Đang tải... (xem toàn văn)
Thuyết Trình Thị Giác Máy Đề Tài Ứng Dụng AI chuẩn đoán Covid 19 Nhóm Đỗ Thanh Nghị Nghiêm Văn Quang Nguyễn Ngọc Sơn Đặt Vấn Đề Covid 19 hiện đã lan ra hơn 210 nước và vùng lãnh thổ trên khắp các châu lục, với gần 30 triệu người lây nhiễm và gần một triệu người tử vong Mặc dù hiện tại chúng ta đã phát triển ra các loại văc xin nhưng các biến chủng mới vẫn tạo ra thách thức trong việc xóa sổ hoàn toàn dịch bệnh này Vì vậy một ứng dụng hỗ trợ chuẩn đoán và sàng lọc bệnh nhân covid19 là cần thiết g.
Thuyết Trình Thị Giác Máy Đề Tài: Ứng Dụng AI chuẩn đốn Covid-19 Nhóm: Đỗ Thanh Nghị Nghiêm Văn Quang Nguyễn Ngọc Sơn I Đặt Vấn Đề ❏ Covid-19 lan 210 nước vùng lãnh thổ khắp châu lục, với gần 30 triệu người lây nhiễm gần triệu người tử vong ❏ Mặc dù phát triển loại văc xin biến chủng tạo thách thức việc xóa sổ hồn tồn dịch bệnh ➢ Vì ứng dụng hỗ trợ chuẩn đoán sàng lọc bệnh nhân covid19 cần thiết giúp giảm gánh nặng cho bác sĩ II Mục tiêu Phân loại ảnh chụp x-quang thuộc class gồm: ● No findings - không phát bất thường ● Covid-19 ● Pneumonia - viêm phổi III Dataset Bộ dataset bao gồm 1125 ảnh chụp xquang thuộc class: ● Nofiding: 500 ảnh ● Pneumonia: 500 ảnh ● Covid-19: 125 ảnh Ảnh resize kích thước: 256x256 III Dataset Sử dụng kĩ thuật tăng cường data gồm: normalize data 0-1 góc quay: 10% độ zoom: 10% dịch theo chiều dọc ngang: 10% cắt: 10% Lật ảnh IV kĩ thuật sử dụng Kiến trúc sử dụng: Densenet121 IV Model V Optimize loss function Optimize sử dụng: adam Loss sử dụng: categorical crossentropy V Kết Quả Đánh giá số: accuracy: 0.84889 F1-score: 0.78666 VII Phân tích kết Độ xác network tốt, cải thiện cách Sử dụng custom model main paper darkcovidnet(0.8702) Sử dụng network tiến gần transformer Tăng số lượng ảnh dataset 10 Cảm ơn người lắng nghe Link project google colab: https://colab.research.google.com/drive/1DrvHxmK6a01dbdlU sM6smEXx_ytuTNzB?usp=sharing 11 ... loại văc xin biến chủng tạo thách thức việc xóa sổ hồn tồn dịch bệnh ➢ Vì ứng dụng hỗ trợ chuẩn đốn sàng lọc bệnh nhân covid19 cần thiết giúp giảm gánh nặng cho bác sĩ II Mục tiêu Phân loại ảnh... sử dụng: adam Loss sử dụng: categorical crossentropy V Kết Quả Đánh giá số: accuracy: 0.84889 F1-score: 0.78666 VII Phân tích kết Độ xác network tốt, cải thiện cách Sử dụng custom model main... III Dataset Sử dụng kĩ thuật tăng cường data gồm: normalize data 0-1 góc quay: 10% độ zoom: 10% dịch theo chiều dọc ngang: 10% cắt: 10% Lật ảnh IV kĩ thuật sử dụng Kiến trúc sử dụng: Densenet121