I. Tổng quan về Chuẩn đoán Bệnh Phổi bằng Xử lý Ảnh và Học Sâu
Việc ứng dụng Convolutional Neural Network (CNNs - Mạng nơ-ron tích chập) trong lĩnh vực y tế, đặc biệt là trong chuẩn đoán bệnh phổi, đang ngày càng được chú trọng. Học sâu, với khả năng phân tích và học hỏi từ lượng lớn dữ liệu hình ảnh, cho phép xây dựng các hệ thống trí tuệ nhân tạo (AI) hỗ trợ đắc lực cho bác sĩ trong việc chẩn đoán bệnh dựa trên hình ảnh X-quang, CT scan.
Ưu điểm nổi bật của phương pháp này là tự động hóa, độ chính xác cao và tiết kiệm thời gian, từ đó nâng cao hiệu quả chẩn đoán và giảm tải gánh nặng cho ngành y tế.
1.1 Tầm Quan Trọng của Chuẩn đoán Hình ảnh
Chẩn đoán hình ảnh đóng vai trò then chốt trong việc phát hiện và điều trị bệnh lý phổi. Phim X-quang phổi là một trong những phương pháp chẩn đoán hình ảnh phổ biến và hiệu quả, cung cấp thông tin quan trọng về cấu trúc phổi, giúp bác sĩ nhận biết các bất thường như viêm phổi, ung thư phổi, bệnh lao phổi, COPD, hen suyễn,...
1.2 Vai Trò của Xử Lý Ảnh và Học Sâu
Xử lý ảnh đóng vai trò quan trọng trong việc chuẩn bị dữ liệu, giúp nâng cao chất lượng hình ảnh, loại bỏ nhiễu, tăng cường độ tương phản, tạo điều kiện thuận lợi cho việc phân tích hình ảnh y tế. Học sâu, với các mô hình pre-trained như VGG16, MobileNet, DenseNet121, có khả năng trích xuất đặc trưng từ hình ảnh, phân loại và chuẩn đoán bệnh dựa trên những đặc trưng này.
II. Ứng dụng tại HCMUTE
Đề tài "Chuẩn đoán một số bệnh phổi sử dụng xử lý ảnh và học sâu" được thực hiện tại Trường Đại học Sư phạm Kỹ thuật TP.HCM (HCMUTE) đã cho thấy tiềm năng to lớn của học sâu trong lĩnh vực nghiên cứu y sinh học.
2.1 Mục Tiêu Nghiên Cứu
Nghiên cứu tập trung vào việc xây dựng mô hình học sâu để tự động chẩn đoán một số bệnh phổi dựa trên hình ảnh X-quang. Mục tiêu của đề tài là nâng cao độ chính xác, rút ngắn thời gian chẩn đoán, hỗ trợ hiệu quả cho bác sĩ trong quy trình chẩn đoán và điều trị.
2.2 Phương Pháp Nghiên Cứu
Nghiên cứu sử dụng các mô hình mạng nơ-ron tích chập phổ biến như VGG16, MobileNet, DenseNet121, kết hợp với các kỹ thuật xử lý ảnh tiên tiến để xây dựng và đánh giá hiệu quả của mô hình. Tập dữ liệu được sử dụng bao gồm hình ảnh X-quang của các bệnh nhân mắc các bệnh phổi khác nhau.
