Xác định mức độ ung thư vú thông qua ảnh chụp x ray bằng phương pháp phát triển vùng ảnh

BỘ CÔNG THƯƠNG TRƯỜNG ĐẠI HỌC CÔNG NGHIỆP THÀNH PHỐ HỒ CHÍ MINH NGUYỄN XUÂN THIÊN XÁC ĐỊNH MỨC ĐỘ UNG THƯ VÚ THÔNG QUA ẢNH CHỤP X-RAY BẰNG PHƯƠNG PHÁP PHÁT TRIỂN VÙNG ẢNH Chuyên ngành: KHOA HỌC MÁY TÍNH Mã chuyên ngành: 60480101 LUẬN VĂN THẠC SĨ THÀNH PHỐ HỒ CHÍ MINH, NĂM 2019 BỘ CÔNG THƯƠNG TRƯỜNG ĐẠI HỌC CÔNG NGHIỆP THÀNH PHỐ HỒ CHÍ MINH CỘNG HỊA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập - Tự - Hạnh phúc NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: Nguyễn Xuân Thiên MSHV:15001231 Ngày, tháng, năm sinh: 21/02/1992 Nơi sinh: Bình Thuận Chuyên ngành: Khoa học Máy tính Mã chuyên ngành: 60480101 I TÊN ĐỀ TÀI: Xác định mức độ ung thư vú thông qua ảnh chụp X-ray phương pháp phát triển vùng ảnh NHIỆM VỤ VÀ NỘI DUNG: Nghiên cứu giai đoạn bệnh ung thư vú [1][2] hình ảnh chụp X-ray vùng vú [3] Nghiên cứu lý thuyết Ngưỡng phương sai [4][5][6], Độ trải [7], phương pháp Wrap [8][9] thuật toán Rừng ngẫu nhiên [10] Kết hợp lý thuyết Ngưỡng phương sai, Độ trải giữa, phương pháp Wrap thuật toán Rừng ngẫu nhiên vào xử lý phân tích ảnh chụp X-ray vùng vú để xác định mức độ ung thư “lành tính” “ác tính” II NGÀY GIAO NHIỆM VỤ: Theo QĐ số 3441/QĐ-ĐHCN ngày 26/12/2017 III NGÀY HOÀN THÀNH NHIỆM VỤ: ngày 17/09/2019 IV NGƯỜI HƯỚNG DẪN KHOA HỌC: TS Trần Anh Tuấn Tp Hồ Chí Minh, ngày … tháng … năm 20 … NGƯỜI HƯỚNG DẪN CHỦ NHIỆM BỘ MÔN ĐÀO TẠO TS Trần Anh Tuấn TRƯỞNG KHOA CÔNG NGHỆ THÔNG TIN LỜI CẢM ƠN Trong thời gian làm luận văn tốt nghiệp, nhận nhiều giúp đỡ, đóng góp ý kiến bảo nhiệt tình thầy cơ, gia đình bạn bè Tôi xin gửi lời cảm ơn chân thành đến TS Trần Anh Tuấn, trường Đại học Khoa học Tự nhiên Thành phố Hồ Chí Minh, người tận tình hướng dẫn, bảo tơi suốt q trình thực luận văn Tôi xin chân thành cảm ơn thầy cô giáo trường Đại học Công nghiệp Thành phố Hồ Chí Minh nói chung, thầy Bộ mơn Cơng nghệ Thơng tin nói riêng truyền đạt kiến thức mới, giúp tơi có sở lý thuyết vững vàng tạo điều kiện giúp đỡ tơi suốt q trình học tập Cuối cùng, xin chân thành cảm ơn gia đình bạn bè ln tạo điều kiện, quan tâm giúp đỡ động viên tơi suốt q trình học tập để hồn thành luận văn tốt nghiệp i TÓM TẮT LUẬN VĂN THẠC SĨ Luận văn trình bày phương pháp trích xuất vùng đánh giá nghi ngờ khả có bệnh (“lành tính” “ác tính”) từ ảnh chụp X-ray dựa sở lý thuyết Ngưỡng phương sai kết hợp lý thuyết Độ trải Sau đó, luận văn trích xuất thơng tin từ vùng có (vùng nghi ngờ khả có bệnh) như: mean, min, max, standard deviation, area, tạo thành tập hợp đặc trưng cho vùng Tiếp theo, luận văn sử dụng phương pháp Wrap để loại bỏ đặc trưng có mức độ đại diện cho đối tượng thấp (quá trình khử nhiễu) Cuối cùng, luận văn sử dụng thuật toán máy học Rừng ngẫu nhiên để huấn luyện tập liệu huấn