(Đồ án tốt nghiệp) Phát hiện sớm bệnh ung thư da thông qua ảnh chụp từ điện thoại

(Đồ án tốt nghiệp) Phát hiện sớm bệnh ung thư da thông qua ảnh chụp từ điện thoại(Đồ án tốt nghiệp) Phát hiện sớm bệnh ung thư da thông qua ảnh chụp từ điện thoại(Đồ án tốt nghiệp) Phát hiện sớm bệnh ung thư da thông qua ảnh chụp từ điện thoại(Đồ án tốt nghiệp) Phát hiện sớm bệnh ung thư da thông qua ảnh chụp từ điện thoại(Đồ án tốt nghiệp) Phát hiện sớm bệnh ung thư da thông qua ảnh chụp từ điện thoại(Đồ án tốt nghiệp) Phát hiện sớm bệnh ung thư da thông qua ảnh chụp từ điện thoại(Đồ án tốt nghiệp) Phát hiện sớm bệnh ung thư da thông qua ảnh chụp từ điện thoại(Đồ án tốt nghiệp) Phát hiện sớm bệnh ung thư da thông qua ảnh chụp từ điện thoại(Đồ án tốt nghiệp) Phát hiện sớm bệnh ung thư da thông qua ảnh chụp từ điện thoại(Đồ án tốt nghiệp) Phát hiện sớm bệnh ung thư da thông qua ảnh chụp từ điện thoại(Đồ án tốt nghiệp) Phát hiện sớm bệnh ung thư da thông qua ảnh chụp từ điện thoại(Đồ án tốt nghiệp) Phát hiện sớm bệnh ung thư da thông qua ảnh chụp từ điện thoại(Đồ án tốt nghiệp) Phát hiện sớm bệnh ung thư da thông qua ảnh chụp từ điện thoại(Đồ án tốt nghiệp) Phát hiện sớm bệnh ung thư da thông qua ảnh chụp từ điện thoại(Đồ án tốt nghiệp) Phát hiện sớm bệnh ung thư da thông qua ảnh chụp từ điện thoại

TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀ NH PHỐ HỒ CHÍ MINH KHOA ĐÀ O TẠO CHẤT LƯỢNG CAO ĐỒ ÁN TỐT NGHIỆP PHÁT HIỆN SỚM BỆNH UNG THƯ DA THÔNG QUA ẢNH CHỤP TỪ ĐIỆN THOẠI SVTH1: NGUYỄN PHI LONG MSSV1: 16110142 SVTH2: NGUYỄN TIẾN ĐẠT MSSV2: 16110048 Khóa: 2016 Ngành: CƠNG NGHỆ THƠNG TIN GVHD: TS NGUYỄN THIÊN BẢO Tp Hồ Chí Minh, tháng 12 năm 2020 LỜI CẢM ƠN Để hồn thành tốt đề tài khóa luận tốt nghiệp này, ngồi nỗ lực từ thân, nhóm em cịn nhận quan tâm giúp đỡ, bảo tận tình nhiều cá nhân, tập thể Người mà chúng em không quên gửi lời cảm ơn sâu sắc Đầu tiên, nhóm em xin chân thành cảm ơn khoa Đào tạo Chất lượng cao – nghành Công nghệ thông tin, trường Đại học Sư Phạm Kỹ Thuật TP Hồ Chí Minh thầy Nguyễn Đăng Quang – trưởng ngành CNTT tạo điều kiện thuận lợi cho chúng em thực đề tài Chúng em xin gửi lời cảm ơn chân thành đến thầy Nguyễn Thiên Bảo, người tận tình bảo hướng dẫn nhóm em suốt trình thực đề tài Bên cạnh đó, chúng em xin gửi lời cảm ơn đến thầy cô giảng viên trường Đại học Sư Phạm Kỹ Thuật TP Hồ Chí Minh nói chung thầy cô giảng viên khoa Đào tạo Chất lượng cao, ngành Cơng nghệ thơng tin nói riêng, người giảng dạy, tích lũy cho chúng em kiến thức quý báu năm học vừa qua Đó tảng giúp chúng em làm nên đề tài tiền đề giúp chúng em tiến xa tương lai Dù cố gắng hồn thành đề tài khóa luận u cầu, thời gian hạn hẹp khả hạn chế nên chắn nhóm khơng tránh khỏi nhiều thiếu sót Chúng em mong nhận thơng cảm tận tình bảo thầy bạn Nhóm chúng em lần xin chân thành cảm ơn Trân trọng! iv