ỨNG DỤNG MÔ HÌNH CNN NHẬN DẠNG THUỐC VIÊN

Abstract

Để giúp phụ huynh nhận dạng thuốc viên một cách chính xác và nhanh chóng, đặc biệt trong trường hợp thiếu thông tin hoặc không có đơn thuốc rõ ràng, khi bác sĩ không đưa toa thuốc cho phụ huynh nên đề tài “Ứng dụng mô hình CNN nhận dạng thuốc viên” được thực hiện. Đề tài xây dựng một trang web nhỏ gọn và đơn giản nhằm nhận dạng thuốc viên sử dụng mô hình CNN - Convolutional Neural Network để trích xuất các đặc trưng hình ảnh (màu sắc, hình dạng, ký hiệu) sau bước tiền xử lý ảnh (chuyển đổi ảnh xám, lọc nhiễu, phát hiện cạnh). Sau đó sử dụng kNN - k-Nearest Neighbors để thực hiện phân loại thuốc viên. Mô hình sử dụng được huấn luyện và đánh giá trên bộ dữ liệu gồm 12 loại thuốc viên phổ biến tại Việt Nam, với dữ liệu được tăng cường để cải thiện hiệu quả trong điều kiện dữ liệu hạn chế. Kết quả thực nghiệm cho thấy mô hình CNN kết hợp kNN đề xuất đạt được độ chính xác cao trong việc nhận dạng 12 loại thuốc viên thử nghiệm, cho thấy sự cải thiện hiệu quả so với phương pháp không kết hợp, trong khi vẫn duy trì thời gian xử lý hiệu quả. Mô hình chứng tỏ tiềm năng ứng dụng thực tế trong việc hỗ trợ nhận dạng thuốc chính xác.