luyện dự đoán kết “lành tính” “ác tính” tập liệu kiểm tra Tập hợp bước giúp đỡ bác sĩ việc chuẩn đoán mức độ bệnh liên quan đến ung thư vú ii ABSTRACT The thesis presents a method of extracting areas considered to be suspected of having the disease ("benign" or "malignant") from X-ray images based on the theory of Variance Threshold combining the theory of Interquartile Range The dissertation then extracted information from the acquired area (the area suspected of having the disease) such as mean, min, max, standard deviation, area, to form a set of characteristics for those regions Next, the thesis uses the Wrap method to eliminate features that have a low level of representation of the object (noise reduction process) Finally, use the Random Forest machine-learning algorithm to train on the training data set and make predictions of "benign" or "malignant" on the testing data set The above set of steps will help doctors in diagnosing the level of disease related to breast cancer iii LỜI CAM ĐOAN Tôi xin cam đoan cơng trình nghiên cứu thân Các kết nghiên cứu kết luận luận văn trung thực, không chép từ nguồn hình thức Việc tham khảo nguồn tài liệu (nếu có) thực trích dẫn ghi nguồn tài liệu tham khảo quy định Học viên Nguyễn Xuân Thiên iv MỤC LỤC MỤC LỤC v DANH MỤC HÌNH ẢNH viii DANH MỤC BẢNG BIỂU ix DANH MỤC TỪ VIẾT TẮT x MỞ ĐẦU Mục tiêu nghiên cứu Đối tượng phạm vi nghiên cứu 3.1 Đối tượng nghiên cứu 3.2 Phạm vi nghiên cứu .2 Cách tiếp cận phương pháp nghiên cứu 4.1 Phương pháp nghiên cứu tài liệu 4.2 Phương pháp nghiên cứu thực nghiệm 4.3 Phương pháp xử lý số liệu .3 Ý nghĩa thực tiễn đề tài CHƯƠNG CƠ SỞ LÝ LUẬN VÀ THỰC TIỄN VỀ UNG THƯ VÚ 1.1 Giới thiệu bệnh ung thư vú 1.1.1 Sơ lược vú 1.1.2 Bệnh ung thư vú gì? .6 1.1.3 Độ nguy hiểm bệnh ung thư vú 1.1.4 Dấu hiệu cảnh báo bệnh ung thư vú 1.2 Các giai đoạn bệnh ung thư vú 1.3 Các kỹ thuật chuẩn đốn hình ảnh bệnh ung thư vú 12 1.3.1 Chụp X-ray thường quy 12 1.3.2 Chụp cắt lớp vi tính (CT) 12 1.3.3 Chụp cộng hưởng từ (MRI) 12 1.4 Cách điều trị bệnh ung thư vú 13 1.4.1 Phẫu thuật trị bệnh ung thư vú 13 1.4.2 Phẫu thuật chỉnh hình .13 v 1.4.3 Xạ trị 14 1.4.4 Hoá học trị liệu 14 1.4.5 Liệu pháp nội tố 14 1.4.6 Các phương pháp khác .15 CHƯƠNG CƠ SỞ LÝ THUYẾT VỀ PHƯƠNG PHÁP XỬ LÝ ẢNH ÁP DỤNG TRONG XÁC ĐỊNH MỨC ĐỘ UNG THƯ VÚ 16 2.1 Cấu trúc ảnh X-ray 16 2.1.1 Khái niệm ảnh chụp X-ray .16 2.1.2 Ma trận ảnh phần tử ảnh 17 2.1.3 Mức xám 17 2.2 Ngưỡng phương sai 18 2.3 Độ trải 19 2.3.1 Tứ phân vị .19 2.3.2 Phạm vi .19 2.3.3 Độ trải .20 2.4 Phương pháp Wrap để lựa chọn đặc trưng 21 2.4.1 Lựa chọn tiến (SFS) .22 2.4.2 Lựa chọn lùi (SBS) .23 2.4.3 Lựa chọn tiến – động (SFFS) .24 2.4.4 Lựa chọn lùi – động (SBFS) 25 2.5 Thuật toán rừng ngẫu nhiên 26 CHƯƠNG XÁC ĐỊNH MÚC ĐỘ BỆNH UNG THƯ VÚ BẰNG PHƯƠNG