ỨNG DỤNG HỌC SÂU ĐỂ CHẨN ĐOÁN BỆNH NHÂN COVID-19 QUA ẢNH CT PHỔI

Abstract

Trong luận văn này, ứng dụng các phương pháp học sâu được giới thiệu để xây dựng mô hình chẩn đoán bệnh nhân COVID-19 qua ảnh CT phổi. Một bộ dữ liệu đường gồm 2794 ảnh CT phổi sẽ được thu thập từ 2 bộ dữ liệu COVID-CT-Dataset: A CT Scan Dataset about COVID-19 [18] và SARS-COV-2 CT-Scan Dataset [28] [29] được dùng để huấn luyện các mô hình phân loại hình ảnh CT phổi mắc bệnh COVID-19. Mô hình phân loại ảnh CT phổi đươc huấn luyện trên ba mô hình là VGG16, DensNET, ResNET. Kết quả thực nghiệm được thực hiện trên 500 ảnh với trung bình precision, recall và F1-score của mô hình ResNET là 93%, 99% và 96%; cao hơn hai mô hình còn lại là VGG16 là 65%, 96% và 77% và mô hình DenseNET là 90%, 99% và 94%. Từ các kết quả kiểm thử mô hình cho thấy mô hình ResNET phù hợp để ứng dụng vào việc hỗ trợ chẩn đoán hình ảnh CT phổi trong lĩnh vực y tế.