CHẨN ĐOÁN BỆNH ĐƯỜNG TIÊU HÓA DỰA TRÊN ẢNH NỘI SOI BẰNG CÁC KỸ THUẬT MÁY HỌC

Abstract

Chất lượng cuộc sống đang được cải thiện; tuy nhiên, chúng ta không thể tránh khỏi nhiều nguy cơ mắc các bệnh nghiêm trọng. Một ví dụ điển hình mà chúng tôi muốn đề cập đến là ung thư đại trực tràng, chủ yếu bắt nguồn từ polyps. Mục tiêu chính của trong bài viết này là giải quyết vấn đề nhanh chóng bằng cách sử dụng công nghệ nhận dạng và phân loại thông qua hình ảnh thu được từ nội soi nang không dây với chi phí giảm tối thiểu. Nghiên cứu đã tiến hành sử dụng các phiên bản khác nhau của phương pháp hợp nhất các mạng đã nén. Cụ thể, nghiên cứu đã kết hợp hai mô hình mạng nén, EfficientNetB0 và MobileNetV2, để phát triển một giải pháp phân loại ảnh nội soi đường tiêu hóa đáp ứng được yêu cầu đặt ra. Các mô hình được huấn luyện và được đánh giá trên 2 tập dữ liệu bào gồm: Bộ dữ liệu Kvasir-V1 gộp với bộ dữ liệu ETIS-Larib Polyp DB gồm 6000 hình ảnh nội soi được phân chia đều cho 4 phân lớp và tập dữ liệu thứ hai là bộ dữ liệu Kvasir-V2 gồm 8000 hình ảnh nội soi được phân chia đều cho 8 phân lớp. Nghiên cứu sử dụng các bộ dữ liệu để đào tạo, đánh giá và so sánh với công trình cùng sử dụng bộ dữ liệu đã công bố. Bên cạnh đó, để xác định được rõ ràng được vị trí của khối u polyps nghiến cứu này đã đề xuất sử dụng một kỹ thuật kết hợp kiến trúc U-Net với các phiên bản backbone VGG-16 và VGG-19. Bộ dữ liệu được lựa chọn là HyperKvasir Segmented Images để đào tạo và đánh giá mô hình bao gồm 1000 ảnh nôi soi polyps. Đồng thời các kết quả nghiên cứu được so sánh với các công trình liên quan đã được công bố. Kết quả của quá trình thử nghiệm này là những gì được nghiên cứu mong đợi. Sau khi các mô hình được huấn luyện, các mô hình được tích hợp vào hệ thống trên nền tảng Website. Kết quả của nghiên cứu mang lại đóng góp vào việc áp dụng các kỹ thuật máy học vào lĩnh vực y tế. Hỗ trợ bác sĩ trong việc chẩn đoán nâng cao chất lượng, tiết kiệm thời gian và chi phí. Từ khóa: Polyps, phân loại ảnh nội soi đường tiêu hóa, phân vùng ảnh, tăng cường dữ liệu.