TÓM TẮT ĐỒ ÁN TỐT NGHIỆP Đề tài: PHÁT HIỆN SỚM BỆNH UNG THƯ DA THÔNG QUA ẢNH CHỤP TỪ ĐIỆN THOẠI Ngày khoa học kỹ thuật giới nói chung, Việt Nam nói riêng đà phát triển mạnh mẽ không ngừng nâng cao phát triển mặt Đặc biệt công nghệ thông tin machine learning Để đáp ứng nhu cầu ngày cao người hàng loạt cơng ty phần mềm đời ứng dụng công nghệ thông tin kết hợp với machine learning áp dụng ngày nhiều hơn.Với công nghệ đại ngày người giải phóng công việc nặng nhọc, tốn nhiều thời gian lập lập lại mà thay vào ứng dụng công nghệ thông tin kết hợp với machine learning ngày đại, tối tân kỹ xảo robot tự làm việc, tự học điều mới, máy tự động, ứng dụng nhận dạng vật thể, mặt người, tự chuẩn đoán bệnh, phần mềm quản lý nhiều ứng dụng áp dụng ngồi thực tiễn Việc ứng dụng cơng nghệ thơng tin machine learning vào xí nghiệp, quan, trường học, bệnh viện yếu tố quan trọng để đưa nước ta sánh vai cường quốc năm châu Đất nước ngày phát triển với nhiều chuyển biến giới nên việc ứng dụng tốt phần mềm machine learning vào sống người xu tất yếu để hội nhập với công nghiệp Biết tầm quan trọng phát triển ứng dụng machine learning tương lai nên nhóm chúng em định chọn đề tài cho khóa luận tốt nghiệp “Phát sớm bệnh ung thư da thông qua ảnh chụp từ điện thoại” để hiểu rõ học sâu v MỤC LỤC ĐỒ ÁN TỐT NGHIỆP i NHIỆM VỤ ĐỒ ÁN TỐT NGHIỆP i PHIẾU NHẬN XÉT CỦA GIẢNG VIÊN HƯỚNG DẪN ii PHIẾU NHẬN XÉT CỦA GIẢNG VIÊN PHẢN BIỆN iii LỜI CẢM ƠN iv TÓM TẮT ĐỒ ÁN TỐT NGHIỆP v MỤC LỤC vi DANH MỤC CÁC TỪ VIẾT TẮT ix DANH MỤC CÁC BẢNG BIỂU x DANH MỤC CÁC BIỂU ĐỒ VÀ HÌNH ẢNH xi CHƯƠNG 1: TỔNG QUAN 1.1 Lý chọn đề tài 1.2 Mục tiêu đề tài 1.3 Đối tượng tìm hiểu CHƯƠNG 2: TỔNG QUAN VỀ BỆNH UNG THƯ DA 2.1 Định nghĩa 2.2 Các triệu chứng 2.2.1 Trường hợp phát triển ung thư da 2.2.2 Ung thư tế bào đáy 2.2.3 Ung thư tế bào vảy 2.2.4 U ác tính 2.2.5 Các dấu hiệu loại ung thư da phổ biến 2.3 Nguyên nhân 2.3.1 Các tế bào liên quan đến bệnh ung thư da 2.3.2 Ánh sáng tử ngoại nguyên nhân tiềm khác 2.3.3 Yếu tố nguy 2.4 Các giai đoạn ung thư 2.5 Phương pháp điều trị vi 2.6 Phòng chống 2.7 Hiện trạng ung thư da Việt Nam CHƯƠNG 3: TỔNG QUAN VỀ HỌC MÁY 3.1 Giới thiệu học máy 3.1.1 Giới thiệu chung 3.1.2 Phân loại 10 3.1.3 Các bước học máy 10 3.2 Giới thiệu học sâu 11 3.2.1 Giới thiệu chung 11 3.2.2 Cách hoạt động 12 3.2.3 Các kỹ thuật học sâu 12 3.2.4 Nhược điểm học sâu 13 3.3 Tìm hiểu CNN (Convolutional Neural Network) 13 3.3.1 Định nghĩa 13 3.3.2 Lịch sử phát triển 14 3.3.3 Kiến trúc 14 3.3.4 Cách thức xử lý tốn phân tích ảnh 19 3.3.5 Ứng dụng 19 3.4 Tìm hiểu thư viện Keras 19 3.4.1 Định nghĩa 19 3.4.2 Cách cài đặt 20 3.4.3 Cấu trúc 20 CHƯƠNG 4: TỔNG QUAN VỀ ANDROID VÀ FIREBASE 25 4.1 Giới thiệu hệ điều hành android 25 4.1.1Giới thiệu chung 25 4.1.1 Các phiên Android 26 4.1.2 Kiến trúc hệ điều hành 26 4.2 Giới thiệu