Phân đoạn khối u não trong ảnh mr ba chiều bằng mạng thần kinh học sâu

Ộ CÔNG THƯƠNG TRƯỜNG ĐẠ Ọ Ệ Ố Ồ HỮU HÙNG PHÂN ĐOẠN KHỐI U TRONG ẢNH MR CHIỀU BẰNG MẠNG THẦN KINH HỌC SÂU Ọ LUẬN VĂN THẠC SĨ THÀNH PHỐ HỒ CHÍ MIN NĂM 2019 Cơng trình đượ Ngườ hướ ại Trường Đạ ẫ ọ ệ ỳ Ngườ ệ ầ ọ ầ ế ấ ệ ệ ệ ỳ Ngườ ận văn thạc sĩ đượ ọ i đồ ấ ệ ố ận văn thạ ĩ Trường Đạ năm 2020 i đồng đánh giá luận văn thạc sĩ gồ ế ủ ị ỳ i đồ ệ ầ ấ ệ ễ Ủ ậ Thư ký Ủ Ị ỘI ĐỒ ế TRƯỞ ỳ ế Ộ CÔNG THƯƠNG TRƯỜNG ĐẠ Ọ Ố Ồ Ệ Ệ ọ ọ Ộ Ụ Ộ Độ ậ Ủ NGHĨA VIỆ ự ẬN VĂN THẠC SĨ ữ Ngày, tháng, năm sinh: Nơi sinh: ọ I TÊN ĐỀ Phân đoạ Ệ ố ề Ụ ụ ụ Cài đặ ệ ự ầ ọ Ộ ụ Ứ ằ ố ậ ứ ọ ận văn để phân đoạ ệ xác đị Ệ Ụ Ẫ ố ố ết đị Ệ NGƯỜI HƯỚ ủ ề ố /QĐ ĐHCN Ụ Ọ ỳ ế Chí Minh, ngày … tháng … năm 20 … NGƯỜI HƯỚ TRƯỞ Ẫ Ủ Ệ Ệ Ộ MÔN ĐÀO TẠ Ờ ẢM ƠN Trước hết xin gửi lời c m ơn chân thành tới tập thể thầy cô giáo Khoa Công nghệ Thông tin, Trường Đại học Công nghiệp Thành phố Hồ Chí Minh giúp đỡ tận tình chu tơi có mơi trường tốt học tập nghiên cứu Đặc biệt, xin bày tỏ lòng biết ơn sâu sắc tới Thầy PGS.TS Huỳnh Trung Hiếu người trực tiếp hướng dẫn, b o tơi tận tình suốt q trình nghiên cứu hồn thiện luận văn M t lần tơi xin gửi lời c m ơn đến tất c thầy giáo, bạn bè, gia đình quan giúp đỡ thời gian vừa qua Ắ “Phân đoạn khối u cứu hỗ trợ bác sĩ nh MR Ậ VĂN ẠC SĨ chiều mạng thần kinh học sâu” đề chuẩn đoán hỉnh nh Mục tiêu tăng tính xác, nhanh chóng, gi m thiểu sai sót việc xác định khối u nh MR ỜI CAM ĐOAN Tôi xin cam đoan n i dung luận văn “phân đoạn khối u ảnh MR chiều mạng thần kinh học sâu” thực hướng dẫn thầy PGS.TS Huỳnh Trung Hiếu Những n i dung trình bày luận văn cá nhân tổng hợp từ nhiều nguồn tài liệu khác Tất c tài liệu tham kh o có xuất xứ rõ ràng trích dẫn đầy đủ Tơi xin chịu hồn tồn trách nhiệm chịu hình thức kỷ luật theo quy định cho lời cam đoan Học viên Hữu Hùng Ụ Ụ MỤC LỤC DANH MỤC HÌNH ẢNH DANH MỤC BẢNG BIỂU DANH MỤC TỪ VIẾT TẮT MỞ ĐẦU Đặ ấn đề ụ ứ Đối tượ ế ứ ận phương pháp ng Ý nghĩa thự ễ ứ đề TỔNG QUAN 1.2 Các hướ 1.3 Đề ế ậ ất hướ CHƯƠNG CƠ SỞ LÝ THUYẾT ấ Trườ ọ ế ủ ế ậ ố ụ ẻ ổ ợ ọ ố Ả ụ ng hưở ục đích chụ ợ ủ ng hưở ụ ố nhược điể CHƯƠNG ừ ng hưở ủ ận thể ụ MƠ HÌNH NHẬN DẠNG KHỐI U ậ ế ầ ự ậ CHƯƠNG THỰC NGHIỆM ậ ữ ệ 4.2 Môi trườ ự ế ự ệ ệ ậ KẾT LUẬN VÀ KIẾN NGHỊ ế ậ 1.1 Ưu điể ết điể ế ị TÀI LIỆU THAM KHẢO LÝ LỊCH TRÍCH NGANG CỦA HỌC VIÊN Ụ Ả Hình 1.1 Thống kê số lượng ung thư Việt Nam 2018 IARC Hình 