CHẨN ĐOÁN U NÃO DỰA TRÊN ẢNH Y KHOA MRI BẰNG HỌC SÂU

Abstract

Bệnh hiểm nghèo đã và đang gây nên nỗi khổ cùng cực cho bệnh nhân và gia đình của những bệnh nhân ấy. Trong đó, u não là một bệnh lý phức tạp, nguy hiểm và đòi hỏi sự hỗ trợ của công nghệ trong chẩn đoán và điều trị. U não ảnh hưởng nghiêm trọng đến sức khỏe con người và thậm chí có thể dẫn đến tử vong. Việc chẩn đoán sớm và chính xác từ ảnh chụp cộng hưởng từ (MRI) đóng vai trò quan trọng hỗ trợ các bác sĩ đưa ra quyết định điều trị. Việc ứng dụng các mô hình học sâu trong chẩn đoán đang ngày càng phát triển đặc biệt là U-Net đã và đang được ứng dụng rộng rãi trong phân đoạn ảnh y tế. Nghiên cứu này đề xuất các phương pháp sử dụng các mô hình học sâu U-Net, U-Net++, U-Net3+, Attention U-Net, Efficient U-Net để phân đoạn u não trên tập dữ liệu Brain Tumor Segmentation 2020 (BraTS20). Tập dữ liệu BraTS20 gồm 369 bệnh nhân. Mỗi bệnh nhân gồm 4 chế độ hiển thị ảnh là T1, T1ce, T2, Flair và 1 tập nhãn. Tập dữ liệu có tổng cộng khoảng 228.780 ảnh 2D MRI và 57.195 ảnh 2D MRI là nhãn. Để tìm ra mô hình hiệu quả nhất, nghiên cứu này đã lựa chọn Accuracy, Dice, IoU, Precision, Sensitivity, Specificity và Loss là các chỉ số để đánh giá mô hình và so sánh kết quả các mô hình. Không chỉ so sánh giữa các mô hình được sử dụng trong nghiên cứu này tìm ra mô hình hiệu quả nhất và dùng nó để so sánh các công trình liên quan đã được công bố. Sau khi tìm ra được mô hình hiệu quả nhất, mô hình này được tích hợp vào hệ thống website hỗ trợ chẩn đoán u não bằng hình ảnh. Kết quả nghiên cứu góp phần thúc đẩy ứng dụng các kỹ thuật học máy trong y tế, giúp bác sĩ chẩn đoán chính xác hơn, nâng cao chất lượng điều trị, đồng thời giảm thiểu thời gian và chi phí.