ÁP DỤNG PHƯƠNG PHÁP HỌC SÂU HỖ TRỢ CHẨN ĐOÁN VIÊM PHỔI DỰA VÀO ẢNH CT

Abstract

Viêm phổi là một trong những bệnh có khả năng dẫn đến hậu quả nghiêm trọng, thậm chí có thể gây tử vong trong thời gian ngắn. Việc chẩn đoán bệnh thông qua ảnh CT trước đây thường phụ thuộc nhiều vào trình độ và kiến thức của bác sĩ, tuy nhiên ngày nay, với sự phát triển của trí tuệ nhân tạo, việc ứng dụng máy học vào chẩn đoán bệnh đang dần đạt được những thành tựu to lớn. Do đó, chẩn đoán sớm là yếu tố then chốt để ngăn ngừa sự tiến triển của bệnh. Đề tài “Áp dụng phương pháp học sâu hỗ trợ chẩn đoán viêm phổi dựa vào ảnh CT” sẽ tập trung khai thác, đo đạc độ chính xác của mô hình, đồng thời đề xuất một phương pháp trực quan hơn dựa theo phương pháp mới (Attention Unet), nhằm đem lại kết quả chính xác hơn so với cấu trúc mô hình cũ (Unet). Nghiên cứu thực hiện công việc chính: nhiệm vụ phân đoạn hình ảnh y học để phân vùng viêm phổi trên hình ảnh CT. Mô hình Unet và Attention Unet được huấn luyện và đánh giá trên tập dữ liệu bao gồm 20 tập “COVID-19” CT (10 từ radiopedia, 10 từ coronacases) đã được dán nhãn, bản quét CT ở định dạng NIfTY, được cấp phép theo CC BY-NC-SA. Kết quả thực nghiệm cho thấy, những giải thuật được đề xuất hoàn toàn phù hợp cho nhiệm vụ phân đoạn hình ảnh CT để phân vùng viêm phổi khi đạt được kết quả tốt trên nhiều độ đo khác nhau như ACC, Dice, Sen, Spec và IoU.