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

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC LẠC HỒNG *** TẠ THANH TÂM SỬ DỤNG DEEP LEARNING HỖ TRỢ CHẨN ĐỐN MỘT SỐ BỆNH VỀ VIÊM HỌNG THƠNG QUA ẢNH CHỤP NỘI SOI LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN Đồng Nai, Năm 2023 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC LẠC HỒNG *** TẠ THANH TÂM SỬ DỤNG DEEP LEARNING HỖ TRỢ CHẨN ĐOÁN MỘT SỐ BỆNH VỀ VIÊM HỌNG THÔNG QUA ẢNH CHỤP NỘI SOI Chuyên ngành: Công nghệ thông tin Mã số chuyên ngành: 8480201 LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS.TS VŨ ĐỨC LUNG Đồng Nai - Năm 2023 LỜI CAM ĐOAN Tôi xin cam đoan cơng trình nghiên cứu riêng tôi, hướng dẫn thầy PGS.TS VŨ ĐỨC LUNG Các tài liệu kết nghiên cứu luận văn trung thực Mọi nội dung tham khảo từ tài liệu trích dẫn thích đầy đủ Tơi xin chịu trách nhiệm luận văn Học viên Tạ Thanh Tâm LỜI CẢM ƠN Lời đầu tiên, tơi xin bày tỏ lịng biết ơn Trường Đại học Lạc Hồng tổ chức khóa học này, để tơi có điều kiện học tập lĩnh hội kiến thức có thời gian để hồn thành luận văn Tơi xin chân thành cảm ơn thầy cô Khoa Sau Đại Học thầy cô khoa Công nghệ Thông tin tận tình truyền đạt cho tơi nhiều kiến thức kỹ cần thiết cho em suốt trình học tập Tơi xin chân thành cảm ơn thầy PGS.TS VŨ ĐỨC LUNG hướng dẫn, chia sẻ góp ý tận tình tạo điều kiện để tơi hoàn thành luận văn Học viên Tạ Thanh Tâm TRƯỜNG ĐẠI HỌC LẠC HỒNG KHOA SAU ĐẠI HỌC TÓM TẮT LUẬN VĂN (Dùng cho học viên người hướng dẫn) Đề tài: Sử dụng deep learning hỗ trợ chẩn đốn số bệnh viêm họng thơng qua ảnh chụp nội soi Ngành: Công nghệ thông tin Mã số: 8480201 Học viên: Tạ Thanh Tâm Người hướng dẫn: PGS.TS Vũ Đức Lung NỘI DUNG TÓM TẮT 1.Nội dung giao kết mong đợi người hướng dẫn Thu thập thông tin, liệu, nghiên cứu liên quan - Tiền xử lý ảnh Phân tích liệu - Lựa chọn mơ hình, giải thuật đề xuất công nghệ sử dụng - Xây dựng hệ thống - Thử nghiệm đánh giá kết - Hoàn thiện hệ thống, viết báo cáo luận văn Cách thức giải vấn đề Môi trường ô nhiễm, chất lượng sống điều kiện làm việc khắc nghiệt tình hình chung đáng lo ngại Điều làm cho bệnh hệ hô hấp gia tăng đáng kể đặc biệt bệnh họng Việc chẩn đoán sớm để điều trị kịp thời cấp thiết Để tăng cường khả nhận biết sớm, nhanh hiệu cho người bệnh giảm tải cho bác sĩ tiến hành thăm khám Từ lý cho thấy cần thiết việc nghiên cứu công cụ hỗ trợ việc phát bệnh lý viêm họng thông qua hình ảnh từ camera nội soi điều cần thiết Vấn đề trình thu thập liệu, lựa chọn hình ảnh phù hợp Những hình ảnh đạt tiêu chuẩn phải đẹp rõ nét, có nhiều đặc trưng Tiếp theo nghiên cứu lý thuyết có liên quan đến tốn nhận dạng, phát đối tượng, lựa chọn Yolo để huấn luyện thử nghiệm vào việc nhận dạng bệnh lý họng Xây dựng chương trình hỗ trợ nhận diện bệnh viêm họng Đánh giá mặt khoa học kết - Tạo liệu 2000 ảnh