Chương 1. Mục tiêu của khóa luận. Nội dung thực hiện. Giới hạn của khóa luận.
Tóm tắt những đóng góp của khóa luận 13 1. Đồng góp về mặt khoa hoc. Đóng góp về mặt thực tiển. Tổ chức khóa luậi ¬ 14 Chương 2.
Các nghiên cứu ung thư biểu mô tuyến tụy. Téng quan các mô hình phân đoạn ảnh. Các mô hình phân đoạn ung thư biểu mô tuyển tụy. Mô hình DLU - Net trong phân đoạn khối u biểu mô tuyến: tụ 2.
Mô hình PGD ~ UNet trong phân đoạn khối u biểu mô tuyến tụy 2. Kết luận 23 Chương3. Phân đoạn khối u biểu mô tuyến tụy dựa trên phương pháp đề xuắt. Anh CT6 bung 3.
Phương pháp tiếp cận 3. Chuyên đổi ảnh và chọn lọc các slices. Trích xuất vùng quan tâm. Làm giàu dữ liệu 3.
Mô hình U - Net cải tiến. Hàm Dice - loss. Kết quả thực nghiệm. Tiên xử lý dữ liệu 4.
Phương pháp đánh giá và 4. Phương pháp đánh giá 39 4. lẻ 47 Danh mục thuật ngữ viết tắt “Thuật ngữ tiếng anh World Health Organization ‘Computed Tomography Magnetic Resonance Imaging Artificial Intelligence Convolutional neural network Dice Similarity Coefficient Medical Segmentation Decathlon Bidirectional Convolutional Long Short ~ Term Memory BConvLSTM Fally Convolutional neural network FCN Batch Normalization BN Rectified Linear Unit Relu Hyper ~ Pairing Network Atrous Spatial Pyramid Pooling Hounsficld Neuroimaging Informatics Technology Initiative Danh mục các hình vẽ Hình 2.1- Mô hình mạng Fully convolutional neural network [7].2- Mô hìnhU - Net [3] 18 Hình 2.3- Kiến trúc DLU - Net [2].4- Mô hình PGD - UNet [4] Hình 3.1- Quá trình tạo ảnh CT.2- Tông quan về phương pháp đề xuất.3- Chuyển đổi ảnh và chọn các slices có khối u Hình 3.4- Slice và mặt nạ tương ứng khi chưa mở rộng cửa số.5- Slice và mặt nạ tương ứng sau khi mở rộng cửa sổ.6- Ảnh và mặt nạ tương ứng trước khi làm giàu dữ liệu „31 Hình 3.7- Ảnh và mặt nạ của nó sau khi làm giàu dữ liệu.8- Mô hình U — Net cải tié Hinh 4.1- Slice va mat na chi có nên Hinh 4.2- Slice va mat na bao gồm nên, tuyến tụy và khối u.3- Slice và mặt nạ bao gồm nền và tuyến tụy.4- Kết quả sau 50 lần đảo tạo.5- Kết quả sau 100 lần đào tạo.6- Kết quả của một slice ngẫu nhiên và mặt nạ tương ứng của nó với Mean IOU =0.93 42 Danh mục các bảng biểu Bảng 4.1- Giá trị Mean IOU của tuyến tụy và khối u trong 10 sỈi liên tiếp.2- Giá trị DSC của tuyến tụy và khối u của 10 slices liên tiếp 43 Bảng 4.3- So sánh giá trị DSC (%) với các phương pháp khác. Giới thiệu Ung thư tuyến tụy là một đạng ung thư liên quan đến các mô ở tuyến tụy, một cơ quan nội tiếp nằm phía sau dạ dày và gần túi mật.
Tuyển tụy có vai trò quan trọng trong việc tiết ra các enzyme hỗ trợ tiêu hóa và các hóc môn giảm. Ở dạng ung thư, các tế bảo ung thư xuất phát từ mô tuyển tụy và lẳn lượt nhân lên lan rộng ra các mô xung quanh, hình thành khối u ác tính cho. người bệnh. Theo thông kê của WHO, ung thư tuyến tụy chỉ đứng thứ 14 vẻ tỉ lệ nhưng lại đứng hàng thử 7 về tỉ lệ tử vong do ung thư.
