MỘT PHƯƠNG PHÁP CẢI THIỆN ĐỘ CHÍNH XÁC CỦA MÔ HÌNH HỌC SÂU PHÁT HIỆN BỆNH U NÃO TRÊN ẢNH CỘNG HƯỞNG TỪ

Tóm tắt

Bài báo này đề xuất một phương pháp tiền xử lý nhằm nâng cao độ chính xác của mô hình học sâu trong phát hiện và phân loại khối u não trên ảnh cộng hưởng từ. Trước hết, ảnh đầu vào được xử lý bằng bộ lọc Gabor để làm nổi bật các đặc trưng quan trọng gồm cạnh, kết cấu và hướng của cấu trúc não, giúp tăng khả năng nhận diện đặc điểm hình thái của khối u. Tiếp theo, do ảnh cộng hưởng từ bị ảnh hưởng bởi các nhiễu trong quá trình thu thập, kỹ thuật Denoising Autoencoder được áp dụng để loại bỏ nhiễu và cải thiện chất lượng hình ảnh. Cuối cùng, mô hình học sâu VGG16 thực hiện phân loại bốn loại u não phổ biến gồm không có u não, u thần kinh đệm (glioma), u màng não (meningioma), và u tuyến yên (pituitary tumor). Thực nghiệm được tiến hành trên tập dữ liệu lớn với hàng nghìn ảnh cộng hưởng từ, cho thấy phương pháp đề xuất giúp mô hình đạt độ chính xác 96,68%, cao hơn các phương pháp truyền thống. Những kết quả trên khẳng định tiềm năng của học sâu trong chẩn đoán và phân loại sớm các bệnh lý não bộ, góp phần hỗ trợ y học hiện đại.