2.1 Cấu trúc Convolution Hình 2.2 Cấu trúc tổng quan mạng CNN Hình 2.3 Kênh màu RGB điểm nh Hình 2.4 Lớp ẩn convolution Hình 2.5 Đầu với kết nối đầy đủ (Fully connected) Hình 2.6 Ảnh MR [6] Hình 3.1 Sơ đồ xử lí m t lớp Convolution đơn dùng trích xuất đặc tính Hình 3.3.a Mơ hình xếp tầng, cách g p đầu vào (InputCascadedCNN) Hình 3.3.b Mơ hình xếp tầng, cách g p đường cục b (LocalCascadedCNN) Hình 3.3.c Mơ hình xếp tầng, cách g p tiền xuất có sử dụng trường giới hạn Hình 3.4 Đường biễu diễn d xác gi i thuật TwoPathCNN Hình 3.5 Đường biễu diễn d xác gi i thuật InputCascadeCNN Hình 3.6 Đường biễu diễn d xác gi i thuật MFCascadeCNN Hình 4.1 Các nh MR (4 nh từ trái qua) Ảnh Ground truth (bên ph i) với nhãn ậ ậ ấ Kiểm tra đ xác mơ hình tập học thử Hình 3.4 Đườ ậ ậ ấ ễ ễ ủ ậ Hình 3.5 Đườ ậ ậ ấ ễ ễ ủ ậ Hình 3.6 Đườ ậ ậ ấ ễ ễ ủ ậ ậ ậ ấ CHƯƠNG Ự Ệ N i dung trình bày gồm phần: · Mơ t tập liệu · Môi trường thực nghiệm · Kết qu thực nghiệm · Th o luận ả ậ ữ ệ ậ ự ữ ệ ụng để ện sơ chế qua ba bướ ỗ ậ ữ ệ Đầ ấ ẫ ấ ữ ệu đầ cho đ ệ ẩ ẽ đượ ố ệ ệ ủ ự ệm ệ ỏ ất Sau đó, áp dụng đ ệ ứ ự ữ nh có cường đ ẩ cho phương giá trị ậ ủ ỏ đố ẳ ằ ạnh xương Ả ụ trườ ắ ấ ấ ắ ị ị 250 ms, nướ ự ề ỡ ẽ ệ ấ ờ ắn chấ ếu (đen) ắ ứ ề ắ ỡ ẽ xám loạ ỡ ẽ ắ ấ ề ẽ ịch có màu đen Ả ụ ự ọ ấ đị Mơ có T1 ngắ ệ ị ệt mô tương ự tương tự T1 ngượ ẽ ệ thể ắ ắ ắ ấ ệ ắ ệu nên có màu đen ấ ỡ ị ề ẽ ệ ếu (đen) Trong ị ủ ủ ất khoang dướ ỏ xương khơng có tín Ả ỗ ịch, dị ủy Hình thu đượ T2W thành phần nướ Ả ệ ỗ ệu (đen) ủ nh bác sĩ, chuyên gia hình ữ ổn thương đó, làm Ở ỗ ấ ế ỗ ậ ọ ố ố dùng lướ ậ ếm đượ đị ẩm đị ọn đượ ữ đượ ệ ẩ ự ện đ ụ ẩ ị ằ ỗ ậ ẫ ất Đố nh theo quan sát max pooling lạ đườ đề ậ ố ố ụng bướ Đ ủ ố thướ điể ẩn đoán ọ ủ ị ặ ấ ệ ặ ọ ệ ậ ậ ẩm đị ụ ẹ ữ ệ ữ ệ ữ ệ ỗ ệ ệ ệ ệ ấ ệ ệ ệ ặ ặ ệ ẹ Tập thử tập thẩm định khơng có nhãn ground truth Trong Ground truth có ỏ ạnh, chưa phát hiệ Necrosis: di căn, thườ ầ ữ ố ệnh chuyển sang giai đoạ ố ệ giai đoạn đầ ặ ới sang giai đoạ ố ặ ố ợ ới giai đoạ ể ữ ố ị ế ị ụ ị ự ật, …) hoặ Ả c trườ ẫ ểu ển sang giai đoạ c ếp, không di Tạ c c ệ máy o Vmware để cài hệ điều hành Ubuntu 19.4, ngôn ngữ PyThon 3.7 sử dụng hàm thư việc Tensorflow, keras, numpy để chạy chương trình thực nghiệm Cấu hình phần cứng Core I5 – hệ thứ ế ả ự ệ sử dụng hình nh dạng 2D thay cho nh 3D cơng trình công bố việc sử dụng nh 3D không c i thiện hiệu suất làm cho mơ hình thực chậm thử phương pháp tăng