Luận án Xây dựng mô hình phát hiện vùng bị bệnh trên các loại ảnh y khoa

Tên luận án:

XÂY DỰNG MÔ HÌNH PHÁT HIỆN VÙNG BỊ BỆNH TRÊN CÁC LOẠI ẢNH Y KHOA

Ngành:

Hệ thống thông tin (Mã ngành: 62 48 01 04)

Tóm tắt nội dung tài liệu:

Luận án "Xây dựng mô hình phát hiện vùng bị bệnh trên các loại ảnh y khoa" giải quyết thách thức về chẩn đoán hình ảnh y khoa, đặc biệt là trên ảnh MRI não, trong bối cảnh quá tải y tế và nhu cầu cấp thiết về công cụ hỗ trợ tự động. Mục tiêu chính là nâng cao độ chính xác trong phân vùng bất thường và trực quan hóa vùng bệnh, từ đó hỗ trợ các bác sĩ chẩn đoán và điều trị hiệu quả hơn.

Nghiên cứu đã đóng góp bằng việc thu thập và gán nhãn một bộ dữ liệu ảnh MRI não từ 139 bệnh nhân người Việt tại Bệnh viện Trường Đại học Y Dược Cần Thơ, bổ sung vào tập dữ liệu LGG. Bộ dữ liệu này là nền tảng quan trọng để huấn luyện các mô hình học sâu phù hợp với đặc thù người dân địa phương.

Về mô hình phát hiện vùng bị bệnh, luận án đã thực nghiệm và đánh giá nhiều kiến trúc học sâu như Unet, SwinUnet, và cGAN. Mô hình đề xuất seUnet++ đã chứng minh hiệu suất vượt trội trong phân đoạn và khoanh vùng bất thường trên ảnh MRI não xám, đạt chỉ số IoU cao nhất là 87%. Kết quả này vượt trội so với các mô hình như Unet (81%), SwinUnet (84%), ResNet (81%), YOLOv8 (74%) và seUnet gốc (79%).

Thêm vào đó, luận án đã xây dựng công cụ dựng ảnh 3D từ nhiều ảnh 2D vùng bất thường bằng kỹ thuật Marching cube và Ray casting. Cổng dịch vụ Billow ASIA được phát triển để tích hợp mô hình phát hiện và hiển thị kết quả 3D trên ứng dụng 3D Slicer, cung cấp cho bác sĩ cái nhìn trực quan và đa chiều về vùng tổn thương. Các đóng góp này mang ý nghĩa khoa học và thực tiễn, góp phần giảm tải công việc, tăng độ chính xác chẩn đoán và rút ngắn thời gian điều trị tại các cơ sở y tế.

Mục lục chi tiết:

• CHƯƠNG 1. GIỚI THIỆU

  • 1.1. Tính cấp thiết của nghiên cứu
  • 1.2. Mục tiêu, đối tượng, phạm vi và phương pháp nghiên cứu
  • 1.3. Nội dung nghiên cứu và hướng tiếp cận của luận án
    • 1.3.1. Xây dựng mô hình phát hiện vùng bị bệnh trên ảnh y khoa
    • 1.3.2. Dựng ảnh 3D vùng bị bệnh trên ảnh y khoa
  • 1.4. Các đóng góp của luận án
  • 1.5. Tóm tắt bố cục của luận án

• CHƯƠNG 2. CƠ SỞ LÝ THUYẾT VÀ CÁC NGHIÊN CỨU LIÊN QUAN

  • 2.1. Các nghiên cứu về phát hiện vùng bị bệnh trên ảnh y khoa

• CHƯƠNG 3. DỮ LIỆU THỰC NGHIỆM

  • 3.1. LGG Segmentation Dataset
  • 3.2. Dữ liệu tại Bệnh viện Trường Đại học Y Dược Cần Thơ

• CHƯƠNG 4. MÔ HÌNH PHÁT HIỆN VÙNG BỊ BỆNH TRÊN CÁC LOẠI ẢNH Y KHOA

  • 4.1. Giới thiệu
  • 4.2. Mô hình phân loại và phát hiện bất thường trên ảnh MRI não
  • 4.3. Mô hình phát hiện vùng bất thường dựa trên học sâu
    • 4.3.1. Ứng dụng Unet trong phát hiện vùng bất thường trên ảnh MRI não
    • 4.3.2. Ứng dụng mô hình SwinUnet phát hiện vùng bị bệnh trên ảnh MRI não
    • 4.3.3. Mô hình đề xuất seUnet++
  • 4.4. Kết chương

• CHƯƠNG 5. DỰNG ẢNH 3D VÙNG BỊ BỆNH TRÊN ẢNH Y KHOA

  • 5.1. Mô hình tổng quát dựng ảnh 3D
  • 5.2. Cổng dịch vụ Billow asia
    • 5.2.1. Kết quả thực nghiệm
    • 5.2.2. Đánh giá thời gian tạo ra mô hình 3D
    • 5.2.3. Đánh giá khả năng phát hiện và hiển thị 3D
  • 5.3. Kết luận

• CHƯƠNG 6. KẾT LUẬN VÀ HƯỚNG NGHIÊN CỨU

  • 6.1. Kết luận
  • 6.2. Hướng nghiên cứu tiếp theo.