PHÁP WRAP KẾT HỢP THUẬT TOÁN RỪNG NGẪU NHIÊN 30 Q trình thực đề tài tóm tắt hình ảnh đây: 30 3.1 Giai đoạn thu thập phân tích liệu ảnh 31 3.2 Giai đoạn lập bảng liệu huấn luyện 34 3.2.1 Tạo tập huấn luyện ban đầu 34 3.2.2 Sử dụng phương pháp Wrap để lựa chọn tập đặc trưng tốt 36 3.3 Giai đoạn lập bảng liệu kiểm tra 39 3.3.1 Tính ngưỡng vùng nghi ngờ .39 3.3.2 Sử dụng ngưỡng để lọc trích xuất thông tin vùng nghi ngờ 42 vi 3.4 Giai đoạn sử dụng thuật toán Rừng ngẫu nhiên để học kiểm tra kết Thuật toán sử dụng hai tập liệu tập liệu huấn luyện để tiến hành học tập liệu kiểm tra để kiểm chứng kết Mã giả: sử dụng thuật toán RandomForestClassifier để huấn luyện kiểm tra Ý tưởng: - Sử dụng thuật tốn RandomForestClassifier dựa ngơn ngữ Python để thực Dữ liệu đầu vào: tập liệu huấn luyện tập liệu kiểm tra Dữ liệu đầu ra: dự đoán mức độ bệnh đối chứng với kết có tập kiểm tra BEGIN // Thêm thư viện from sklearn.ensemble import RandomForestClassifier // Khai báo thuật toán rf = RandomForestClassifier() // Học tập liệu huấn luyện rf.fit(train_features, train_labels) // Dự đoán tập liệu kiểm tra y_pred = rf.predict(test_features) return y_pred; END 44 CHƯƠNG KẾT QUẢ NGHIÊN CỨU VÀ HƯỚNG PHÁT TRIỂN 4.1 Cơ sở liệu ảnh Bộ sở liệu ảnh dùng để nghiên cứu lấy Breast Cancer Digital Repository (BCDR), phát triển dự án IMED nhằm mục đích tạo kho lưu trữ hình ảnh y tế khám phá phương pháp hỗ trợ chuẩn đốn máy tính Dự án IMED phát triển INEGI, FMUP-CHSJ – Đại học Porto, Bồ Đào Nha, CETA-CIEMAT, Tây ban nha Đại học Aveiro, Bồ Đào Nha Hiện tại, BCDR chứa khoảng 1010 bệnh nhân có hình chụp nhũ ảnh siêu âm, tiền sử lâm sàng, phân đoạn tổn thương mơ tả dựa hình ảnh tính toán trước Kết bệnh nhân phân loại thích thực bác sĩ X-ray chuyên khoa BCDR triển khai lên website vào 18/04/2012 tiếp tục phát triển Hiện tại, khối liệu chuẩn bao gồm khối masses-based khối microcalcifications and calcifications-based tổn thương lành tính ác tính (đã chứng minh sinh thiết) bao gồm trường hợp tính lâm sàng dựa hình ảnh có sẵn cho phép người dùng đăng ký tải xuống[3] Hình 4.1 Trang web sở dự liệu ảnh BCDR 45 4.2 Kết thực nghiệm Các ảnh chụp nhũ ảnh ảnh xám vùng đánh giá “lành tính” “ác tính” thường vùng màu sáng Dựa vào độ sáng – tối vùng mà luận văn đưa cách tiếp cận giải vấn đề sau: - Bước 1: chuẩn bị ảnh dùng để tạo tập liệu huấn luyện (98 ảnh) tập liệu kiểm tra (49 ảnh) - Bước 2: tạo tập liệu huấn luyện - Bước 2.1: từ ảnh xác định vùng nghi ngờ chuyên gia, luận văn tiến hành lọc lấy vùng nghi ngờ Sau đó, chia vùng nghi ngờ thành vùng nhỏ trích xuất đặc trưng (thông số) vùng Kết hợp với đặc trưng chuyên gia tạo thành tập 47 đặc trưng Đây tập liệu huấn luyện ban đầu - Bước 2.2: sử dụng ma trận tương quan để đánh giá đặc trưng có độ tương quan với cao để loại bỏ bớt Tiếp đến, luận văn