PHÂN ĐOẠN KHỐI U TRÊN NHŨ ẢNH BẰNG KỸ THUẬT HỌC MỜ TRONG MÔI TRƯỜNG DỮ LIỆU LỚN

Abstract

Theo Trung tâm ghi nhận ung thư toàn cầu Globocan năm 2022 [1],ung thư vú ở phụ nữ là loại ung thư nguy hiểm có khả năng gây tử vong, với tỉ lệ mắc phải ở nữ giới trên toàn cầu là 23.8% cao nhất trong số các loại ung thư ở phụ nữ, vì thế việc chẩn đoán và tầm soát ung là một điều cần thiết. Song song đó sự phát triển vượt bậc trong lĩnh vực công nghệ thông tin nói chung và trí tuệ nhân tạo nói riêng đã mở ra nhiều hướng tiếp cận mới trong việc hỗ trợ chẩn đoán và điều trị ung thư vú. Đề tài "Phân đoạn khối u trên nhũ ảnh bằng kỹ thuật học mờ trong môi trường dữ liệu lớn" tập trung vào việc ứng dụng các mô hình học sâu tiên tiến như UNet, UNet++, và TransUNet, kết hợp với các phương pháp học mờ (Fuzzy Logic) như Fuzzy Output và Neuro Fuzzy để nâng cao độ chính xác trong việc phân đoạn khối u trên nhũ ảnh. Bên cạnh đó kỹ thuật xAI Grad-CAM được sử dụng để giải thích một các trực quan và rõ ràng hơn về cách mà các mô hình đưa ra quyết định. Các phương pháp nghiên cứu này được triển khai thực nghiệm trên hai tập dữ liệu là Vindr-Mammo và VN-Bre25 giúp tận dụng khả năng xử lý dữ liệu để trích xuất đặc trưng phức tạp từ hình ảnh y khoa, trong khi kỹ thuật học mờ giúp giải quyết sự không chắc chắn và biến thiên trong dữ liệu nhũ ảnh, từ đó cải thiện khả năng phân đoạn khối u một cách chính xác và đáng tin cậy. Kết quả thực nghiệm trên tập dữ liệu VN-Bre25 cho thấy mô hình UNet++ tích hợp với phương pháp Fuzzy Hybrid có hiệu suất phân đoạn cao nhất trong các mô hình cùng với chỉ số đánh giá lần lượt là Precision 98.38%, Recall 95.68% và IoU 94.20%. Trên tập dữ liệu Vindr-Mammo, mô hình UNet với phương pháp Fuzzy Output cho kết quả phân đoạn tốt nhất với chỉ số IoU là 96.46%. Ảnh Grad-CAM thu được cũng cho thấy cả 2 mô hình đang tập trung rất tốt vào vùng khối u và phân biên của chúng. Nhìn chung hầu hết các phương pháp tích hợp Fuzzy đều mang lại hiệu suất cao hơn so với các mô hình học sâu truyền thống, đặc biệt trong việc xử lý các trường hợp nhũ ảnh có độ phức tạp cao và sự biến thiên lớn về hình dạng, kích thước của khối u. Kết quả này chứng minh tiềm năng của việc kết hợp kỹ thuật học mờ với các mô hình học sâu trong việc nâng cao độ chính xác và độ tin cậy của phân đoạn khối u.