66 Hình 4. 15. Độ chính sát của từng lớp.
4.5. Kết quả ứng dụng
Ứng dụng hiện tại đã có thể đáp ứng tốt đƣợc chức năng cơ bản của ngƣời sử dụng trong việc nhận dạng đƣợc các lớp bệnh từ những hình ảnh đƣợc truyền vào.
Giao diện ứng dụng thân thiện và dễ sử dụng. Nhóm đã đƣa ra thiết kế sau khi tham khảo trên nhiều ứng dụng khác nhau, vì vậy ứng dụng sẽ phù hợp với thói quen của ngƣời sử dụng. Nhờ bộ dữ liệu và thuật toán áp dụng vào mà sau khi ngƣời dùng nhập hình ảnh vào để chuẩn đoán bệnh và đƣa ra kết quả với độ chính xác cao, phân loại đƣợc 14 loại bệnh phổ biến về phổi và một lớp chƣa loại chƣa phát hiện. Từ đó giúp ngƣời bác sĩ có thể mau chóng phát hiện bệnh và có cách khắc phục nhanh chóng, tránh đƣợc nhiều rủi ro cho bệnh nhân.
67
4.6. Tổng kết và hƣớng phát triển
Nghiên cứu này đã đề xuất mơ hình Deep Convolutional X-ray GAN bằng cách sử dụng đặc trƣng phân biệt đƣợc trích xuất từ một bộ trích xuất độ đo để thực hiện ánh xạ dựa trên một ảnh điều kiện. Mơ hình có thể sinh ra nhiều ảnh mới với biến thể đa dạng và mang đặc trƣng tƣơng tự với ảnh điều kiện. Ngồi ra, mơ hình DC-GAN có thể sinh ảnh mới cho tập dữ liệu thuộc những lớp không đƣợc quan sát. Các thực nghiệm đƣợc tiến hành cho thấy khả năng tổng hợp dữ liệu ảnh X-quang lồng ngực đa dạng và giống ảnh thật, đồng thời cải thiện hiệu suất cho bài toán phân loại ảnh Xquang lồng ngực từ mơ hình đề xuất so với các mơ hình khác.
Cơng việc tƣơng lai của nhóm là tiếp tục nghiên cứu cải tiến các mơ hình hiện có và mơ hình đã đề xuất nhằm tăng hiệu suất phân loại bệnh lý dựa trên ảnh X-quang lồng ngực tốt hơn.
68
PHỤ LỤC
- ChestX-ray8: Cơ sở dữ liệu X-quang ngực quy mô bệnh viện và các điểm chuẩn về phân loại đƣợc giám sát yếu và xác định vị trí của các bệnh thƣờng gặp ở lồng ngực.
69
TÀI LIỆU THAM KHẢO
Tiếng Việt
[1] Trần Hoàng Phát, Phạm Mạnh Cƣờng, Trần Đình Tồn, Hoàng Tùng, Lê Minh Hƣng, Tăng cƣờng dữ liệu ảnh cho bộ dữ liệu X-Quang phổi sử dụng Mạng sinh đối nghịch, Kỷ yếu Hội nghị KHCN Quốc gia lần thứ XIII về Nghiên cứu cơ bản và ứng dụng Công nghệ thông tin (FAIR), 8-9/10/2020.
Tiếng Anh
[2] Antoniou, Antreas, Amos Storkey, Harrison Edwards, "Data augmentation generative adversarial networks", arXiv preprint arXiv:1711.04340, 2017.
[3] Clouâtre, Louis, Marc Demers, "FIGR: Few-shot image generation with reptile", arXiv preprint arXiv:1901.02199, 2019.
[4] Xiaosong Wang, Yifan Peng, Le Lu, Zhiyong Lu, Mohammadhadi Bagheri, Ronald Summers,ChestX-ray8: Hospital-scale Chest X-ray Database and Benchmarks on Weakly-Supervised Classification and Localization of Common Thorax Diseases, IEEE CVPR, pp. 3462-3471, 2017
[5] Hoo-chang Shin, Kirk Roberts, Le Lu, Dina Demner-Fushman, Jianhua Yao,
Ronald M.
Summers, Learning to Read Chest X-Rays: Recurrent Neural Cascade Model for Automated