ỨNG DỤNG HỌC SÂU TRONG PHÂN TÍCH HÌNH ẢNH UNG THƯ VÚ

Abstract

Ung thư vú là căn bệnh phổ biến và nguy hiểm hàng đầu ở phụ nữ Việt Nam, với hơn 24.000 ca mắc mới trong năm 2022, chiếm gần 29% tổng số ca ung thư mới. Trước thực trạng này, đề tài “Ứng dụng học sâu trong phân tích hình ảnh ung thư vú” được thực hiện nhằm phân loại tổn thương tuyến vú theo hệ thống BI-RADS và xác định khả năng mắc ung thư từ ảnh X-quang tuyến vú, qua đó hỗ trợ bác sĩ nâng cao độ chính xác chẩn đoán và rút ngắn thời gian sàng lọc. Dữ liệu sử dụng gồm ảnh X-quang tuyến vú từ các bộ Inbreast, CBIS-DDSM, VinDr-Mammogram và dữ liệu thực tế từ Bệnh viện Ung Bướu Cần Thơ, với tổng số ảnh lên đến hơn 10.000 mẫu sau khi tiền xử lý chuẩn hóa. Ba mô hình học sâu ResNet50, MobileNetV2 và InceptionV3 được huấn luyện để phân loại 6 cấp độ BIRADS, có sử dụng phương pháp kết hợp mô hình để tăng độ chính xác. Hệ thống website được phát triển bằng ReactJS, TailwindCSS (frontend) và FastAPI (backend), triển khai trên AWS (EC2, S3, VPC, DocumentDB, Security Groups, Amplify) và tích hợp quy trình CI/CD để tự động hóa triển khai. Kết quả cho thấy hệ thống đạt độ chính xác cao trong phân loại lành tính – ác tính, nhờ cải thiện nhờ kỹ thuật kết hợp mô hình nên độ chính xác ở phân loại 6 lớp BI-RADS được tăng cường nhưng vẫn còn thấp nhưng cũng cho thấy khả năng áp dụng các mô hình học sâu trong việc hỗ trợ chẩn đoán bệnh ung thư vú là khả thi. Từ khóa: Học sâu, Ung thư vú, Chẩn đoán hình ảnh y khoa, Phân loại BI-RADS