Đang tải... (xem toàn văn)
TRƯỜNG ĐẠI HỌC ĐIỆN LỰC KHOA CÔNG NGHỆ THÔNG TIN BÁO CÁO CHUYÊN ĐỀ HỌC PHẦN XỬ LÝ ẢNH Y TẾ ĐỀ TI ỨNG DỤNG DEEP LEARNING TRONG VIỆC PHÁT HIỆN COVID 19 QUA HÌNH CHỤP X QUANG Sinh viên thực hiện NGUYỄN[.]
TRƯỜNG ĐẠI HỌC ĐIỆN LỰC KHOA CÔNG NGHỆ THÔNG TIN BÁO CÁO CHUYÊN ĐỀ HỌC PHẦN XỬ LÝ ẢNH Y TẾ ĐỀ TI: ỨNG DỤNG DEEP LEARNING TRONG VIỆC PHÁT HIỆN COVID-19 QUA HÌNH CHỤP X-QUANG Sinh viên thực Giảng viên hướng dẫn :NGUYỄN ĐẶNG HẢI NAM TRỊNH ĐẶNG PHƯƠNG NAM PHẠM ĐỨC LONG : HONG VĂN QUÝ Ngành : CÔNG NGHỆ THÔNG TIN Chuyên ngành : TRÍ TUỆ NHÂN TẠO & THỊ GIÁC MÁY TÍNH Lớp : D14TTNT&TGMT Khóa : 2019-2023 Hà Nội, tháng 12 năm 2022 PHIẾU CHẤM ĐIỂM STT Họ tên sinh viên Nguyễn Đặng Hải Nam (19810000639) Trịnh Đặng Phương Nam (19810000064) Phạm Đức Long (19810000175) Nội dung thực Điểm Chữ ký Họ tên giảng viên Giảng viên chấm 1: Giảng viên chấm 2: Chữ ký Ghi MỤC LỤC LỜI CẢM ƠN LỜI MỞ ĐẦU CHƯƠNG I: TỔNG QUAN VỀ XỬ LÝ ẢNH Xử lý ảnh .7 Các vấn đề xử lý ảnh 2.1 Một số khái niệm .7 2.2 Nắn chỉnh biến dạng 2.3 Khử nhiễu 2.4 Chỉnh mức xám 2.6 Nhận dạng 10 2.7 Nén ảnh .11 CHƯƠNG II: THỬ NGHIỆM VÀ ĐÁNH GIÁ KẾT QUẢ 13 Bài toán .13 Xây dựng liệu .13 Cài đặt .13 KẾT LUẬN 14 TÀI LIỆU THAM KHẢO .15 LỜI CẢM ƠN Lời đầu tiên, chúng em xin chân thành gửi lời cảm ơn tới thầy cô giáo Trường Đại học Điện Lực nói chung thầy giáo Khoa Cơng nghệ thơng tin nói riêng tận tình giảng dạy, truyền đạt cho chúng em kiến thức kinh nghiệm quý báu suốt trình học Đặc biệt, chúng em gửi lời cảm ơn đến Giáo viên hướng dẫn Hồng Văn Q, thầy tận tình theo sát giúp đỡ, trực tiếp bảo, hướng dẫn suốt trình nghiên cứu học tập chúng em Trong thời gian học tập với thầy, chúng em khơng tiếp thu thêm nhiều kiến thức bổ ích mà học tập tinh thần làm việc, thái độ nghiên cứu khoa học nghiêm túc, hiệu Đây điều cần thiết cho chúng em q trình học tập cơng tác sau Chúng em muốn gửi lời cảm ơn đặc biệt nhất, sâu sắc nhất, thân thương đến thầy chúc thầy dồi sức khỏe, tiếp tục giảng dạy hết tâm huyết cho lứa học trị sau để đất nước ta ngày có nhiều nhân tài, người giỏi doanh nghiệp, xây dựng đất nước phát triển Em xin chân thành cảm ơn! LỜI MỞ ĐẦU Tính cấp thiết đề tài Công nghệ ngày phổ biến khơng phủ nhận tầm quan trọng hiệu mà đem lại cho sống Bất kỳ lĩnh vực nào, góp mặt trí tuệ nhân tạo giúp người làm việc hồn thành tốt cơng việc Và gần đây, kỹ thuật phổ biến “Xử lý ảnh y tế” nhiều người quan tâm Mục tiêu nghiên cứu Báo cáo tổng quan ảnh y tế ứng dụng Đối tượng phạm vi nghiên cứu Đối tượng nghiên cứu: Phạm vi nghiên cứu: Đồ án nghiên cứu phạm quy nhu cầu thực tế Phương pháp nghiên cứu Tổng quan ảnh y tế ứng dụng Kết cấu báo cáo Báo cáo gồm chương: + Chương 1: Tổng quan ảnh y tế + Chương 2: Xây dựng liệu hệ thống CHƯƠNG I: TỔNG QUAN VỀ XỬ LÝ ẢNH Xử lý ảnh Con người thu nhận thơng tin qua giác quan, thị giác đóng vai trị quan trọng Những năm trở lại với phát triển phần cứng máy tính, xử lý ảnh đồ hoạ phát triển cách mạnh mẽ có nhiều ứng dụng sống Xử lý ảnh đồ hoạ đóng vai trị quan trọng tương tác người máy Quá trình xử lý ảnh xem trình thao tác ảnh đầu vào nhằm cho kết mong muốn