XÂY DỰNG ỨNG DỤNG CHẨN ĐOÁN UNG THƯ DA HẮC TỐ “MELANOMA” THEO MÔ HÌNH TRÍ TUỆ NHÂN TẠO TRÊN NỀN DJANGO REST API VÀ REACT JS

Abstract

Ngày nay, trong bối cảnh phát triển mạnh mẽ của cuộc cách mạng công nghiệp 4.0, ứng dụng trí tuệ nhân tạo - học máy trong lĩnh vực y khoa đang là vấn đề được quan tâm hàng đầu. Việc ứng dụng Deep Learning trong lĩnh vực y học để phát hiện bệnh đã đạt được những thành tựu đáng kể. Giai đoạn có thể phát huy hết khả năng của trí tuệ nhân tạo ở thời điểm hiện tại chắc chắn là tiền xử lý bệnh. Vấn đề nan giải thực tế chúng ta vừa mắc phải sau đại dịch Covid-19 là sự quá tải trong xét nghiệm ban đầu, điều này đồng nghĩa với sự lãng phí về chi phí, thời gian và nguồn nhân lực đội ngũ y bác sĩ. Nhu cầu được đặt ra, cần có một giải pháp vừa đáp ứng được hai mặt là sự chính xác và tốc độ xử lý bệnh án. Trong Deep Learning, cộng đồng đã có những mô hình phục vụ cho việc giải quyết vấn đề này, nhưng những mô hình này chỉ được quan tâm và xây dựng trên một tập dữ liệu nền căn bản, để mô hình có thể tập trung vào đúng vấn đề nêu trên và cải thiện độ chính xác của mô hình cần phải lập kế hoạch và tiến hành huấn luyện, tinh chỉnh, kiểm thử và thống kê lại. Chính vì vậy, đề tài “Xây dựng ứng dụng chẩn đoán ung thư da hắc tố “Melanoma” theo mô hình trí tuệ nhân tạo trên nền Django Rest Api và React Js” được đề xuất để xây dựng hệ thống hỗ trợ chẩn đoán về bệnh ung thư da hắc tố. Đề tài tập trung nghiên cứu học chuyển giao mô hình CNN có độ chính xác cao và cải thiện thời gian chẩn đoán bệnh ung thư da so với quy trình thủ công; xây dựng hệ thống diễn đàn trực tuyến trên website có tích hợp tính năng chẩn đoán, quản lý mô hình học sâu và quản lý các kết quả chẩn đoán của mô hình và các vấn đề xung quanh sức khỏe đời sống. Hệ thống được xây dựng trên nền Web với các công cụ, ngôn ngữ và công nghệ như sau: Django Rest API Framework vai trò AI service và server Backend Web; ReactJS Framework; hệ quản trị cơ sở dữ liệu PostgreSQL; ngôn ngữ lập trình Python, HTML, CSS, Javascript, Bootstrap; ngôn ngữ lập trình Python với các thư viện như: Pytorch, Opencv, Matplotlib, Numpy... Ứng dụng một số phương pháp khác như phương pháp học chuyển giao (Transfer Learning) [8], phương pháp tăng cường dữ liệu (Data Augmentation). Kết quả đề tài chỉ mang tính thử nghiệm nhằm tạo ra một định hướng nghiên cứu có thể phát triển và triển khai thành các ứng dụng khả thi trong thực tế, góp phần nâng cao kết quả chẩn đoán bệnh ung thư da của bác sĩ.