Điễu này cho thấy tiên lượng của ung thư tuyến tụy rắt xắu, trên thực tế tí lệ sống trung bình sau 5 nãm của ung thư tụy chỉ khoảng9,3% |1]. Vì tỉlệ tái phát ung thư khả lớn nên những bệnh nhân sau phẫu thuật thường chỉ sống được 2-3 năm, những bệnh nhân mic chứng ung thư giai đoạn cuồi thì thời gian sống không quá l năm. Ung thư tuyển tụy thường có nguồn gốc từ các mô ngoại tuyến, các loại ung thư thưởng thấy bao gầm: Một là ung thư biểu mô tuyến, nó là một loại ung thư bắt nguồn từ các tuyến tiết ra hoặc tiết dịch trong cơ thể. Ung thư biểu mô tuyến phát triển khi các Ea i dstosguieiid 3o chía khối s tạo thành khối u ác tính.
Ung thư biểu mô tuyến tụy thường gây ra triệu chứng ở giai đoạn sớm và thường phát hiện khi đã phát triển đến giai đoạn muộn. Việc chuẩn đoán ung thư tuyến tụy sớm thông qua hình ảnh siêt âm, MRI, CT đã và đang được nghiên cứu rit nhié i gian gan day bệnh của bệnh nhân. Hai là ung thư ở nang tức là túi chứa đây chất lỏng hình thành trong tuyển tụy. Hầu hết các u nang tuyến tụy lả lảnh tỉnh nhưng một số lại là ung thư.
Đây là ung thư hiểm gặp và rất nguy hiểm, loại ung thư này bắt đầu phát triển từ tế bào nang túi, một thành phần cúa tuyến tụy. Nang túi là một tế bào nhó bao quanh các uy, tạo ra một hóa được trao đối giữa các bộ phận của tiêu hóa một cách hiệu quả. Tuy nhiên, nang túi cũng có thé trở nên bắt thưởng và phát triển thành khối u ác tính, gây ra ung thư nang túi tuyển tụy. Ba là ở các ibabào *Aeinar”, lại lụng thư này phát triển trong các tế bào.
‘TE bao Acinar la stig tế bào sản xuất enzyme tiêu hóa, giúp phi đàn thức ăn và lêu hóa. Loại ung thư nảy cũng. lần cc va ci anh didu trí của bệnh nh: Đề chuẩn đ tuyển tụy loại Acinar, thuật như siêu âm, chupCT hoặc MRI, hoặc thực hiện xét nghiệm tế bào và mô. Việc xác định nay ri bai hác đồ điể: hợp cho bệnh nhân trong quá trình điều trị.
Sở đĩ,ung thưtuyển tụy có tiên lượng xấu hơn so với các loại ung thư tiêu hóa khác là đo tuyển tụy có vị trí đặc biệt ở rất sâu trong ô bụng. Triệu chứng bệnh ở giai đoạn đầu thường nhằm lẫn với các loại bệnh khác nên người bệnh thường được chuẩn đoán ớ giai đoạn muộn. Ung thư tuyến tụy sẽ không được phát hiện cho đến khi tế bảo ung thư ở các mô của nó lan rộng đến các cơ quan khác. Thời gian mắc bệnh càng dài thì triệu chứng cảng rồ rằng nhưng tỉ lệ chữa trị khỏi sẽ giảm dẫn.
Việc chuẩn đoán ung thư tuyến tụy thưởng diễn ra khi các bệnh nhân tìm đến bác sĩ với các triệu chứng đau bụng, ngửa vàng đa, sụt cân. Qua thăm khám, bắc sĩ sẽ yÊ 'CT (chụp cắt lớp vi tính) h công hưởng từ) hoặc siêu âm để chuẩn đoán bệnh rõ hơn qua hình ảnh. Việc chuẩn đoán ung thư tuyển tụy qua hình ảnh là một khó khăn, thách thức lớn với bac si vi vj trí đặc biệt của tuyển tụy và kích thước rắt nhỏ của nó (chỉ khoảng 80 gram) trong ô bụng. Thêm vào đó đây lả một vấn đề nhạy cảm vì nó liên quan đến tính mạng của người bệnh, quá trình chuẩn đoán của các bác sĩ phải hết sức kĩ cảng, Điều này khiển cho quá trình chuẩn đoán mắt rất nhiễu thời gian, vì vậy sức khỏe của bệnh nhân cũng bị ảnh hướng trong thời gian chuẩn đoán bệnh (do khối u càng ngày càng phát triển, xâm lấn đến các mô xung quanh).