gán nhãn số bệnh lý viêm họng - Luận văn hoàn thành mục tiêu nghiên cứu thực phần mềm Demo thử nghiệm nhận diện bệnh - Luận văn nghiên cứu thành công với liệu lớn nhiều thời gian huấn luyện đưa vào sử dụng hỗ trợ bác sĩ q trình cơng tác Những vấn đề cịn tồn so với nội dung giao (nếu có) Học viên Tạ Thanh Tâm MỤC LỤC LỜI CAM ĐOAN LỜI CẢM ƠN TÓM TẮT LUẬN VĂN DANH MỤC TỪ VIẾT TẮT DANH MỤC HÌNH DANH MỤC BẢNG CHƯƠNG 1: KHÁI QUÁT VỀ PHÁT HIỆN ĐỐI TƯỢNG 1.1 Tổng quan 1.1.1 Các đặc trưng bệnh viêm họng 1.1.2 Các ứng dụng nghiên cứu liên quan nước 1.2 Mục tiêu 1.3 Đối tượng, phạm vi nghiên cứu 1.4 Nội dung nghiên cứu 1.5 Phương pháp thực ( Cách thực ) 1.6 Dự kiến kết bố cục luận văn CHƯƠNG 2: LÝ THUYẾT LIÊN QUAN 2.1 ANN 2.2 Mạng thần kinh tích chập (CNN) 2.2.1 Lớp tích chập 10 2.2.3 Lớp kích hoạt 14 2.2.4 Lớp kết nối đầy đủ 15 2.3 R-CNN 15 2.4 Fast-CNN 16 2.5 Faster-CNN 17 2.6 Yolo Các khái niệm, ứng dụng phiên bản: 18 2.6.1 Khái niệm: 18 2.6.2 Ứng dụng 19 2.6.3 Kiến trúc Yolo 22 2.6.4 Hàm tính IOU 25 2.6.5 Loss Function 26 2.6.6 Classifycation loss 26 2.6.7 Localization loss 27 2.6.8 Confidence loss 28 2.6.9 Total loss 28 2.6.10 Các phiên Yolo 29 CHƯƠNG 3: XÂY DỰNG DATASET 40 3.1 Chuẩn bị dataset 40 3.2 Gán nhãn liệu 40 CHƯƠNG 4: THIẾT LẬP MÔI TRƯỜNG, THỬ NGHIỆM MODEL, ỨNG DỤNG DEMO VÀ ĐÁNH GIÁ KẾT QUẢ 47 4.1 Môi trường ứng dụng: 47 4.2 Thử nghiện model 47 4.3 Thiết kế thực ứng dụng Demo 56 CHƯƠNG 5: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 61 5.1 Kết đạt đóng góp luận văn 61 5.2 Hạn chế hướng phát triển: 61 TÀI LIỆU THAM KHẢO DANH MỤC TỪ VIẾT TẮT ANN Artificial Neural Network AP Average Precision CNN Convolutional Neural Network FCNN Fully-connected Convolutional Neuron Network IoU Intersection over Union mAP Mean Average Precision R-CNN Region based Convolution Neural Network SSD Single Shot Detector YOLO You Only Look Once ADANH MỤC HÌNH Hình 1Mơ tả mạng thần kinh nhân tạo Hình 2 Kết ma trận tích chập 11 Hình 3:Ma trận đầu vào lớp tích chập kích thước 7x7 12 Hình 4:Hàm giảm thuộc tính Max pooling 13 Hình 5:Kiến trúc mạng R-CNN 16 Hình 6:Thời gian đời Ver Yolo 22 Hình 7:Kiến trúc tổng quát Yolo 23 Hình 8:Cách thức hoạt động mơ hình Yolo 24 Hình 9:Yolo so với thuật tốn khác 25 Hình 10: Phương Pháp Tính IoU 26 Hình 11:Mơ tả tính độ lỗi vị trí khung bao đối tượng 27 Hình 12: Phát nhiều đối tượng ô lưới 30 Hình 13: Số lượng Anchor mạng RetinalNet 31 Hình 14: Cấu trúc Darkness 53 32 Hình 15: Yolo V3 32 Hình 16: Ảnh giảm mẫu 33 Hình 17: Cấu trúc Yolo V4 34 Hình 18: Cấu trúc Yolo V5 36 Hình 19: Sơ đồ tổng hợp lớp YOLO V7 37 Hình 20: Cấu trúc YOLO V8 38 Hình Giao dien gán nhãn 41 Hình 2:Giao diện lưu trữ sau dán nhãn 42 Hình 3: Ảnh sau dán nhãn 43 Hình 4:Hình thư mục train 45 Hình 5: Các file chứa thông tin nhãn 46 Hình 6: Nội dung file Yaml 46