TAILIEUCHUNG - Kết hợp đặc trưng sâu trong hỗ trợ chẩn đoán ung thư vú trên nhũ ảnh X quang

Bài viết đề xuất một giải pháp có thể hỗ trợ bác sỹ hình ảnh phát hiện chính xác bệnh ung thư vú và phân loại ung thư khi chụp X-quang tuyến vú bằng cách sử dụng phương pháp huấn luyện end-to-end kết hợp với mô hình CNN state-of-the-art EfficientNetB3. | Kỷ yếu Hội nghị KHCN Quốc gia lần thứ XIII về Nghiên cứu cơ bản và ứng dụng Công nghệ thông tin FAIR Nha Trang ngày 8-9 10 2020 DOI KẾT HỢP ĐẶC TRƯNG SÂU TRONG HỖ TRỢ CHẨN ĐOÁN UNG THƯ VÚ TRÊN NHŨ ẢNH X-QUANG Nguyễn Chí Thanh1 Võ Thị Huyền Trang1 Lê Minh Hưng1 Hoàng Lê Uyên Thục2 1 Trường ĐH Công nghệ thông tin - Đại học Quốc gia TP. HCM 2 Trường Đại học Bách khoa - Đại học Đà Nẵng 16521118@ 16521283@ hunglm@ hluthuc@ TÓM TẮT Bệnh Ung thư vú là loại ung thư nguy hiểm nhất đối với phụ nữ các phương pháp sàng lọc bệnh phổ biến là chẩn đoán dựa trên nhũ ảnh kết quả chẩn đoán bệnh lệ thuộc vào chất lượng ảnh và chuyên môn của bác sĩ. Điều này dẫn đến tốn chi phí thời gian công sức mà hiệu quả đạt được không cao. Hiện nay có nhiều hệ thống hỗ trợ các bác sĩ hình ảnh nâng cao khả năng chẩn đoán bệnh qua nhũ ảnh như phần mềm phát hiện và chẩn đoán bằng máy tính Computer Aided Diagnosis - CAD đã được phát triển và ứng dụng lâm sàng từ những năm 1990 có nhiều phương pháp mới sử dụng deep learning mạng neuron tích chập để tự động học và trích xuất các đặc trưng giúp mang lại độ chính xác cao hơn các phương pháp truyền thống. Tuy nhiên các phương pháp hiện nay chỉ mới tập trung vào phân loại mà không chỉ ra cụ thể vùng bệnh tổn thương nên gây rất nhiều khó khăn cho việc chẩn đoán và điều trị bệnh. Trong bài báo này chúng tôi đề xuất một giải pháp có thể hỗ trợ bác sỹ hình ảnh phát hiện chính xác bệnh ung thư vú và phân loại ung thư khi chụp X-quang tuyến vú bằng cách sử dụng phương pháp huấn luyện end-to-end kết hợp với mô hình CNN state-of-the-art EfficientNetB3. Thực nghiệm được tiến hành trên các ảnh chụp X-quang tuyến vú đã được số hóa từ tập dữ liệu Curated Breast Imaging Subset of Digital Database for Screening Mammography CBIS-DDSM mô hình tốt nhất đạt AUC là 0 91 độ nhạy 81 độ đặc hiệu 83 . Từ khóa Mammograms Breast cancer Deep Convolutional Neural Networks DCNNs EfficientNet. I. GIỚI THIỆU Sự phát

TỪ KHÓA LIÊN QUAN
TAILIEUCHUNG - Chia sẻ tài liệu không giới hạn
Địa chỉ : 444 Hoang Hoa Tham, Hanoi, Viet Nam
Website : tailieuchung.com
Email : tailieuchung20@gmail.com
Tailieuchung.com là thư viện tài liệu trực tuyến, nơi chia sẽ trao đổi hàng triệu tài liệu như luận văn đồ án, sách, giáo trình, đề thi.
Chúng tôi không chịu trách nhiệm liên quan đến các vấn đề bản quyền nội dung tài liệu được thành viên tự nguyện đăng tải lên, nếu phát hiện thấy tài liệu xấu hoặc tài liệu có bản quyền xin hãy email cho chúng tôi.
Đã phát hiện trình chặn quảng cáo AdBlock
Trang web này phụ thuộc vào doanh thu từ số lần hiển thị quảng cáo để tồn tại. Vui lòng tắt trình chặn quảng cáo của bạn hoặc tạm dừng tính năng chặn quảng cáo cho trang web này.