NGHIÊN CỨU HIỆU QUẢ CỦA CÁC MÔ HÌNH HỌC SÂU TIÊN TIẾN TRONG PHÂN LOẠI BỆNH PHỔI BẰNG HÌNH ẢNH X-QUANG NGỰC

Tóm tắt

Theo báo cáo bệnh lao toàn cầu năm 2022 của WHO, ước tính có khoảng 10,6 triệu người mắc lao và 1,6 triệu người tử vong do lao trên toàn thế giới. Trong khi đó, viêm phổi được ước tính gây ra hơn 700.000 ca tử vong mỗi năm trên toàn cầu theo UNICEF. Tại Việt Nam, hai bệnh này vẫn là vấn đề y tế nghiêm trọng với số ca mắc và tử vong không nhỏ. Để hỗ trợ chẩn đoán bệnh phổi hiệu quả, nghiên cứu đã áp dụng các kỹ thuật học sâu, đặc biệt là các mô hình CNN tiêu biểu như Resnet, DenseNet, Xception, MobileNet và InceptionV3, để phân loại ảnh X-quang phổi. Các mô hình này được áp dụng kỹ thuật học chuyển tiếp tinh chỉnh mô hình sau đó được huấn luyện và so sánh để tìm ra mô hình có độ chính xác cao nhất. Kết quả cho thấy mô hình MobileNet là xuất sắc nhất, với độ chính xác lên đến 98,31%, cao nhất so với các mô hình khác. Kết quả nghiên cứu có thể được triển khai, phát triển thành hệ thống hỗ trợ y tế để giúp bác sĩ và nhân viên y tế xác định chính xác và nhanh chóng các loại bệnh phổi từ ảnh X-quang, từ đó giúp cải thiện quá trình chẩn đoán và điều trị cho bệnh nhân.