ỨNG DỤNG MÁY HỌC TRONG BÀI TOÁN PHÂN VÙNG VÀ PHÂN LỚP BỆNH UNG THƯ VÚ

Abstract

Trong kỷ nguyên công nghiệp 4.0, sự phát triển mạnh mẽ của khoa học kỹ thuật đã thúc đẩy những tiến bộ đáng kể trong y học, đặc biệt là chẩn đoán bệnh hiện đại. Chẩn đoán qua ảnh siêu âm, một kỹ thuật có độ chính xác cao, trước đây chủ yếu dựa vào kỹ năng và kinh nghiệm của bác sĩ. Tuy nhiên, với sự phát triển của trí tuệ nhân tạo (AI), các phương pháp ứng dụng máy học ngày càng mang lại hiệu quả vượt trội. Đề tài “Ứng dụng máy học trong phân vùng và phân lớp bệnh ung thư vú” được thực hiện nhằm phát triển phương pháp chẩn đoán dựa trên ảnh siêu âm, phân loại thành ba lớp: bình thường, lành tính và ác tính. Đặc biệt, kỹ thuật DCGAN (Deep Convolutional Generative Adversarial Networks) được sử dụng để tăng cường bộ dữ liệu y khoa, đồng thời so sánh hiệu quả của các ảnh tạo ra bằng ResNet50. Mô hình SwinV2, với cơ chế cửa sổ trượt (shifted windows) và khả năng khai thác hiệu quả thông tin không gian, được lựa chọn để phân loại ảnh siêu âm. Ngoài ra, U-Net được áp dụng để phân vùng khối u trong ảnh thông qua kiến trúc encoder-decoder và skip connections, giúp cải thiện khả năng nhận diện chi tiết Nghiên cứu sử dụng hai tập dữ liệu: BUIS (780 hình ảnh siêu âm từ 600 phụ nữ) và STU (42 hình ảnh siêu âm từ Đại học Shantou), với các kết quả đánh giá thông qua các chỉ số Precision, Recall, mAP, Accuracy, F1-score và IoU. Với sự áp dụng của trí tuệ nhân tạo trong y học, nghiên cứu này không chỉ đóng góp vào việc cải thiện độ chính xác và tốc độ của quá trình chẩn đoán, mà còn giúp giảm thiểu sai sót do yếu tố con người, nâng cao hiệu quả điều trị và hỗ trợ bác sĩ trong việc đưa ra quyết định nhanh chóng và chính xác. Trí tuệ nhân tạo đang ngày càng trở thành một công cụ mạnh mẽ trong việc phát triển y học hiện đại. Từ khóa: Ảnh siêu âm, ung thư vú, máy học, phân lớp hình ảnh, phân vùng hình ảnh.