NGHIÊN CỨU KỸ THUẬT HỌC SÂU TRONG TRÍCH XUẤT VÙNG KHỐI U TỪ ẢNH Y TÉ

Tóm tắt

Phân đoạn khối u não cung cấp các thông tin có giá trị cho việc lập kế hoạch phẫu thuật, lập kế hoạch điều trị và chẩn đoán ung thư. Ngày nay, nhiều nhà nghiên cứu về lĩnh vực thị giác máy tỉnh đã ứng dụng các kĩ thuật học máy vào giải quyết các bài toán y học và thu được những thành công lớn, góp phần nâng cao công việc khám và chữa bệnh cho xã hội. Một trong những kỹ thuật được ứng dụng nhiều vào y học, đó là kỹ thuật phân đoạn dùng để xử lý hình ảnh trong y tế dựa vào các mô hình học sâu. Mặc dù, nhiệm vụ này đạt được sự cải thiện lớn về độ chính xác, nhưng nhiệm vụ này vẫn là một vấn đề thách thức trong xử lý hình ảnh y tế do các khối u não có thể phát sinh ở nhiều vị trí, hình dạng và kích thước khác nhau, ví dụ, đặc biệt đối với các vùng khối u nào quá nhỏ. Trong bài bảo này, chúng tôi xây dựng mô hình hệ thống phân đoạn vùng bệnh trong ảnh y tế với các loại như whole tumor, tumor core, enhancing tumor, edama, và necrotic. Mô hình được đề xuất bao gồm: (1) Xây dựng lại mô hình U-Net áp dụng cho bài toán phân đoạn khối u não; (2)Xây dựng mô hình U-Net kết hợp kĩ thuật Residual block để tăng khả năng học của mô hình và cải thiện độ chính xác của phương pháp được đề xuất so với mô hình U-Net. Để đánh giả độ hiệu quả của mô hình mới, chúng tôi tiến hành các thí nghiệm sử dụng bộ dữ liệu BraTS 2018 trong đó các ảnh đầu vào 4D được thu thập bằng máy quét MRI và bộ dữ liệu này được sử dụng rộng rãi trong việc giải quyết bài toản ảnh y tế của khối u não bộ người. Về kết quả, mô hình được đề xuất đã phân đoạn các vùng của khối u não trong ảnh y tế một cách chính xác hơn về cả hai yếu tố định lượng và định tỉnh. Về kết quả số, mô hình đã cải thiện mạng U-Net đạt được độ chính xác 74%, 86%, và 75% điểm số Dịce của lớp enhancing tumor, whole tumor và tumor core.