tảng Firebase 27 4.2.1 Giới thiệu chung 27 4.2.2 Lịch sử phát triển 28 4.2.3 Cách thức hoạt động 28 vii 4.2.4 Ưu điểm nhược điểm 29 4.2.5 Các dịch vụ cung cấp 29 CHƯƠNG 5: ỨNG DỤNG HỌC SÂU GIẢI QUYẾT BÀI TOÁN BỆNH UNG THƯ DA 31 5.1 Luồng xử lý toán 31 5.2 Xác định yêu cầu ứng dụng 31 5.2.1 Use Case 31 5.2.2 Danh sách Usecase 32 5.2.3 Mô tả Use Case 34 5.2.3.1 Mô tả use case cho User 34 5.2.3.2 Mô tả use case cho Doctor 40 5.2.4 Mơ hình Machine Learning áp dụng - Densenet 201 48 CHƯƠNG 6: THIẾT KẾ VÀ HIỆN THỰC ỨNG DỤNG 50 6.1 Thiết kế hệ thống 50 6.1.1 Sequence Diagram 50 6.1.2 Data Flow Diagram 54 6.2 Thiết kế liệu 55 6.3 Thiết kế giao diện người dùng 56 6.3.1 Giao diện ứng dụng bệnh nhân 56 6.3.2 Giao diện ứng dụng bác sĩ 59 6.4 Mô tả Web Admin 62 6.5 Hiện thực ứng dụng 63 6.6 Mô tả Dataset 63 6.6.1 Thu thập phân loại ung thư: 63 6.6.2 Thu thập dataset 64 CHƯƠNG 7: TỔNG KẾT VÀ HƯỚNG PHÁT TRIỂN 66 7.1 Tổng kết 66 7.1.1 Những kiến thức đạt 66 7.1.2 Những chức hoàn thành cho ứng dụng 66 7.1.3 Hạn chế khó khăn 66 7.2 Hướng phát triển 66 TÀI LIỆU THAM KHẢO 68 viii DANH MỤC CÁC TỪ VIẾT TẮT CNN: Convolutional Neural Network RNN: Recurrent Neural Network ANN:Artificial Neural Network GANs: Generative adversarial networks UV: Bức xạ tia cực tím AIDS: Hội chứng suy giảm miễn dịch mắc phải DNA: deoxyribonucleic acid GPU:Graphics Processing Unit – xử lý đồ họa API: Application Programming Interface - phương thức trung gian kết nối ứng dụng thư viện khác ix DANH MỤC CÁC BẢNG BIỂU Bảng 4.1.1 Các phiên Android…………………………………………………….26 Bảng 5.2.2.1: Danh sách use case User……………………………………………….32 Bảng 5.2.2.2: Danh sách use case Doctor………………………………… …….… 33 Bảng 5.2.3.1.1: UCDK: Đăng ký……………………………………………… ………… 34 Bảng 5.2.3.1.2: UCDN: Đăng nhập………………………………………… …………… 35 Bảng 5.2.3.1.3: UCDX: Đăng xuất…………………………………………………….……36 Bảng 5.2.3.1.4: UCCD: Gửi yêu cầu chuẩn đốn………………………………… …….37 Bảng 5.2.3.1.5: UCUT: Xem thơng tin ung thư …………………………………… ……37 Bảng 5.2.3.1.6: UCCH: Trả lời câu hỏi…………………………….………………………38 Bảng 5.2.3.1.7: UCCA: Chụp ảnh………………………………………… ………………39 Bảng 5.2.3.1.8: UCPH: Xem phản hồi……………………………………….…………….39 Bảng 5.2.3.2.1: UCDND: Đăng nhập…………………………………….……………… 40 Bảng 5.2.3.2.2: UCDXD: Đăng xuất……………………………………….………………41 Bảng 5.2.3.2.3: UCNBN: Nhận hồ sơ…………………………………………………… 42 Bảng 5.2.3.2.4: UCDSC: Xem danh sách chờ………………………………………… 42 Bảng 5.2.3.2.5: UCDCD: Xem danh sách chẩn đoán bệnh……………………… 43 Bảng 5.2.3.2.6: UCCDD: Chẩn đoán bệnh……………………………………………… 44 Bảng 5.2.3.2.7: UCXAD: Xem ảnh………………………………………… …………….44 Bảng 5.2.3.2.8: UCXTL: Xem câu trả lời…………………………………………………45 Bảng 5.2.3.2.9: UCGPH: Gửi phản hồi……………………………………………………46 Bảng 5.2.3.2.10: UCXKQ: Xem kết chuẩn đoán………………………………… 46 Bảng 5.2.3.2.11: UCGYC: Gửi yêu cầu xét nghiệm…………………………….