5. Ý nghĩa khoa học và thực tiễn của đề tài
3.1. Giới thiệu bài toán
Trong chƣơng này, chúng tôi trình bày bài toán phát hiện vùng bất thƣờng của phổi trên ảnh X-quang dựa vào cơ sở các kỹ thuật đã trình bày trong chƣơng 2. Phân tích bài toán, lựa chọn công cụ và xây dựng chƣơng trình thử nghiệm. Phát hiện vùng bất thƣờng của cơ quan nội tạng trên ảnh y tế chuẩn DICOM, cụ thể là phổi, là một bài toán mang tính khoa học và thực tiễn cao, đóng vai trò lớn trong hỗ trợ chẩn đoán bệnh phổi, giúp cho quá trình khám và chữa bệnh trở nên hiệu quả và thuận lợi hơn.
Bài toán xây dựng một hệ thống y tế nhận dữ liệu ảnh X-quang ngực chuẩn DICOM chụp từ bệnh nhân, sau đó dựa vào các kỹ thuật xử lý và hệ thống học sâu giúp xác định vùng bất thƣờng của nội tạng, từ đó hỗ trợ chẩn đoán sớm và nâng cao khả năng điều trị thành công, là một bài toán mang ý nghĩa thực tiễn cao.
Bài toán có đầu vào và kết quả đầu ra mong muốn nhƣ sau:
Đầu vào: Ảnh X-quang ngực chuẩn DICOM chƣa đƣợc dán sẵn nhãn
xác định vùng bất thƣờng.
Đầu ra: Vùng bất thƣờng đƣợc xác định trên ảnh X-quang đầu vào, dự
đoán loại bệnh phổi có khả năng từ vùng bất thƣờng đƣợc xác định.
Mô hình tổng quan của bài toán gồm hai phần chính đó là đào tạo (training dữ liệu kết quả đầu ra là một mô hình học), phần thứ hai là xác định và nhận dạng vùng bất thƣờng dựa vào mô hình học sâu. Mô hình tổng quan của bài toán đƣợc thể hiện nhƣ sau (hình 3.1):
Hình 3.1: Sơ đồ mô hình các bƣớc của bài toán
Pha huấn luyện: Tập dữ liệu huấn luyện là tập ảnh X-quang
chuẩn DICOM, đã đƣợc dán nhãn các vùng bất thƣờng và phân loại chúng. Tập dữ liệu huấn luyện đƣợc tiền xử lý để trở thành dữ liệu đầu vào chuẩn cho các mô hình học sâu. Sau khi đƣợc tiền xử lý, tập dữ liệu training đƣợc truyền vào các mô hình học sâu để đào tạo nhằm học cách phát hiện các vùng bất thƣờng trên phổi.
Pha kiểm thử: Ảnh đầu vào của bài toán là một ảnh X-quang
ngực chuẩn DICOM, chƣa đƣợc dán nhãn vùng bất thƣờng. Ảnh đầu vào, sau quá trình tiền xử lý, sẽ đƣợc áp dụng các kỹ thuật xử lý ảnh nhằm làm nổi bật lên các đặc trƣng ảnh của các vùng. Các đặc trƣng sau khi đƣợc làm nổi bật lên sẽ đƣợc trích xuất và lựa chọn ra các ứng viên vùng bất thƣờng trên ảnh. Ảnh lúc này sẽ đƣợc truyền vào mô hình học sâu đã đƣợc huấn luyện để kiểm tra.