HUẤN LUYỆN MẠNG HỌC SÂU ĐỂ PHÁT HIỆN BỆNH COVID 19 BẰNG ẢNH X-QUANG

Abstract

Trong những năm gần đây công nghệ ngày càng phát triển đặc biệt là máy học nhằm phục vụ cho quá trình tự động hóa trong nhiều lĩnh vực, từ việc xử lý ảnh, xử lý ngôn ngữ tự nhiên đến nhận dạng các đối tượng đang được áp dụng rộng rãi trong nghiên cứu và thực tế. Vì sự phát triển đó thúc đẩy việc nghiên cứu ứng dụng các mô hình học sâu vào các vấn đề thực tiễn để giải quyết các vấn đề của xã hội như lĩnh vực y khoa. Các mô hình học sâu có thể hỗ trợ phân tích, chẩn đoán thông qua hình ảnh với hiệu suất và độ chính xác cao. Trong ngành y tế ngày nay do ảnh hưởng từ đại dịch Covid-19 gây ra và xuất hiện ngày càng nhiều vấn đề phát sinh như khối lượng công việc ngày càng lớn, vì vậy để đảm bảo sự ổn định và không bị quá tải do sự gia tăng về công việc do dịch bệnh gây ra thì việc xây dựng một mô hình để chẩn đoán tự động các bệnh nhân nhiễm bệnh bằng ảnh X-Quang sẽ góp giảm thiểu khối lượng công việc của các bác sĩ. Trong nghiên cứu này em sẽ cung cấp một cách tổng quan và ngắn gọn về sự phát triển của ứng dụng mô hình học sâu để xử lý dữ liệu ảnh y khoa cụ thể là ảnh X-Quang phổi nhằm hỗ trợ việc phát hiện bệnh Covid-19 bằng cách ứng dụng mạng học sâu VGG16. • Mô hình cài đặt được đánh giá trên tập dữ liệu được trích từ tập dữ liệu “COVID19 CHEST X-RAY DATABASE” tập dữ liệu được trích suất bao gồm có 20677 ảnh trong đó có 3 lớp: o Covid: 7232 ảnh (35%) o Normal: 7200 ảnh (35%) o Other: 6245 ảnh (30%)