TIẾP CẬN MÔ HÌNH HỌC SÂU TRONG VIỆC NHẬN DẠNG THÀNH PHẦN THUỐC ĐÔNG Y TẠI VIỆT NAM

Abstract

Đề tài "Tiếp cận mô hình học sâu trong việc nhận dạng thành phần thuốc đông y tại Việt Nam" đã hỗ trợ cho phát triển đáng kể của lĩnh vực thị giác máy tính, máy học và học sâu. Sử dụng các thuật toán máy học tiên tiến như CNN (Convolutional Neural Network) và các mô hình hiện đại như YOLO, RT-DETR, mô hình này có khả năng phân loại và nhận dạng chính xác các loại thành phần cây thuốc phổ biến ở Việt Nam dựa trên hình ảnh. Khi ứng dụng công nghệ vào, đã giúp giảm thiểu sự phụ thuộc vào các chuyên gia trong lĩnh vực dược liệu, cùng lúc đó đã nâng cao hiệu quả trong việc phân tích các dược tính, sử dụng trị bệnh, bảo tồn và phát triển các nguồn dược liệu quý. Mô hình còn đóng góp quan trọng trong nghiên cứu và phát triển các bài thuốc Đông y, giúp bảo tồn tri thức truyền thống, đồng thời hỗ trợ cho quá trình hiện đại hóa nền y học cổ truyền Việt Nam. Mục tiêu của mô hình là dự đoán chính xác tên thành phần cây thuốc đông y qua hình ảnh và sau đưa kết quả này vào hệ thống gợi ý bài thuốc. Sau khi nhận dạng được các cây thuốc cụ thể, hệ thống sẽ sử dụng thông tin này để đề xuất những bài thuốc phù hợp dựa trên các thành phần đã nhận dạng. Bằng cách kết hợp trí tuệ nhân tạo và cơ sở dữ liệu y học cổ truyền, hệ thống không chỉ giúp người dùng dễ dàng nhận biết thành phần cây thuốc, mà còn đưa ra các gợi ý chính xác về bài thuốc. Giúp tối ưu hóa quá trình điều trị và sử dụng dược liệu một cách hiệu quả, an toàn.