CHẨN ĐOÁN UNG THƯ DA TỪ HÌNH ẢNH SỬ DỤNG MÁY HỌC

Abstract

Ung thư da là một trong những loại ung thư phổ biến nhất hiện nay, đặc biệt tại các khu vực có cường độ tia cực tím (UV) cao ở vùng nhiệt đới như Việt Nam. Việc phát hiện sớm các tổn thương da bất thường đóng vai trò quan trọng trong quá trình điều trị, giúp tăng khả năng chữa khỏi và kéo dài thời gian sống cho người bệnh. Tuy nhiên, việc phân biệt giữa các tổn thương lành tính và ác tính qua hình ảnh vẫn là một thách thức lớn đối với bác sĩ, do nhiều loại tổn thương lành tính và ác tính có hình dạng và màu sắc khá giống nhau. Trong luận văn này đã nghiên cứu việc ứng dụng học sâu vào bài toán phân loại tổn thương da từ hình ảnh. Thay vì đưa toàn bộ ảnh vào mô hình để chẩn đoán như cách làm phổ biến, luận văn sẽ thực hiện bước phân đoạn trước để trích xuất vùng tổn thương, rồi mới tiến hành phân loại. Cách làm này giúp mô hình tập trung vào vùng quan trọng, tránh bị ảnh hưởng bởi các vùng da bình thường xung quanh. sử dụng các mô hình như UNet, UNet++ để phân đoạn vùng tổn thương, sau đó kết hợp với các mô hình phân loại như ResNet và EfficientNetV2 để xác định loại bệnh. Ngoài ra, các kỹ thuật như tăng cường dữ liệu và cân bằng tập huấn luyện cũng được áp dụng để cải thiện hiệu quả mô hình trong bối cảnh dữ liệu mất cân đối giữa các lớp. Kết quả thực nghiệm cho thấy phương pháp đề xuất có độ chính xác 96%, đây là một kết quả rất khả quan và có khả năng áp dụng vào thực tế.