Xây dựng hệ thống hỗ trợ việc phân loại bệnh viêm phổi bằng hình ảnh X quang ngực dựa trên phương pháp học sâu

Abstract

Mục tiêu của nghiên cứu nhằm hỗ trợ bác sĩ chẩn đoán bệnh viêm phổi của trẻ em từ 1 tuổi đến 5 tuổi, thông qua ảnh X-quang ngực. Nguồn ảnh X-quang ngực được chọn dựa vào tập dữ liệu X-quang trên Kaggle (Kermany, 2018). Dữ liệu được tổ chức thành 2 thư mục và chứa các thư mục con cho từng loại hình ảnh. Tổng cộng là 5856 hình ảnh X-Ray, trong đó có 2 loại (viêm phổi và bình thường). Ngoài ra, nghiên cứu còn ghi nhận kết quả chẩn đoán của 20 ảnh X-quang ngẫu nhiên tại Bệnh viện Nhi Đồng Cần Thơ. Việc học sâu trong chẩn đoán bệnh dựa trên hình ảnh để thu được nhiều kết quả tốt. Tuy nhiên, để tăng độ chính xác trong việc phân loại chúng tôi đã dùng đối sánh đặc trưng và đối sánh mô hình. Trong nghiên cứu này, chúng tôi đề xuất đối sánh đặc trưng bao gồm: Color, Gist, Hog, Deep, Sift. Cuối cùng chúng tôi đối sánh 3 mô hình: CNN, SVM, KNN. Kết quả thực nghiệm mô hình SVM kết hợp với đặc trưng Deep là 96.72% vượt trội so với 2 môn hình còn lại là CNN 95,1%, KNN 95,2%. Từ kết quả này chúng tôi ứng dụng phân loại hình ảnh X-quang ngực để hỗ trợ việc chẩn đoán bệnh viêm phổi.