sử dụng phương pháp Wrap để đánh giá tập đặc trưng cho tốt Đây tập liệu huấn luyện cuối - Bước 3: tạo tập liệu kiểm tra - Bước 3.1: từ vùng xác định nghi ngờ chuyên gia, luận văn tiến hành tính Q1, Q2, Q3 IQR Từ đó, luận văn tính ngưỡng hình - Bước 3.2: Sử dụng ngưỡng để lọc vùng nghi ngờ hình ảnh dùng để tạo tập kiểm tra Sau đó, trích xuất đặc trưng vùng tương tự Bước 2.1 - Bước 3.3: kết hợp kết Bước 3.2, đặc trưng chuyên gia kết đặc trưng cuối chọn Bước 2.2, luận văn tạo tập liệu kiểm tra cuối - Bước 4: sử dụng thuật toán rừng ngẫu nhiên để học tập liệu huấn luyện kiểm tra kết tập liệu kiểm tra 4.2.1 Kết giai đoạn thu thập phân tích liệu ảnh Luận văn sử dụng tập huấn luyện gồm 98 ảnh 49 ảnh bác sĩ chuyên gia đánh giá “lành tính” 49 ảnh đánh giá “ác tính” 46 Luận văn sử dụng tập kiểm tra gồm 49 ảnh 24 ảnh đánh giá “lành tính” 25 ảnh đánh giá “ác tính” Hình 3.1 Hình 3.2 ví dụ cho trường hợp “lành tính” “ác tính” 4.2.2 Kết giai đoạn lập bảng liệu huấn luyện 4.2.2.1 Kết tạo tập huấn luyện ban đầu Luận văn sử dụng Phần mềm Mathlab để tiến hành trích xuất vùng đánh dấu nghi ngờ lập bảng huấn luyện ban đầu Hình 4.2 Trích xuất vùng nghi ngờ Bảng 4.1 Bảng liệu huấn luyện ban đầu – phần tự trích xuất Bảng 4.2 Bảng liệu huấn luyện ban đầu – phần chuyên gia 47 Bảng 4.3 Bảng liệu huấn luyện ban đầu – phần chuyên gia Bảng liệu huấn luyện có 98 mẫu 49 mẫu đánh giá “lành tính” 49 mẫu đánh giá “ác tính” 4.2.2.2 Kết sử dụng phương pháp Wrap để lựa chọn tập đặc trưng tốt Luận văn sử dụng ma trận tương quan để đánh giá mức độ tương quan đặc trưng ban đầu đạt kết hình Hình 4.3 Ma trận tương quan đặc trưng Kết đánh giá cho thấy đặc trưng “height” đặc trưng “area” có mức độ tương quan với cao với giá trị 0.932001 Vì vậy, luận văn loại bỏ đặc trưng giữ lại đặc trưng Tương tự, giá trị khoanh đỏ Hình 4.3 giá trị có mức độ tương quan cao Qua thống kê, luận văn loại bỏ 24 đặc trưng có mức độ tương quan cao là: Maximum, area2, Median, std1, YCcentroid, Area, StatisticalMode, stdAll, XCentroid, width, min3, max2, Shape, max3, areaAll, Mean, std2, Circularity, HxW, min2, min1, Perimeter, max1, std3 Hình 4.4 Các đặc trưng cần loại bỏ 48 Và giữ lại 23 đặc trưng là: Age, height, minAll, maxAll, meanAll, area1, mean1, mean2, area3, mean3, Correlation, Minimum, StandardDeviation, InverseDifferenceMoment, XCenterMass, YCenterMass , Skewness, Kurtosis, Elongation, Roughness, Contrast, Entropy, AngularSecondMoment Hình 4.5 Các đặc trưng giữ lại Vậy tập liệu huấn luyện sau loại bỏ đặc trưng tương quan là: Bảng 4.4 Bảng liệu huấn luyện sau loại bỏ đặc trưng tương quan Tiếp theo, luận văn sử dụng thuật toán SequentialFeatureSelector để tiến hành kết hợp đặc trưng đánh giá xem tập kết hợp tốt Hình 4.6 Sơ đồ đánh giá tập đặc trưng tốt theo số lượng đặc trưng 49 Kết đánh giá tập