|
Dòng
|
Nội dung
|
|
1
|
|
|
2
|
Chuẩn đoán bệnh thông qua hình ảnh y tế mạng Neuron tích chập (CNN) : Khoá luận tốt nghiệp chuyên ngành Khoa học dữ liệu / Phạm Đắc Toàn; Võ Thị Hồng Thắm hướng dẫn
Tp. Hồ Chí Minh : Trường Đại học Nguyễn Tất Thành, 2024
x, 43 tr. : hình ảnh ; 29 cm.
Ký hiệu phân loại (DDC): 006.42
Nghiên cứu nhằm xây dựng một mô hình mạng neuron tích chập (CNN) hiệu quả đểphân tích và chẩn đoán bệnh dựa trên hình ảnh y tế, đảm bảo đạt được độ chính xác cao,thời gian xử lý nhanh và khả năng ứng dụng thực tiễn trong lĩnh vực y học. Hệ thống này không chỉ hỗ trợ bác sĩ trong việc ra quyết định mà còn góp phần giảm thiểu sai sót trong quá trình chẩn đoán. Bên cạnh đó, đề tài tập trung vào việc cải thiện chất lượng hình ảnh ytế thông qua các phương pháp tiền xử lý, bao gồm giảm nhiễu, tăng độ nét và cân bằng ánh sáng. Việc nâng cao chất lượng dữ liệu đầu vào được kỳ vọng sẽ giúp cải thiện đáng kể độ tin cậy của các kết quả phân tích. Đánh giá hiệu quả của mô hình CNN so với các phương pháp truyền thống và các mô hình học máy khác trongviệc nhận diện và phân loại bệnh thông qua hình ảnh y tế. Khai thác tối đa tiềm năng của trí tuệ nhân tạo, đặc biệt là học sâu, để phát triển một hệ thống chẩn đoán thông minh có khả năng tự động nhận diện các đặc điểm quan trọng trong hình ảnh y tế, từ đó đưa ra những chẩn đoán chính xác và đáng tin cậy hơn cả mắt thường. Ngoài ra, nghiên cứu này còn đề xuất quy trình và giải pháp ứng dụng mô hình đã phát triển vàothực tế tại các cơ sở y tế, từ đó hỗ trợ bác sĩ và kỹ thuật viên trong việc phân tích hình ảnhX-quang một cách hiệu quả.
Số bản sách:
(1)
Tài liệu số:
(0)
|
|
3
|
Đề xuất mô hình học sâu giúp phát hiện bệnh trên cây lá lúa : Đề án Thạc sĩ Công nghệ Thông tin; Mã ngành: 8480201 / Nguyễn Hoài Minh, Võ Thị Hồng Thắm hướng dẫn
Tp. Hồ Chí Minh : Đại học Nguyễn Tất Thành, 2024
ix, 62 tr. : hình ảnh, biểu đồ ; 29 cm.
Ký hiệu phân loại (DDC): 006.2
Đề tài triển khai xây dựng các mô hình phát hiện bệnh trên lá cây lúa bằng các phương pháp xử lý ảnh. Từ đó, tiến hành phân tích đánh giá và so sánh hiệu suất của các mô hình. Trình bày cơ sở lý thuyết về phân lớp dữ liệu ảnh, lý thuyết mô hình CNN Convolutional Neural Networks, các mô hình pre-trained VGG-16, VGG-19 và các độ đo (Accuracy, F1-score, Recall, Precision). Ứng dụng các mô hình CNN, VGG-16 và VGG-19 để thực hiện phân lớp 3 loại bệnh trên lá cây lúa. Thực hiện phương pháp tăng cường dữ liệu ảnh, tiến hành áp dụng các phương pháp tiền xử lý ảnh. Xây dựng và huấn luyện các mô hình trên tập huấn luyện và đánh giá mô hình trên tập kiểm tra. Sử dụng các phương pháp đánh giá mô hình như Accuracy, F1-score, RecallPrecision để so sánh hiệu suất giữa các mô hình khác nhau. Phân tích kết quả dự đoán của từng mô hình, xây dựng ứng dụng dự đoán trên Web giúp phân tích bệnh trên lá cây lúa thông qua hình ảnh. Từ đó, đề xuất các hướng phát triển của mô hình trong tương lai.
Số bản sách:
(1)
Tài liệu số:
(1)
|
|
4
|
|
|
5
|
|
|
|
|
|