|
Dòng
|
Nội dung
|
|
1
|
|
|
2
|
|
|
3
|
Phân loại tài liệu văn bản bằng ngôn ngữ tự nhiên : Khoá luận tốt nghiệp chuyên ngành Công nghệ thông tin / Thái Nguyễn Thanh Thương; Phạm Đình Tài hướng dẫn
Tp. Hồ Chí Minh : Trường Đại học Nguyễn Tất Thành, 2024
75 tr. : hình ảnh ; 29 cm.
Ký hiệu phân loại (DDC): 006.35
Nghiên cứu nhằm tối ưu hóa quy trình phân loại: để phát triển các thuật toán phân loại hiệu quả, giúp cải thiện độ chính xác và tốc độ xử lý. Nâng cao khả năng tự động hóa: Tạo ra một hệ thống có thể tự động phân lọa tài liệu mà không cần can thiếp thủ công, tiết kiệm thời gian và công sức người dùng. Đảm bảo tính linh hoạt và mở rộng: Có khả năng phân loại nhiều loại tài liệu và ở nhiều lĩnh vực khác nhau, cho phép mở rộng và cập nhật dễ dàng. Phân tích và trực quan hóa dữ liệu: Cung cấp các công cụ phân tích và trực quan hóa để người dùng hiểu rõ hơn về dữ liệu được phân loại. Đánh giá hiệu quả: Thiết lập các tiêu chí đánh giá để kiểm tra hiệu quả và độ chính xác của hệ thống, từ đó đưa ra cách xử lý cần thiết. Nghiên cứu phân loại tài liệu văn bản tiếng Việt đóng vai trò quan trọng trong việc ứng dụng các công nghệ AI vào các dịch vụ tự động hóa, từ dịch thuật đến phân tích cảm xúc và các ứng dụng thông minh khác.
Số bản sách:
(1)
Tài liệu số:
(0)
|
|
4
|
|
|
5
|
Ứng dụng phân loại khối u não cho quản lý bệnh nhân bằng YoloV9 và Winform C# : Khoá luận tốt nghiệp chuyên ngành Trí tuệ nhân tạo / Bùi Bá Phương; Hà Minh Tân hướng dẫn
Tp. Hồ Chí Minh : Trường Đại học Nguyễn Tất Thành, 2024
50 tr. : bảng, hình ảnh ; 29 cm.
Ký hiệu phân loại (DDC): 616.804
Nghiên cứu nhằm phát triển một hệ thống tự động giúp các bác sĩ chẩn đoán và quản lý thông tin bệnh nhân mắc khối u não dựa trên ảnh MRI. Hệ thống sẽ có khả năng phân loại 3 loại khối u não chính: glioma, meningioma, và pituitary, từ các hình ảnh MRI của bệnh nhân. Phát hiện và phân loại khối u não:Sử dụng mô hình YOLOv9 để phát hiện và phân loại 3 loại khối u não từ ảnh MRI. Xác minh tính hợp lệ của ảnh MRI: Áp dụng mô hình ResNet18 để kiểm tra tính hợp lệ của ảnh, đảm bảo rằng chỉ các ảnh MRI não được đưa vào hệ thống. Xây dựng chatbot hỏi đáp liên quan tới khối u được dự đoán: Huấn luyện tập dữ liệu chatbot với mô hình BERT với các câu hỏi đơn giản liên quan đến 3 loại khối u được detect Xây dựng hệ thống quản lý thông tin bệnh nhân: Thiết kế hệ thống WinForm C# tích hợp với web và các API để giúp các bác sĩ quản lý hồ sơ bệnh án và thông tin chẩn đoán. Tăng cường tính bảo mật và hiệu quả hệ thống: Tích hợp các cơ chế chống spam, kiểm tra dung lượng file tải lên và đảm bảo hệ thống hoạt động ổn định khi triển khai thực tế.Nghiên cứu này không chỉ nhằm cải thiện độ chính xác trong việc phân loại khối u mà còn hướng đến việc ứng dụng hệ thống trong thực tế, giúp bác sĩ tối ưu hoá quy trình làm việc và nâng cao chất lượng chẩn đoán.
Số bản sách:
(1)
Tài liệu số:
(0)
|
|
|
|
|