Việc cấp thiết là phải rút ngắn thời gian chuẩn đoán nhưng vẫn đảm bảo độ chính xác cho phác đỗ điều trị của các bệnh nhân. Rút ngắn thời gian chuẩn đoán bệnh dựa vào hình ảnh đã được nghiên cứu rất nhiều trong những năm gần đây trong cộng đồng AI. Đặc biệt trong lĩnh vực DeepL ột Ìĩn 6 AI) đã nghiên cứ 6 đáng kẻ về vấn dé phát hiện ung thư biểu mô tuyến tụy (loại ung thư phổ biến nhất trong các dạng ung thư tuyển tụy). Những nghiên cứu này nhằm hỗ trợ các bác sĩ chuân đoán khối u cho bệnh nhân một cách nhanh chóng.
Từ đỏ giúp bệnh à tăng tỉ lệ số biểu mô tuyến tụy. Cụ thể là Feng Jiang và cộng sự của ông ấy dé xuất mô hình DLU - Net I2] cho phân đoạn ung thư của tuyển tụy, kiến trúc này là sự kết hợp giữa mô hình U - Net, các mô đun tích chập có thẻ biến dạng va cau tric Bidirectional 'Convolutuonal Long Short - Term Memory (BConvLSTM). Mô hình LÍ - Net [3] là một mô hình mạng nơ - ron sâu được sử dụng để phân đoạn ảnh. Nó có cấu tnic encoder ~ decoder với các lớp tích chập và lớp pooling được sử dụng để thu nhỏ kích thước ánh đầu vào, các lớp upsampling được sử dụng để phục hồi kích thước ảnh đầu ra, kiến trúc này được chứng minh là rất hiệu quả trong việc phân đoạn ảnh.
Các mô đun biển dạng và cấu trúc BConvLSTM là một kĩ thuật được sử dụng để kết hợp các đặc trưng ở các tằng sâu của mạng nơ — ron, kỹ thuật này được sử dụng để giải quyết vấn để mắt mát thông tin khi thông tin ở các tằng sâu bị mắt đi do quả trình tích chập va pooling. Diéu này giúp cải thiện khả năng. phân đoạn ảnh của mô hình và đưa ra kết quả chính xác hơn, Ziqiang Li và cộng sự của ông ấy đã để xuất mô hình PGD ~ UNet [4] cho phân đoạn tuyến tụy và khối u tuyến, mô hình này kết hợp hai kiến trúc chính là Ư— Net và khả năng khai thác không gian biến đổi của tích chập dưới dạng biển đổi Inh học của tuyến tụy và khối u. Mô hình PGD ~ UNet là một phương pháp thông tin biến đổi không gian giữa tuyến tụy và khối u, mô hình bảo toàn được thông tin vị trí các đặc trưng bị mắt trong quá trình tổng hợp của lớp pooling, 10 điều này lảm tăng tính ôn định vả đạt được kết quả tốt hơn trong quá trình phân đoạn.
Các tẳng của mô hình sẽ được thêm dẫn vào trong quá trình huắn luyện và được huấn luyện giảm nhiễu trong ảnh đầu vào. Mô hình PGD - UNet kết hợp kiến trúc Ư ~ Net với phương pháp khai thác thông tin biến đổi đã tạo ra một mô š ‘ cgi inh gy _ i0iEhYES ính ổn đụ inh, khi đó kiế Net giúpmô hình học được cá ắ ảnh và phân đoạn chính xác các vùng trong ảnh. 'Wang Zhisheng và cộng sự của anh ấy đã áp dụng phương pháp Coarse to Eine [5] để phân đoạn khối u tuyến tụy, phương pháp này bao gồm hai giai đoạn để giải quyết thách thức trong việc phân đoạn tế bào ung thư trong anh CT. Giai mang CNN, mô hình CNN được huấn luyện phân đoạn trên tập dữ liệu lớn, từ đỏ học được các đặc trưng của tế bảo ung thư tuyến tụy và phân loại chúng với các vùng khác trong ảnh.