đặc trưng tốt nhất: Hình 4.7 Kết đánh giá tập đặc trưng tốt Kết đánh giá cho thấy tập thứ 10 bao gồm 10 đặc trưng vị trí: 0, 1, 2, 4, 11, 12, 13, 17, 20, 21 tương ứng Age, height, minAll, meanAll, Minimum, StandardDeviation, InverseDifferenceMoment, Kurtosis, Contrast, Entropy tập kết hợp đánh giá tốt với số đánh giá 0.818 Vậy, bảng huấn luyện cuối Bảng 4.5 Bảng liệu huấn luyện cuối 4.2.3 Kết giai đoạn lập bảng liệu kiểm tra 4.2.3.1 Kết tính ngưỡng vùng nghi ngờ Từ hình ảnh có vùng nghi ngờ (bộ ảnh huấn luyện), luận văn sử dụng công cụ Mathlab để lọc vùng nghi ngờ 50 Bảng 4.6 Một số kết trích xuất vùng nghi ngờ STT Ảnh ban đầu Vùng nghi ngờ mean = 113 mean = 110 Từ sử dụng lý thuyết độ trải để tìm ngưỡng hình Luận văn tính tốn bảng kết sau đây: 51 Bảng 4.7 Bảng kết tính ngưỡng cho hình 4.2.3.2 Kết sử dụng ngưỡng để lọc trích xuất thông tin vùng nghi ngờ Thực tương tự mục 4.2.2.1, luận văn trích xuất thơng tin vùng nghi ngờ (xem Bảng 4.8) Bảng 4.8 Bảng thông tin trích xuất từ vùng nghi ngờ 4.2.3.3 Kết tạo tập kiểm tra cuối Từ kết mục 4.2.3.2 kết hợp với tập đặc trưng chuyên gia sử dụng lại kết đánh giá tập đặc trưng tốt mục 4.2.2.2 luận văn lập bảng liệu kiểm tra cuối với đặc trưng sau: Bảng 4.9 Bảng liệu kiểm tra cuối 52 4.2.4 Giai đoạn sử dụng thuật toán Rừng ngẫu nhiên để học kiểm tra kết Luận văn sử dụng thuật toán Rừng ngẫu nhiên thực ngôn ngữ Python để tiến hành học tập liệu huấn luyện dự đoán cho liệu kiểm tra Luận văn kết sau: Hình 4.8 Kết dự đốn liệu kiểm tra Với nguồn bao gồm 98 liệu huấn luyện 49 liệu kiểm tra, kết cho thấy sau trình huấn luyện, trình dự đốn cho 41 trường hợp xác, sai lệch trường hợp, đạt 81.63% 53 KẾT LUẬN VÀ KIẾN NGHỊ Chương tổng kết lại kết đạt đề tài, đóng góp đề tài hướng phát triển Kết luận Ung thư vú dạng u vú ác tính Nó xảy tế bào vú trở nên bất thường phân chia khơng có kiểm sốt hay trật lý Ung thư vú loại bệnh nguy hiểm không phát sớm chữa trị kịp thời Để xác định người có bị bệnh ung thư vú hay khơng người bệnh phải tiến hành thăm khám, thực loại xét nghiệm, chuẩn đoán, sau bác sĩ chuyên khoa dựa vào kết để đưa kết luận tình trạng có bệnh hay khơng? Việc tốn nhiều kinh phí thời gian bệnh nhân Vì vậy, đề tài “xác định mức độ ung thư vú thông qua ảnh chụp X-ray phương pháp phát triển vùng ảnh” nghiên cứu để góp phần tiết kiệm thời gian kinh phí bệnh nhân Trong trình nghiên cứu đề tài, luận văn đạt thành tựu sau: Hiểu rõ bệnh ung thư vú, tác hại, giai đoạn, biểu bệnh lý bệnh ung thư vú phương pháp điều trị Sử dụng phương pháp Wrap để lựa chọn tập đặc trưng đánh giá tốt đạt độ xác 81.76% Sử dụng thật tốn Rừng ngẫu nhiên để huấn luyện kiểm tra kết Kết thực nghiệm cho thấy độ xác đạt 81.63% Bên cạnh đó, luận văn gặp phải khó khăn hạn chế sau: - Khơng phải tất vùng sáng ảnh chụp nhũ ảnh đánh giá có bệnh