Kết đầu q trình xử lý ảnh ảnh “tốt hơn” kết luận Quá trình xử lý ảnh Ảnh xem tập hợp điểm ảnh điểm ảnh xem đặc trưng cường độ sáng hay dấu hiệu vị trí đối tượng khơng gian xem hàm n biến P(c1, c2, , cn) Do đó, ảnh xử lý ảnh xem ảnh n chiều Sơ đồ tổng quát hệ thống xử lý ảnh: Các bước hệ thống xử lý ảnh Các vấn đề xử lý ảnh 2.1Một số khái niệm Ảnh điểm ảnh: Điểm ảnh xem dấu hiệu hay cường độ sáng toạ độ không gian đối tượng ảnh xem tập hợp điểm ảnh Mức xám, màu: Là số giá trị có điểm ảnh ảnh 2.2Nắn chỉnh biến dạng Ảnh thu nhận thường bị biến dạng thiết bị quang học điện tử Ảnh thu nhận ảnh mong muốn Để khắc phục người ta sử dụng phép chiếu, phép chiếu thường xây dựng tập điểm điều khiển Giả sử có n tập điều khiển Tìm hàm f: cho: Giả sử ảnh bị biến đổi bao gồm: Tịnh tiến, quay, tỷ lệ, biến dạng bậc tuyến tính Khi hàm f có dạng: Ta có: Để cho 2.3 Khử nhiễu Có loại nhiễu trình thu nhận ảnh Nhiều hệ thống: nhiễu có quy luật khử phép biến đổi Nhiễu ngẫu nhiên: vết bẩn không rõ nguyên nhân → khắc phục phép lọc 2.4 Chỉnh mức xám Nhằm khắc phục tính khơng đồng hệ thống gây Thơng thường có hướng tiếp cận: Giảm số mức xám: Thực cách nhóm mức xám gần thành bó Trường hợp có mức xám chuyển ảnh đen trắng Ứng dụng: In ảnh màu máy in đen trắng Tăng số mức xám: Thực nội suy mức xám trung gian kỹ thuật nội suy Kỹ thuật nhằm tăng cường độ mịn cho ảnh 2.5Trích chọn đặc điểm Các đặc điểm đối tượng trích chọn tuỳ theo mục đích nhận dạng q trình xử lý ảnh Có thể nêu số đặc điểm ảnh sau đây: Đặc điểm không gian: Phân bố mức xám, phân bố xác suất, biên độ, điểm uốn v.v Đặc điểm biến đổi: Các đặc điểm loại trích chọn việc thực lọc vùng (zonal filtering) Các vùng gọi “mặt nạ đặc điểm” (feature mask) thường khe hẹp với hình dạng khác (chữ nhật, tam giác, cung tròn v.v ) Đặc điểm biên đường biên: Đặc trưng cho đường biên đối tượng hữu ích việc trích trọn thuộc tính bất biến dùng nhận dạng đối tượng Các đặc điểm trích chọn nhờ toán tử gradient, toán tử la bàn, toán tử Laplace, tốn tử “chéo khơng” (zero crossing) v.v Việc trích chọn hiệu đặc điểm giúp cho việc nhận dạng đối tượng ảnh xác, với tốc độ tính toán cao dung lượng nhớ lưu trữ giảm xuống 2.6 Nhận dạng Nhận dạng tự động (automatic recognition), mô tả đối tượng, phân loại phân nhóm mẫu vấn đề quan trọng thị giác máy, ứng dụng nhiều ngành khoa học khác Tuy nhiên, câu hỏi đặt là: mẫu (pattern) gì? Watanabe, người đầu lĩnh vực định nghĩa: “Ngược lại với hỗn loạn (chaos), mẫu thực thể (entity), xác định cách ang (vaguely defined) gán cho tên gọi đó” Ví dụ mẫu ảnh vân tay, ảnh vật chụp, chữ viết, khn mặt người ký đồ tín hiệu tiếng nói Khi biết mẫu đó, để nhận dạng phân loại mẫu có thể: Hoặc phân loại có mẫu (supervised classification), chẳng hạn phân tích phân biệt (discriminant analyis), mẫu đầu vào định danh thành phần lớp xác định Hoặc phân loại khơng có mẫu (unsupervised classification hay clustering) mẫu gán vào lớp khác dựa tiêu chuẩn đồng dạng Các lớp thời điểm phân loại chưa biết hay chưa định danh Hệ thống nhận dạng tự động bao gồm ba khâu tương ứng với ba giai đoạn chủ yếu sau đây: Thu nhận liệu tiền