THIẾT KẾ CHƯƠNG TRÌNH CHẨN ĐOÁN DỰA TRÊN X-QUANG NGỰC

0 Người đánh giá. Xếp hạng trung bình 0

Tác giả: Minh Thanh Lê, Trạch Dinh Lê, Hoàng Ấn Ngô

Ngôn ngữ: vie

Ký hiệu phân loại:

Thông tin xuất bản: Tạp chí Khoa học Đại học Công Thương (Tên cũ: Tạp chí Khoa học Công nghệ và Thực phẩm), 2024

Mô tả vật lý: tr.140

Bộ sưu tập: Báo, Tạp chí

ID: 483782

Thêm vào giỏ

The condition, components, and adjacent structures of the chest can be assessed via Chest X-Ray (CXR) image–based diagnosis. However, relying on CXR images to observe and make accurate diagnoses will take a lot of time, even for an experienced doctor. In addition, in order to minimize errors in disease diagnosis due to human factors such as doctors’ fatigue when looking at too many CXR images in a day, creating a smart tool that helps doctors reduce the time for CXR image inspection and diagnosis with high accuracy will save a lot of cost and time. This article will study the advanced algorithms of neural networks in deep learning and apply these algorithms to a big data set of CXR images to design deep learning models on several common diseases. The proposed models help users to diagnose their own CXR images or doctors can have a quick and mass diagnosis channel from CXR images with high accuracy through a diagnosis program based on Web Explorer.Tình trạng, các thành phần và các cấu trúc lân cận của ngực có thể được đánh giá thông qua chẩn đoán hình ảnh X-quang ngực (XQN). Tuy nhiên, dựa vào hình ảnh XQN để quan sát và rút ra các chẩn đoán chính xác sẽ tốn khá nhiều thời gian dù đã là bác sĩ có nhiều kinh nghiệm. Hơn nữa, để tránh tối đa những sai sót trong chẩn đoán bệnh bởi các yếu tố con người như bác sĩ mệt mỏi khi nhìn quá nhiều hình ảnh XQN trong ngày thì việc tạo ra công cụ thông minh giúp bác sĩ giảm thời gian kiểm tra và chẩn đoán chính xác hình ảnh XQN sẽ tiết kiệm đáng kể thời gian và chi phí chẩn đoán bệnh qua hình ảnh XQN. Bài báo này sẽ nghiên cứu các giải thuật tiên tiến của mạng nơ-ron trong học sâu và ứng dụng các giải thuật này vào bộ dữ liệu lớn các hình ảnh XQN để thiết kế mô hình học sâu cho một số loại bệnh thường gặp. Các mô hình đề xuất giúp cho người dùng có thể tự chẩn đoán hình ảnh XQN của chính mình hay bác sĩ có thể có kênh tư vấn chẩn đoán bệnh nhanh, chính xác và hàng loạt từ các hình ảnh XQN thông qua chương trình chẩn đoán được viết trên nền tảng trình duyệt web.

1. Đọc trực tuyến

1. Đọc trực tuyến

Tạo bộ sưu tập với mã QR