Nghiên cứu một số phương pháp học sâu và ứng dụng trong chẩn đoán viêm da cơ địa ở Việt Nam

Nghiên cứu một số phương pháp học sâu và ứng dụng trong chẩn đoán viêm da cơ địa ở Việt Nam

Tác giả: Đặng Anh Tuấn

Lĩnh vực: Hệ thống thông tin

Nội dung tài liệu:

Luận văn này tập trung nghiên cứu và phát triển các phương pháp học sâu (Deep Learning) để hỗ trợ chẩn đoán bệnh viêm da cơ địa (Atopic Dermatitis – AD) thông qua phân tích hình ảnh da lâm sàng tại Việt Nam. Nghiên cứu khám phá khả năng của các mô hình học sâu, đặc biệt là mạng nơ-ron tích chập (Convolutional Neural Networks – CNNs), trong việc phân loại và chẩn đoán chính xác bệnh. Các kiến trúc học sâu tiên tiến như VGG16, VGG19, ResNet, và EfficientNet được xem xét và áp dụng. Đề tài cũng nhấn mạnh việc sử dụng phương pháp học chuyển giao (Transfer Learning) để tận dụng các mô hình đã được huấn luyện trước, cũng như các kỹ thuật tăng cường dữ liệu (Data Augmentation) để cải thiện hiệu quả xử lý trên tập dữ liệu hạn chế. Cuối cùng, luận văn đề xuất một hệ thống chẩn đoán viêm da cơ địa tự động, nhằm mục đích hỗ trợ bác sĩ trong việc phát hiện sớm và nâng cao chất lượng chẩn đoán, đặc biệt tại các khu vực còn hạn chế về nguồn lực y tế.

Mục lục chi tiết:

• Lời cam đoan
• Lời cảm ơn
• Mục lục
• Danh mục các ký hiệu, các chữ viết tắt
• Danh mục các hình vẽ
• Danh mục các bảng biểu
• Mở đầu
• Chương 1: Tổng quan về các phương pháp học sâu ứng dụng trong hỗ trợ chẩn đoán
• Chương 2: Xây dựng mô hình học sâu hỗ trợ chẩn
• Chương 3: Thử nghiệm mô hình học sâu trong hỗ trợ
• Kết luận và kiến nghị
• Tài liệu tham khảo