………47 Bảng 6.5.2.1 Bảng dataset………………………………………………………………… 64 Bảng 6.5.2.2 Data Augmentation………………………………………………………… 64 Bảng 6.5.2.3 Data training model………………………………………………………… 64 x DANH MỤC CÁC BIỂU ĐỒ VÀ HÌNH ẢNH Hình 3.1: Mối quan hệ AI, Machine Learning Deep Learning ……………….…9 Hình 3.2.1 Mơ Deep Learning………………………………………………………….…11 Hình 3.3.3 Kiến trúc CNN………………………………………………………….……….…14 Hình 3.3.3a Trường tiếp nhận cục bộ………………………………………………………….…15 Hình 3.3.3b Hidden Layer lớp ẩn 1………………………………………………………….……16 Hình 3.3.3c Hidden Layer lớp ẩn 2………………………………………………………….……16 Hình 3.3.3d Feature map………………………………………………………….………………….16 Hình 3.3.3e Lớp tổng hợp Pooling………………………………………………………….…….17 Hình 3.3.3f Max-pooling units………………………………………………………….………….18 Hình 3.3.3g Neuron đầu CNN………………………………………………………….…18 Hình 3.4.3a Cấu trúc Keras……………………………………………………………………20 Hình 3.4.3b Module xây dựng model……………………………………………………………20 Hình 3.4.3c Sub-module Layers…………………………………………………………… ….…21 Hình 4.1.2 Cấu trúc hệ điều hành Android.………………………………………………27 Hình 5.1 Luồng xử lý tốn……………………………………………………………… 31 Hình 5.2.1a Usecase User………………………………………………………….………….31 Hình 5.2.1b Usecase Doctor………………………………………………………….……….32 Hình 5.2.4 Mơ hình Densenet 201………………………………………………………….…….48 Hình 5.2.4a Khối lớp tích chập………………………………………………………………48 Hình 5.2.4b Chi tiết Parameter……………………………………………………………….49 Hình 6.1.1a Đăng ký (User)………………………………………………………….…………….50 Hình 6.1.1b Đăng nhập (User)………………………………………………………….…………50 Hình 6.1.1c Chẩn đốn bệnh (User)………………………………………………………….….51 Hình 6.1.1d Xem ảnh (Doctor)……………………………………………………………………51 Hình 6.1.1e Xem danh sách bệnh nhân chẩn đoán (Doctor)…………………………51 Hình 6.1.1f Xem danh sách bệnh nhân chờ (Doctor)……………………………….52 6.Hình 6.1.1g Đăng nhập (Doctor)………………………………………………………….……52 Hình 6.1.1h Gửi phản hồi (Doctor)………………………………………………………… … 53 Hình 6.1.1i: Xem danh sách câu trả lời (Doctor)…………………………………………… 53 Hình 6.1.1k Gửi yêu cầu xét nghiệm (Doctor)…………………………………………….…53 Hình 6.1.1l: Xem kết xét nghiệm (Doctor)……………………………………………….54 Hình 6.1.2 Data flow cho bác sĩ………………………………………………………….……….54 Hình 6.1.2c Data flow cho Admin………………………………………………………….… 55 Hình 6.2a Entity Relationship Diagram phía User…………………………………… … 55 Hình 6.2b Entity Relationship Diagram phía Doctor………………………………………56 Hình 6.3.1a Giao diện đăng nhập………………………………………………………….…… 56 Hình 6.3.1b Giao diện đăng ký.………………………………………………………… ….… 57 Hình 6.3.1c Giao diện đăng nhập thành cơng.…………………………………… … 57 Hình 6.3.1d Giao diện chọn vị trí chụp ảnh bệnh………………………………………58 Hình 6.3.1e, Giao diện điền thơng tin gửi u cầu…………………………………… 58 xi Hình 6.3.1f Giao diện theo dõi yêu cầu gửi feedback………………………………59 Hình 6.3.2a Giao diện đăng nhập………………………………………………………….………59 Hình 6.3.2b Giao diện đăng nhập thành cơng……………………………………… …60 Hình 6.3.2c Giao diện hình chờ, nhận hồn thành u cầu.