ỨNG DỤNG HỌC SÂU VÀO PHÁT HIỆN CÁC TẾ BÀO BỊ NHIỄM BỆNH SỐT RÉT TRÊN HÌNH ẢNH

Abstract

Trong luận văn này, chúng tôi trình bày phương pháp ứng dụng mô hình học sâu cho phân loại ảnh y khoa – bệnh sốt rét. Dựa trên đặc trưng của các tế bào trong máu người bệnh sốt rét, chúng tôi gán nhãn cho các đối tượng trong ảnh, vận dụng các mô hình học sâu như là: YOLOv4, RetinaNet50 và UNET để huấn luyện và kiểm thử. Tập dữ liệu gốc ban đầu gồm 210 ảnh, đối với mô hình YOLOv4 và RetinaNet50 chúng tôi sử dụng các biện pháp Tăng cường dữ liệu từ 210 ảnh lên 695 ảnh. Sau đó phân chia tập dữ liệu này làm hai phần với 515 ảnh (75%) ảnh cho huấn luyện, 180 ảnh (25 %) cho cho kiểm thử và đánh giá. Mô hình UNET chúng tôi sử dụng 210 ảnh gốc chưa qua tăng cường dữ liệu, phân chia tập dữ liệu làm hai phần với với 189 (90%) ảnh cho huấn luyện và 21 ảnh (10%) cho kiểm thử và đánh giá. Kết quả kiểm thử và đánh giá hai mô hình YOLOv4 và RetinanNet50 với ba chỉ số đánh Precision (độ chính xác), Recall (độ bao phủ) và F1-score (trung bình điều hòa của precision và recall) cho kết quả mô hình YOLOv4 precision 83%, recall 80%, F1-score 82%, mô hình RetinaNet50 precision 88%, recall 84%, F1-score 87%. Với mô hình UNET kết quả cho chỉ số IoU là 88%. Kết quả đạt được của hệ thống ứng dụng học sâu vào phát hiện các tế bào bị nhiễm bệnh sốt rét trên hình ảnh cho phép người dùng có thể nhận dạng các loại tế bào trong ảnh về máu của người bệnh sốt rét.