tailieunhanh - Nghiên cứu mô hình học sâu Faster R-CNN để phát hiện và phân loại các tổn thương khu trú thường gặp ở gan trên ảnh chụp cắt lớp vi tính

Bài viết Nghiên cứu mô hình học sâu Faster R-CNN để phát hiện và phân loại các tổn thương khu trú thường gặp ở gan trên ảnh chụp cắt lớp vi tính trình bày việc thu thập dữ liệu, xây dựng, huấn luyện mô hình Faster R-CNN để phát hiện, phân loại các tổn thương khu trú thường gặp ở gan; Kiểm thử, đánh giá hiệu quả mô hình theo tiêu chí về thời gian, độ chính xác. | TẠP CHÍ Y DƯỢC HỌC CẦN THƠ SỐ 57 2023 NGHIÊN CỨU MÔ HÌNH HỌC SÂU FASTER R-CNN ĐỂ PHÁT HIỆN VÀ PHÂN LOẠI CÁC TỔN THƯƠNG KHU TRÚ THƯỜNG GẶP Ở GAN TRÊN ẢNH CHỤP CẮT LỚP VI TÍNH Nguyễn Hoàng Thái Phù Trí Nghĩa Dương Quốc Thanh Nguyễn Thanh Hùng Mai Quốc Trường Trần Thị Bích Phương Cao Tấn Phát Huỳnh Đăng Khoa Trường Đại học Y Dược Cần Thơ Email nhthai@ TÓM TẮT Đặt vấn đề Sự cần thiết của việc phát hiện phân loại sớm tổn thương gan và việc nghiên cứu ứng dụng mô hình học sâu vào xử lý ảnh y khoa. Mục tiêu nghiên cứu Thu thập dữ liệu xây dựng huấn luyện mô hình Faster R-CNN để phát hiện phân loại các tổn thương khu trú thường gặp ở gan Kiểm thử đánh giá hiệu quả mô hình theo tiêu chí về thời gian độ chính xác. Đối tượng và phương pháp nghiên cứu Bộ dữ liệu ảnh chụp cắt lớp vi tính tiêm thuốc cản quang vùng bụng có tổn thương gồm nang gan u mạch máu ung thư tế bào gan nguyên phát Áp dụng mô hình Faster R-CNN để phát hiện phân loại tổn thương. Kết quả Bộ dữ liệu thu thập tại Bệnh viện Trường Đại học Y Dược Cần Thơ gồm 51 người bệnh có tổn thương khu trú thường gặp ở gan với 2828 ảnh 2836 vùng tổn thương được xác định bởi bác sĩ chẩn đoán hình ảnh. Trong đó 11 người bệnh thuộc nhóm nang gan 440 vùng 18 người bệnh thuộc nhóm u mạch máu 648 vùng 21 người bệnh thuộc nhóm ung thư tế bào gan nguyên phát 1748 vùng và 01 người bệnh có cả nang và u mạch máu Mô hình Faster R-CNN cho kết quả độ chính xác mAP là 94 thời gian huấn luyện 583 phút và thời gian xử lý 0 13 giây. Kết luận Bộ dữ liệu đã thu thập là nền tảng cho các nghiên cứu tiếp theo Mô hình Faster R-CNN có thời gian huấn luyện ngắn thời gian xử lý nhanh độ chính xác cao phù hợp và có thể áp dụng để triển khai các ứng dụng thực tế. Từ khóa Máy học Học sâu Faster R-CNN Chụp cắt lớp vi tính Bệnh gan. ABSTRACT STUDYING DEEP LEARNING MODELS TO DETECT AND CLASSIFY COMMON FOCAL LIVER LESIONS ON CT IMAGES Nguyen Hoang Thai Phu Tri Nghia Duong Quoc Thanh Nguyen Thanh Hung Mai Quoc Truong Tran Thi Bich Phuong Cao Tan .