khơng có bệnh 54 - Việc lựa chọn vùng sáng để đánh giá luận văn dựa kết có chun gia Vì vậy, để áp dụng vấn đề vào thực tế cần có chun gia lựa chọn vùng nghi ngờ để luận văn dự đoán - Việc xác định giá trị Ngưỡng phương sai cho hình ảnh chưa cao, số trường hợp cần phải điều giá trị 𝑥 để lọc vùng nghi ngờ phù hợp Cần nghiên cứu sâu hơn, kỹ để đạt kết tốt Kiến nghị Với kết nghiên cứu tại, luận văn đạt độ dự đốn xác khoảng 81.63%, luận văn đưa kiến nghị cho hướng nghiên cứu như: - Nghiên cứu phương pháp khác để xác định Ngưỡng phương sai xác - Nghiên cứu phương pháp khác để tạo chọn lọc tập đặc trưng đánh giá tốt tốt - Nghiên cứu thuật tốn phân loại khác để có kết dự đốn tốt - Tăng số lượng mẫu tập liệu huấn luyện tập liệu kiểm tra 55 TÀI LIỆU THAM KHẢO [1] The National Breast Cancer Foundation INC “Breast Cancer Stage.” Internet: http://www.nationalbreastcancer.org/breast-cancer-stages, 2016 [2] The Cancer Treatment Centers of America “Breast Cancer Stages.” Internet: http://www.cancercenter.com/breast-cancer/stages, 2019 [3] Institute of Electronics and Telematics Engineering of University of Aveiro “Breast cancer digital repository.” Internet: https://bcdr.eu/patient/list, April 18, 2012 [4] N Senthilkumaran and S Vaithegi “Image Segmentation by using Thresholding Technique for Medical Images.” Computer Science & Engineering: An International Journal (CSEIJ) Vol 6, no 1, Feb 2016 [5] Trương Xuân Đạt “Kỹ thuật Gray-scale Nhị phân hoá ảnh (Adaptive Threshold).” Internet: https://www.stdio.vn/articles/ky-thuat-grayscale-va-nhi-phanhoa-anh-adaptive-threshold-383, August 29, 2015 [6] P.G Kumbhar and P.S.N Holambe “A Review of Image Thresholding Techniques.” International Journal of Advanced Research in Computer Science and Software Engineering Vol 5, June 2015 [7] C Nanthakumar et al “Construction of Interquartile range (IQR) control chart using process capability for mean.” International Journal of Modern Sciences and Engineering Technology (IJMSET) Vol 22, pp 52-59, 2015 [8] U Malik “Applying Wrapper Methods in Python for Feature Selection.” Internet: https://stackabuse.com/applying-wrapper-methods-in-python-for-feature-selection, November 06, 2018 [9] S Raschka “Sequential Feature Selector.” Internet: http://rasbt.github.io/mlxtend/user_guide/feature_selection/SequentialFeatureSelect or, 2014 [10] A Navlani “Understanding Random Forests Classifiers in Python.” Internet: https://www.datacamp.com/community/tutorials/random-forests-classifier-python, May 16, 2018 56 [11] Cổng thông tin Điện tử Bộ Y tế “Tổng quan bệnh ung thư vú.” Internet: http://moh.gov.vn/news/pages/tinkhac.aspx?ItemID=1273, 2019 [12] PGS Nguyễn Chấn Hùng Ung thư học nội khoa Nhà xuất Y học Thành phố Hồ Chí Minh, 2014, tr 18-19 [13] American Cancer Society Inc “If you have