cường liệu cho nh đầu vào cách lật nh Krizhevsky để c i thiện xác mơ hình khơng thấy hiệu qu mơ hình Đánh giá hiệu suất mơ hình tập thử kết qu so với hệ thống đánh giá trực tuyến BRATS theo cơng thức ứng với vị trí khối u: nhãn non tăng trưởng (di căn): ấ Ứng với vùng ta có cơng thức tính sau: (| ⋀ | | |)/ Đ đặ Đ | ệ | Trong | | ∧ ∧ | | | | ế ậ ự ủ dương tính (positives) Tương ậ ủ Qua kết qu so sánh mơ hình với kết qu BRATS 2013 ta rút m t số nhận x t: ế ỉ ụ ầ ế ụ ấ ệt Đặ ấ ế ệ ệ ế ả ậ ổ ệ ọi trườ ể đầ ậ ặ ữ ệ ệ ể ế ợ ụ nh đầu vào tương thích vớ ệ ệ ế ẩ Ế ế Ậ Ế Ị ậ Ưu điể Mơ hình TwoPathCNN rõ ràng đạt đượ ấ ọng mơ hình khác đượ ệ lí đưa kế ủ ệ ết điể ững ưu điể ệ ầ ố trườ ăng trưở ợ ế ế ự Có lý cho điều Đườ ền thường đượ tăng trưở ế ỏ Điề ụ ứ ệ ững ngườ ề ngườ ọ ủ ế ấn đề ủ , cách xác đị nhãn đượ đườ ề ề đườ ậy thấ ệc xác đị ắ , mơ hình ỗi ngườ trưở ữ không đồ ề ủ ấ tăng ăng trưở ị Nên thực nghiệm nhiều nhiều hệ thống tập liệu khác để từ thấy nhiều ưu điểm khuyết điểm mô hình so với mơ hình khác ta thực nghiệm Sử dụng loại nh chụp cho phân định rõ viền (biên) vùng u tăng trưởng mô mạnh khỏe sử dụng lại cơng trình nghiên cứu khác mà phân định vùng biên Chuẩn hóa b nhãn Ground truth thông qua h i đồng chuyên gia chuẩn đốn hình nh giàu kinh nghiệm Ệ ổ Ả ức IARC “Thố ệ ” Internet: “ Images with Fuzzy Clustering,” ễ ấ ần Văn Thụ ệ ụ ậ ng hưở ẩn đốn hình ện Đa khoa MEDLATEC Hà N ần Đình Dưỡ ệ “ ệ ỉ ng hưở ừ” ẩn đốn hình – Ị Ủ Ọ I LÝ LỊCH SƠ LƯỢC: Họ tên: Hữu Hùng Giới tính: Ngày, tháng, năm sinh: Nơi sinh: Hồ Chí Minh Điện thoại II QUÁ TRÌNH ĐÀO TẠO: Từ năm – rường Đại học Mở Từ năm 2015 – 2019: Học Cao học Trường Đại học Công nghiệp Tp.HCM Thời gian Nơi công tác Trường Đại học Công nghiệp Tp.HCM Công việc đảm nhiệm Gi ng viên Năm 20 Người khai ... đoạn khối u ảnh MR chi? ?u mạng thần kinh học s? ?u? ?? thực hướng dẫn thầy PGS.TS Huỳnh Trung Hi? ?u Những n i dung trình bày luận văn cá nhân tổng hợp từ nhi? ?u nguồn tài li? ?u khác Tất c tài li? ?u tham... trình dùng mạng thần kinh học s? ?u với nh MR để phân đoạn ung thu não thực tế ý tưởng dùng nh MR não công trình Việc chọn dùng mạng thần kinh học s? ?u cơng trình đạt tốc đ gấp 40 lần số mạng tích... SĨ chi? ?u mạng thần kinh học s? ?u? ?? đề chuẩn đốn hỉnh nh Mục ti? ?u tăng tính xác, nhanh chóng, gi m thi? ?u sai sót việc xác định khối u nh MR ỜI CAM ĐOAN Tôi xin cam đoan n i dung luận văn ? ?phân đoạn