………………… 60 Hình 6.3.2d Giao diện nhận yêu cầu chuẩn đốn……………………………… 61 Hình 6.3.2e Giao diện u cầu hồn thành…………………………………….61 Hình 6.4a Giao diện chính………………………………………………………….……………… 62 Hình 6.4b Giao diện tạo tài khoản………………………………………………………….…… 62 Hình 6.4c Giao diện chỉnh sửa thơng tin…………………………………………………… …63 Hình 6.6.1 Phân loại ung thư………………………………………………………….……………64 Hình 6.6.2 Kết training model…………………………………………………………… …65 xii Hình 6.1.2c Data flow cho Admin 6.2 Thiết kế liệu Hình 6.2a Entity Relationship Diagram phía User 55 Hình 6.2b Entity Relationship Diagram phía Doctor 6.3 Thiết kế giao diện người dùng 6.3.1 Giao diện ứng dụng bệnh nhân Hình 6.3.1a Giao diện đăng nhập 56 Hình 6.3.1b Giao diện đăng ký Hình 6.3.1c Giao diện đăng nhập thành cơng 57 Hình 6.3.1d Giao diện chọn vị trí chụp ảnh bệnh Hình 6.3.1e Giao diện điền thơng tin gửi u cầu 58 Hình 6.3.1f Giao diện theo dõi yêu cầu gửi feedback 6.3.2 Giao diện ứng dụng bác sĩ Hình 6.3.2a Giao diện đăng nhập 59 Hình 6.3.2b Giao diện đăng nhập thành cơng Hình 6.3.2c Giao diện hình chờ, nhận hồn thành u cầu 60 Hình 6.3.2d Giao diện nhận u cầu chuẩn đốn Hình 6.3.2e Giao diện yêu cầu hoàn thành 61 6.4 Mô tả Web Admin  Đường dẫn truy cập: https://webadminfrontend-pchohu4vcqas.a.run.app/?fbclid=IwAR3Is-flEH3j3qcwxZgNdOg8CpGBcD0IXtalenc9CSmjqYj1dn9JCxn5fQ Giao diện web quản lý tài khoản Hình 6.4a Giao diện Hình 6.4b Giao diện tạo tài khoản 62 Hình 6.4c Giao diện chỉnh sửa thơng tin 6.5 Hiện thực ứng dụng - Ứng dụng chạy tảng Android 4.0 trở lên - Code thuật toán Machine Learning sử dụng Python 3.6 - Sử dụng thư viện máy học Keras - Dữ liệu lưu trữ Firebase 6.6 Mô tả Dataset Dataset:  HARVARD:https://dataverse.harvard.edu/dataset.xhtml?persistentId=doi:10.79 10/DVN/DBW86T  REDI: https://www.dropbox.com/home/REDMED_SKINDATASET  ISIC:https://www.isicarchive.com/#!/topWithHeader/onlyHeaderTop/gallery?filter=%5B%5D Số lượng ảnh: 50000 Image Kích thước ảnh: 600x450 Loại ảnh: ảnh màu Số lớp: lớp (ung thư không ung thư) Số ảnh sử dụng: 50000 ảnh train, 10000 ảnh test 6.6.1 Thu thập phân loại ung thư: - Lành tính - Ác tính 63 Hình 6.6.1 Phân loại ung thư 6.6.2 Thu thập dataset Bảng 6.5.2.1 Bảng dataset Dataset Lành tính Ác tính HARVARD 7400 Img 1900 Img REDI 1500 Img 400 Img ISIC 1500 Img 2200 Img  Chuẩn hóa sử dụng data augmentation: Tổng 8300 Img 1900 Img 3700 Img Bảng 6.5.2.2 Data Augmentation Data Augmentation Lành tính 15500 Img  Sử dụng data để training model nhận diện ảnh ung thư: Bảng 6.5.2.3 Data training model Data Training Model Lành tính 25000 Img Ác tính 25000 Img Ác tính 31500 Img Size 600 x 450 600 x 450 64  Bảng kết Training Model: Hình 6.6.2 Kết training model 65 CHƯƠNG 7: TỔNG KẾT VÀ HƯỚNG PHÁT TRIỂN 7.1 Tổng kết 7.1.1 Những kiến thức đạt Hiểu rõ Machine Learning thuật toán