Breast Cancer – Vietnamese.” Internet: https://www.cancer.org/content/dam/cancer-org/cancer- control/vi/booklets-flyers/if-you-have-breast-cancer-vietnamese.pdf, 2018 [14] Singapore – Vietnam Cancer Center “Tìm hiểu bệnh ung thư vú.” Internet: https://svcancercenter.com/tag/ung-thu-vu, 2019 [15] Cancer Treatment Center of American “Breast Cancer.” Internet: https://www.cancercenter.com/cancer-types/breast-cancer/stages, 2019 [16] National Breast Cancer Foundation Inc “Stage of Breast Cancer.” Internet: https://www.nationalbreastcancer.org/breast-cancer-stage-0-and-stage-1, 2016 [17] Wikipedia “Ma trận (toán học).” Internet: https://vi.wikipedia.org/wiki/Ma_tr%E1%BA%ADn_(to%C3%A1n_h%E1%BB%8 Dc), May 19, 2018 [18] I Despotović et al “MRI Segmentation of the Human Brain: Challenges, Methods, and Applications.” Computational and Mathematical Methods in Medicine Vol 2015, pp 1-2, 2015 [19] L.M Ha N.T Thuy Nhập môn xử lý ảnh số Nhà xuất Khoa học kỹ thuật Hà Nội, 2003, pp 7-9 [20] Songwon Seo “A Review and Comparison of Methods for Detecting Outliers in Univariate Data Sets,” presented at Annual Science Conference, University of Pittsburgh, 2006 [21] Learning Enhancement Team “Measurements of Spread I: Range and Interquartile Range,” presented at University of East Anglia, University of East Anglia, 2007 57 LÝ LỊCH TRÍCH NGANG CỦA HỌC VIÊN I LÝ LỊCH SƠ LƯỢC: Họ tên: Nguyễn Xuân Thiên Giới tính: Nam Ngày, tháng, năm sinh: 21/02/1992 Nơi sinh: Bình Thuận Email: thiennx21021992@gmail.com Điện thoại: 097 8383 443 II QUÁ TRÌNH ĐÀO TẠO: - 2015 đến nay: Học Thạc sĩ Chuyên ngành: Khoa học Máy tính trường Đại học Cơng nghiệp TP.HCM - Từ 2010-2014: Học Đại học Chuyên ngành: Khoa học Máy tính trường Đại học Cơng nghiệp TP.HCM III Q TRÌNH CƠNG TÁC CHUN MƠN: Thời gian Nơi công tác Công việc đảm nhiệm 2019 – Công ty TNHH Interactive Partners Việt Nam Nhân viên Lập trình 2018 – 2019 Cơng ty CP Việt Thái Quốc Tế Nhân viên Lập trình 2017 – 2018 Cơng ty CP Quốc Tế Topcom Nhân viên Lập trình 2016 – 2017 Công ty CP Thế giới Di động Nhân viên Lập trình 2015 – 2016 Cơng ty TNHH Phần mềm Sao Sài Gịn Nhân viên Lập trình Tp HCM, ngày 17 tháng 09 Năm 2019 Người khai 58 ... ĐỀ TÀI: X? ?c định mức độ ung thư vú thông qua ảnh chụp X- ray phương pháp phát triển vùng ảnh NHIỆM VỤ VÀ NỘI DUNG: Nghiên cứu giai đoạn bệnh ung thư vú [1][2] hình ảnh chụp X- ray vùng vú [3] Nghiên... đối tượng hình ảnh chụp Xray vùng vú 3.2 Phạm vi nghiên cứu Nội dung: x? ?c định mức độ ung thư vú thông qua ảnh chụp X- ray phương pháp phát triển vùng ảnh Không gian: phương pháp đề xuất luận văn... nhiều cho bác sĩ việc x? ?c định mức độ tổn thư? ?ng chuẩn đoán bệnh, lý để em chọn đề tài: ? ?X? ?c định mức độ ung thư vú thông qua ảnh chụp X- ray phương pháp phát triển vùng ảnh? ?? Mục tiêu nghiên cứu