ỨNG DỤNG GENERATIVE ADVERSARIAL NETWORKS PHÂN TÍCH ẢNH Y KHOA

Abstract

Ung thư vú là một căn bệnh nghiêm trọng hiện nay, cần được chẩn đoán và điều trị chính xác. Một cách để hỗ trợ các bác sĩ lâm sàng trong quá trình xác định bệnh và được áp dụng vào y tế là sử dụng các công cụ chuẩn đoán có sự hỗ trợ của máy tính để tự động phân chia các bệnh ung thư vú qua hình ảnh siêu âm. Em xin đề xuất một phương pháp dựa trên kỹ thuật học sâu tiềm năng trong phân tích ảnh y khoa là mạng đối nghịch tạo sinh (GAN). Đề tài dựa trên ảnh siêu âm nhằm tìm ra phương pháp chuẩn đoán ung thư vú với ba phân lớp: lành tính, ác tính và bình thường. Đi sâu vào và tìm hiểu kĩ hơn về phân lớp thì hệ thống sử dụng tăng cường số lượng ảnh GAN với mô hình EfficientNetB3 đạt kết quả (Accuracy : 0.97535) và mô hình ResNet50 kết hợp với tăng cường chất lượng ảnh SRGAN (Accuracy: 0.86325) cao hơn so với dữ liệu gốc là 0.18048, 0.008547 và cao hơn các nghiên cứu trước. Các mô hình được em đánh giá, huấn luyện trên tập dữ liệu gồm 780 ảnh của 600 phụ nữ. Với các độ đo khác nhau như Accuracy, F1, Recall và Precision thì kết quả thực nghiệm cho ra kết quả tốt với thời gian chạy ngắn và ít tốn bộ nhớ từ các kết quả trên cho thấy các giải thuật đề xuất trên là hợp lí cho nhiệm vụ phân lớp. Trong quá trình thực hiện đề tài em đã sử dụng các ngôn ngữ và công cụ hỗ trợ như: ngôn ngữ lập trình Python và các công cụ Kaggle, Google Colab làm môi trường để chạy các thực nghiệm và ghiên cứu. Cùng với đó là sự bổ trợ của các thư viện để hỗ trợ các kiến trúc học sâu được kết quả tốt. Nghiên cứu trên mang tính thử nghiệm đóng vai trò quan trọng trong việc giúp các y bác sĩ chuẩn đoán bệnh thông qua hình ảnh nhờ sự phát triển của trí tuệ nhân tạo. Các kết quả của nghiên cứu này không chỉ giúp cải thiện chính xác và nhanh chóng quá trình chuẩn đoán bệnh mà còn mở ra những triển vọng mới trong lĩnh vực y học. Điều này chứng tỏ rằng sự kết hợp giữa trí tuệ nhân tạo vào y học là một bước tiến quan trọng trong việc phát triển ngành y học hiện đại.