NHẬN DIỆN BẤT THƯỜNG Ở VÙNG NGỰC DỰA TRÊN ẢNH X-RAY PHỔI

Abstract

Hiện nay, việc sử dụng ảnh X-ray ngực để chẩn đoán các bệnh về phổi rất phổ biến. Việc chẩn đoán bằng ảnh X- ray ngực thủ công có thể dẫn đến chẩn đoán sai hoặc thiếu sót về y tế, ngay cả đối với bác sĩ hành nghề giỏi. Để cải thiện tốc độ chẩn đoán, độ chính xác và độ tin cậy trong việc chẩn đoán bệnh nhân có vấn đề về phổi. Trong bài luận văn này chúng tôi đề xuất sử dụng YOLO là một trong những mô hình phát hiện vật tốt nhất ở thời điểm hiện tại để nhận dạng những điểm bất thường trên ảnh X- ray phổi. Đề tài này tiến hành thử nghiệm với mô hình YOLO trên tập dữ liệu sử dụng là VinBigData Chest X-ray Abnormalities Detection1 . Cụ thể, đầu tiên tách và chuyển đổi dữ liệu hình ảnh của các tập dữ liệu DICOM sang dạng hình ảnh, chuyển hóa tọa độ và gộp các vùng bất thường dựa trên chỉ số IoU trên ảnh X- ray ngực. Sau đó, đào tạo mô hình YOLOv5 trên tập dữ liệu. Cuối cùng, sử dụng mô hình đào tạo để phát hiện và phân loại các bất thường trên tập ảnh thử nghiệm. Mô hình trên cho kết quả thực nghiệm với độ chính xác khá tốt với mAP@.5 xấp xỉ 0.94, và hứa hẹn có thể hỗ trợ các y bác sĩ trong chẩn đoán bệnh về phổi. Hệ thống sẽ giúp giảm áp lực cho các bác sĩ tại các bệnh viện đô thị và cải thiện chất lượng chẩn đoán ở các vùng nông thôn.