CNN, biết thư viện hỗ trợ cho việc xây dựng model, tính tốn, lấy đường dẫn, cách chuẩn bị dataset, cách train model để có độ xác cao, cách tính độ xác, biết thêm số cú pháp Python, dịch vụ cung cấp Firebase, cách thêm Firebase vào ứng dụng android 7.1.2 Những chức hoàn thành cho ứng dụng Bệnh nhân:  Cho phép bệnh nhân gửi yêu cầu chẩn đoán bệnh bao gồm chụp ảnh trả lời câu hỏi  Cho phép bệnh nhân xem phản hồi bác sĩ yêu cầu chẩn đốn Bác sĩ:  Có thể nhận bệnh nhân danh sách chẩn đốn để tiến hành chẩn đốn  Xem thơng tin bệnh nhân gửi yêu cầu chẩn đoán bệnh  Gửi phản hồi lại cho bệnh nhân 7.1.3 Hạn chế khó khăn Hạn chế: Do thời gian làm đồ án có hạn nên ứng dụng thiếu số chức nhỏ khơng ảnh hưởng đến hoạt động ứng dụng Giao diện chưa đẹp bắt mắt so với ứng dụng phổ biến Ứng dụng phát triển tảng android, tốc độ xử lý cịn chậm Khó khăn: Vì lần tiếp xúc làm việc với machine learning nên phải nhiều thời gian để tìm hiểu cách xử lý cách hoạt động thuật tốn Khó khăn việc kết hợp machine learning với ứng dụng android, việc tìm kiếm tập liệu (dataset) ảnh ung thư da Cấu hình máy yếu gây thời gian việc train model Tốn tiền thời gian mua host khơng có sẵn host free với đủ dung lượng để chứa code tạo API 7.2 Hướng phát triển Để ứng dụng hồn thiện cần phải tiếp tục hoàn thành chức sau: Bệnh nhân:  Bệnh nhân xem thơng tin bệnh ung thư da  Bệnh nhân tùy chỉnh lại ngôn ngữ ứng dụng 66  Bệnh nhân cập nhật lại thơng tin tài khoản  Nhận yêu cầu xét nghiệm hướng dẫn xét nghiệm từ bác sĩ Bác sĩ:  Có thể gửi yêu cầu xét nghiệm cho bệnh nhân mà bác sĩ phụ trách phản hồi  Xem danh sách bệnh nhân chẩn đoán khứ  Nhận thơng báo từ ứng dụng có bệnh nhân gửi yêu cầu xét nghiệm hay bệnh nhân nhận có kết xét nghiệm 67 TÀI LIỆU THAM KHẢO [1] https://towardsdatascience.com/review-densenet-image-classificationb6631a8ef803 [2] https://machinelearningcoban.com/2018/07/06/deeplearning/ [3] http://vietnamnet.vn/vn/suc-khoe/cac-loai-benh/ung-thu/cac-giai-doan-cua-ungthu-da-ma-ban-nen-biet-389047.html [4] https://towardsdatascience.com/applied-deep-learning-part-1-artificial-neuralnetworks [5] https://firebase.google.com/docs/android/setup [6] https://azure.microsoft.com/en-gb/overview/what-is-azure/ 68 S K L 0 ... mắc bệnh ung thư da Nếu cha mẹ hay anh chị em bị ung thư da, có nguy cao bệnh Lịch sử cá nhân bị ung thư da Nếu phát triển ung thư da lần, có nguy phát triển lần Thậm chí tế bào đáy ung thư tế... biến bệnh ung thư xảy vùng da khơng thư? ??ng tiếp xúc với ánh sáng mặt trời Có ba loại ung thư da - ung thư biểu mô tế bào đáy, ung thư biểu mô tế bào vảy u ác tính Có thể làm giảm nguy ung thư da. .. ngày Biết tầm quan trọng phát triển ứng dụng Machine Learning tương lai nên nhóm chúng em định chọn đề tài cho đồ án tốt nghiệp ? ?Phát sớm bệnh ung thư da thông qua ảnh chụp từ điện thoại? ?? 1.2 Mục