Please use this identifier to cite or link to this item:
https://dspace.ctu.edu.vn/jspui/handle/123456789/88775
Title: | ỨNG DỤNG HỌC SÂU VÀO PHÂN LỚP BỆNH PHỔI TRÊN ẢNH X-QUANG |
Other Titles: | APPLICATION OF DEEP LEARNING TO CLASSIFICATION OF LUNG DISEASES ON X-RAY IMAGES |
Authors: | Võ, Trí Thức Trần, Anh Khoa |
Keywords: | KHOA HỌC MÁY TÍNH |
Issue Date: | 2023 |
Publisher: | Trường Đại Học Cần Thơ |
Abstract: | Chẩn đoán bệnh phổi thông qua chụp X-quang phổi là một khái niệm mang tính cách mạng có khả năng cách mạng hóa cách chúng ta chẩn đoán và điều trị các tình trạng hô hấp. Với sự trợ giúp của các thuật toán AI tiên tiến, các bác sĩ X-quang có thể phát hiện nhanh chóng và chính xác những bất thường trong ảnh chụp X-quang phổi, sau đó có thể được sử dụng để chẩn đoán một loạt bệnh như viêm phổi, lao và ung thư phổi. Điều này không chỉ giúp các bác sĩ dễ dàng xác định các tình trạng này mà còn giúp họ đưa ra phác đồ điều trị chính xác hơn cho bệnh nhân của mình. Xuất phát từ vấn đề thực tế trên, luận văn này thực hiện đề tài “Ứng dụng học sâu vào phân lớp bệnh phổi trên ảnh X-quang”. Hệ thống được xây dựng dựa trên các mô hình máy học tiên tiến dùng để phân loại các bệnh về phổi như Covid-19, viêm phổi và ảnh chụp không có bệnh. Mô hình huấn luyện sử dụng dữ liệu được lấy từ Kaggle, đây là một website chuyên cung cấp các bộ dữ liệu khá lớn với độ tin cậy cao, được cộng đồng nghiên cứu về ML trên khắp Thế Giới tin dùng. Bước đầu tiên, triển khai hệ thống thử nghiệm cho thấy mô hình đạt kết quả với accuracy_score là 0.95. Thông qua kết quả thực nghiệm, có thể thấy rằng việc áp dụng đề tài vào thực tế hoàn toàn khả thi. |
Description: | 53 Tr |
URI: | https://dspace.ctu.edu.vn/jspui/handle/123456789/88775 |
Appears in Collections: | Trường Công nghệ Thông tin & Truyền thông |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
_file_ Restricted Access | 2.06 MB | Adobe PDF | ||
Your IP: 18.117.101.7 |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.