xử lý Biểu diễn liệu Nhận dạng, định Bốn cách tiếp cận khác lý thuyết nhận dạng là: Đối sánh mẫu dựa đặc trưng trích chọn Phân loại thống kê Đối sánh cấu trúc Phân loại dựa mạng nơ-ron nhân tạo Trong ứng dụng rõ ràng dùng có cách tiếp cận đơn lẻ để phân loại “tối ưu” cần sử dụng lúc nhiều phương pháp cách tiếp cận khác Do vậy, phương thức phân loại tổ hợp hay sử dụng nhận dạng có kết có triển vọng dựa thiết kế hệ thống lai (hybrid system) bao gồm nhiều mô hình kết hợp Việc giải tốn nhận dạng ứng dụng mới, nảy sinh sống không tạo thách thức thuật giải, mà đặt yêu cầu tốc độ tính tốn Đặc điểm chung tất ứng dụng đặc điểm đặc trưng cần thiết thường nhiều, chuyên gia đề xuất, mà phải trích chọn dựa thủ tục phân tích liệu 2.7Nén ảnh Nhằm giảm thiểu khơng gian lưu trữ Thường tiến hành theo hai cách khuynh hướng nén có bảo tồn khơng bảo tồn thơng tin Nén khơng bảo tồn thường có khả nén cao khả phục hồi Trên sở hai khuynh hướng, có cách tiếp cận nén ảnh: Nén ảnh thống kê: Kỹ thuật nén dựa vào việc thống kê tần xuất xuất giá trị điểm ảnh, sở mà có chiến lược mã hóa thích hợp Một ví dụ điển hình cho kỹ thuật mã hóa *.TIF Nén ảnh không gian: Kỹ thuật dựa vào vị trí khơng gian điểm ảnh để tiến hành mã hóa Kỹ thuật lợi dụng giống điểm ảnh vùng gần Ví dụ cho kỹ thuật mã nén *.PCX Nén ảnh sử dụng phép biến đổi: Đây kỹ thuật tiếp cận theo hướng nén khơng bảo tồn vậy, kỹ thuật thướng nến hiệu *.JPG tiếp cận theo kỹ thuật nén Nén ảnh Fractal: Sử dụng tính chất Fractal đối tượng ảnh, thể lặp lại chi tiết Kỹ thuật nén tính tốn để cần lưu trữ phần gốc ảnh quy luật sinh ảnh theo nguyên lý Fractal CHƯƠNG II: THỬ NGHIỆM V ĐÁNH GIÁ KẾT QUẢ Bài toán Xây dựng liệu Cài đặt KẾT LUẬN Qua q trình tìm hiểu, phân tích nghiên cứu “Ứng dụng Deep Learning việc phát COVID-19 qua hình chụp X-quang” Với kiến thức thu nhận nhóm em hoàn thành nghiên cứu Tuy nhiên, nghiên cứu nhiều hạn chế mà chúng em chưa nhận biết Chúng em mong có nhận xét, đánh giá từ phía thầy để nhìn hạn chế nhóm em báo cáo Các bước phát triển bọn em nghiên cứu tiếp vào thời gian tới phát triển thuật tốn ứng dụng thị trường Em xin chân thành cảm ơn! TI LIỆU THAM KHẢO https://machinelearningcoban.com/2017/08/08/nbc/ Xử lý ảnh – Wikipedia tiếng Việt Tuần 1: Giới thiệu xử lý ảnh (viblo.asia) angelinawong1210/AiCOVID: Đây dự án "Ứng dụng Deep Learning việc phát COVID-19 qua hình chụp X-quang", thực nhóm em học sinh thuộc lớp 11 Toán - Trường THPT chuyên Lê Quý Đơn, tỉnh Khánh Hịa (github.com) ... V ĐÁNH GIÁ KẾT QUẢ Bài toán X? ?y dựng liệu Cài đặt KẾT LUẬN Qua trình tìm hiểu, phân tích nghiên cứu ? ?Ứng dụng Deep Learning việc ? ?phát COVID- 19 qua hình chụp X- quang? ?? Với kiến thức thu nhận... https://machinelearningcoban.com/2017/08/08/nbc/ X? ?? lý ảnh – Wikipedia tiếng Việt Tuần 1: Giới thiệu x? ?? lý ảnh (viblo.asia) angelinawong1210/AiCOVID: Đây dự án "Ứng dụng Deep Learning việc phát COVID- 19 qua. .. nhận thông tin qua giác quan, thị giác đóng vai trị quan trọng Những năm trở lại với phát triển phần cứng máy tính, x? ?? lý ảnh đồ hoạ phát triển cách mạnh mẽ có nhiều ứng dụng sống X? ?? lý ảnh đồ