PHÂN VÙNG KHỐI U NÃO VỚI CÁC THUẬT TOÁN MÁY HỌC

Abstract

Đề tài "Phân vùng khối u não với các thuật toán máy học" là một bước tiến quan trọng trong hướng này. Nghiên cứu này tập trung vào việc áp dụng các thuật toán máy học để phân vùng và phát hiện khối u não từ hình ảnh MRI não.Tập dữ liệu được sử dụng trong đề tài này là một tập hợp lớn gồm 3929 hình ảnh MRI từ 110 bệnh nhân mắc bệnh u thần kinh đệm. Mục tiêu chính của nghiên cứu là phân vùng chính xác khối u não. Để đạt được điều này, các nhà nghiên cứu đã thử nghiệm và so sánh hiệu suất của nhiều mô hình máy học khác nhau, bao gồm Unet, Unet++, LinkNet, PSPNet, FPN, DeepLabV3, và DeepLabV3Plus. Các mô hình này đã được kết hợp với các kiến trúc mạng nền (backbone) như EfficientNetB7 và MobileNetV2. Kết quả của nghiên cứu đã chỉ ra rằng mô hình Unet++ kết hợp với backbone EfficientNetB7 có áp dụng kỹ thuật tăng cường dữ liệu, kết hợp với sử dụng trình tối ưu hóa AdamW và Early Stopping Patience mang lại kết quả phân vùng chính xác nhất, vượt trội so với các mô hình khác. Đánh giá dựa trên các độ đo như IoU (Intersection over Union), Dice, Accuracy, Sensitivity và Specificity cho thấy hiệu suất của mô hình này là tốt nhất trong các trường hợp được kiểm tra. Nghiên cứu góp phần hỗ trợ các y bác sĩ chẩn đoán, thấy rõ hơn về các vùng có khối u trong não.