Professional Documents
Culture Documents
1. GIỚI THIỆU
2. YÊU CẦU BÀI TOÁN
3. DATA VÀ TRÍNH TIỀN XỬ LÝ
4. ÁP DỤNG MÔ HÌNH MẠNG NEURAL TÍCH CHẬP
5. MỞ RỘNG: HẬU XỬ LÝ
6. TỔNG KẾT VÀ HƯỚNG PHÁT TRIỂN
1. GIỚI THIỆU
- Ung thư phổi: nguy hiểm và có tỷ lệ người mắc cao nhất ở 2 giới.
- Thực
tế: Các chương trình tiên tiến với sự hỗ trợ của vi tính
nhằm phát hiện khối u còn khan hiếm.
- Với thông tin đầu vào là ảnh gray 512 × 512, cần xác
định những vị trí nghi ngờ có khối u.
3. DATA VÀ QUÁ TRÌNH TIỀN XỬ LÝ
MỘT SỐ THUỘC TÍNH ẢNH CT:
- ORIGIN
- SPACING
- HOUNSFIELD UNIT: MỨC XÁM CỦA CÁC VẬT CHẤT
3. DATA VÀ QUÁ TRÌNH TIỀN XỬ LÝ
- Tăng cường vị trí dương tính trong tập Train bằng cách xoay
900 và 1800
4. ÁP DỤNG MÔ HÌNH MẠNG NEURAL TÍCH CHẬP
- ZERO PADDING
- STRIDE
4. ÁP DỤNG MÔ HÌNH MẠNG NEURAL TÍCH CHẬP
POOLING LAYERS
- MAX POOLING
- AVERAGE POOLING
4. ÁP DỤNG MÔ HÌNH MẠNG NEURAL TÍCH CHẬP
-DROPOUT : OVERFITTING
4. ÁP DỤNG MÔ HÌNH MẠNG NEURAL TÍCH CHẬP
ACTIVATION FUNCTION
1
- Sigmoid:
1+𝑒 −𝑥
2
- Tanh: −1
1+𝑒 −𝑥
4. ÁP DỤNG MÔ HÌNH MẠNG NEURAL TÍCH CHẬP
ACTIVATION FUNCTION
- ReLU: 𝜎 𝑥 = 𝑚𝑎𝑥(0, 𝑥)
𝑥
𝑒 𝑗
- Softmax: 𝜎 𝑥𝑗 = σ𝑛 𝑥𝑖
𝑖=1 𝑒
4. ÁP DỤNG MÔ HÌNH MẠNG NEURAL TÍCH CHẬP
XÂY DỰNG MÔ HÌNH DỰ ĐOÁN
4. ÁP DỤNG MÔ HÌNH MẠNG NEURAL TÍCH CHẬP
QUÁ TRÌNH
- Language: Python
- API: tflearn
- Optimization algorithms: Adam
- Batch size: 96
- Num epochs: 100
- Time: ~5 hours
4. ÁP DỤNG MÔ HÌNH MẠNG NEURAL TÍCH CHẬP
Sử dụng Matlab:
imfill(image, ‘holes’)
regionprops(L, ‘Area’)
5. HẬU XỬ LÝ
KẾT QUẢ ÁP DỤNG MÔ HÌNH HỌC TRÊN VÙNG PHỔI VỚI BƯỚC NHẢY 4
6. TỔNG KẾT, HƯỚNG PHÁT TRIỂN
Vẫn còn sai sót, nhưng đã thể hiện được tiềm năng của mô hình học CNN
Bài toán cần nhiều data vị trí dương tính để tăng độ chính xác
Hướng đi: Phát hiện khối u tại các lớp cắt liên tiếp, xây dựng
mô hình 3D
7. TÀI LIỆU THAM KHẢO
1. Key Statistics for Lung Cancer. https://www.cancer.org/cancer/non-
small-cell-lung-cancer/about/key-statistics.html.
2. Lung Cancer. https://www.cancer.org/cancer/lung-cancer.html.
Lung Nodule Analysis 2016. https://luna16.grand-
challenge.org/description/.
3. Hounsfield scale. https://en.wikipedia.org/wiki/Hounsfield_scale.
4. Coordinate systems. https://www.slicer.org/wiki/Coordinate_systems.
Jianxin Wu (2017). Introduction to Convolutional Neural Networks.
Nanjing University, China.
THANK YOU FOR YOUR ATTENTION!