Sử dụng deep learning hỗ trợ chẩn đoán một số bệnh về viêm họng thông qua ảnh chụp nội soi

Sử dụng deep learning hỗ trợ chẩn đoán một số bệnh về viêm họng thông qua ảnh chụp nội soi Sử dụng deep learning hỗ trợ chẩn đoán một số bệnh về viêm họng thông qua ảnh chụp nội soi Sử dụng deep learning hỗ trợ chẩn đoán một số bệnh về viêm họng thông qua ảnh chụp nội soi Sử dụng deep learning hỗ trợ chẩn đoán một số bệnh về viêm họng thông qua ảnh chụp nội soi

KHÁI QUÁT VỀ PHÁT HIỆN ĐỐI TƯỢNG

Tổng quan

1.1.1 Các đặc trưng của bệnh viêm họng

Viêm họng là bệnh lý Tai Mũi Họng rất thường gặp, có thể gặp phải ở mọi giới tính, lứa tuổi, đặc biệt là ở những người có hệ miễn dịch kém, trẻ nhỏ, phụ nữ mang thai, người cao tuổi, người suy dinh dưỡng

Bệnh viêm họng xảy ra do nhiều nguyên nhân và nhiều yếu tố thuận lợi 60- 80% bệnh viêm họng xảy ra do virus, còn lại là do vi khuẩn Một số nguyên nhân gây viêm họng chính là:

− Viêm họng do virus liên cầu khuẩn

− Viêm họng giả mạc (Viêm họng bạch hầu)

Triệu chứng bệnh viêm họng thường thấy là cảm giác đau ở vùng họng, tiếp theo nói khó và khó nuốt

Cơ thể bắt đầu sốt cao có thể 38 – 39 °C, có lúc lên đến 40°C, toàn thân nhức ở các khớp, mệt mỏi, ớn lạnh nhức đầu, nếu nặng sẽ có biểu hiện nổi hạch ở dưới hàm…

Các triệu chứng phụ khi viêm họng nhiều ngày là đau nhói từng hồi ở tai, nghe tiếng vo ve, chảy mũi, khàn tiếng, khó nuốt, ho có đờm, giọng nói thay đổi

Với số lượng người mắc bệnh ngày càng đông, hệ thống y tế ngày càng quá tải trong việc chẩn đoán và điều trị Đề tài này sẻ hỗ trợ bác sĩ trong việc chẩn đoán và hỗ trợ ra quyết định nhanh hơn Tăng chất lượng khám và điều trị giảm phiền hà và tăng chất lượng cuộc sống của bệnh nhân

1.1.2 Các ứng dụng và nghiên cứu liên quan trong và ngoài nước Ở thời điểm hiện tại cùng với việc phát triển khoa học công nghệ, các công trình tương tự có liên quan đến bài toán phát hiện đối tượng và có khá nhiều trên thế giới Việc ứng dụng tin học và trong các lĩnh vực y tế, nông nghiệp, giáo dục đã trở nên phổ biến Một số công trình tiêu biểu trong và ngoài nước như sau: Ở nước ngoài:

Carlos Santos và nhóm của ông thực hiện công trình nghiên cứu “A New Approach for Detecting Fundus Lesions Using Image Processing and Deep Neural Network Architecture Based on YOLO Model” [1] Công trình này đề xuất một phương pháp mới dựa trên các kỹ thuật xử lý hình ảnh, tăng cường dữ liệu.Phương pháp đề xuất làsử dụng bộ dữ liệu công khai về bệnh võng mạc tiểu đường DDR và IDRiD và được triển khai trên thư viện của PyTorch dựa trên mô hình YOLO V5 Bằng cách sử dụng kiến trúc mạng lưới thần kinh sâu này Carlos đã trích xuất một lượng lớn các tổn thương được phục vụ cho công tác nghiên cứu và đào tạo

Chenyang Liu1 và các cộng sự phát triển kỹ thuật “Automatic detection of pulmonary nodules on CT images with Yolo V3: development and evaluation using simulated and patient data “ [2] Công trình này dùng YOLO v3 CNN để phát hiện các nốt phổi Dữ liệu Trong nghiên cứu bệnh nhân lấy từ cơ sở dữ hình ảnh (LIDC– IDRI) nó có 1.018 ảnh quét CT lồng ngực Các hình ảnh CT có độ dày lát cắt lớn hơn 2,5 mm đã bị loại trừ, để lại 888 hình ảnh CT để phân tích Việc đánh dấu được bốn bác sĩ X quang có kinh nghiệm thành một trong ba nhóm: (I) không có nốt, (II) nốt