. Dựa vào tập dữ liệu ảnh CT LUNA16, 950 ảnh được sử dụng huấn luyện và 326 ảnh được sử dụng để đánh giá. Hiệu quả đánh giá quá trình phát hiện vùng bất thường được thực hiện trên 34 lần lập với tổng thời gian 12 giờ 49 phút. Quá trình đánh giá trên 326 ảnh có giá trị mất mát tổng thể là 0.11 trong đó phân lớp RPN có giá trị mất mát là 0.023, mất mát của quá trình RPN Regression 0.032, mất mát của quá trình phân lớp RCNN 0.038 và RCNN Regresion 0.008. Kết quả đạt được của đề tài này là áp dụng mô hình Faster-RCNN để phát hiện ra vùng bất thường có kích thước nhỏ 3-5mm trên ảnh CT ngực. Thời gian huấn luyện quá trình phát hiện vùng bất thường trên mỗi hình ảnh CT khoảng 1,43s.