Mô hình khử nhiễu bóng xương trong chẩn đoán bệnh trên ảnh X-quang phổi

Chụp ảnh X-quang giữ vai trò quan trọng trong việc chẩn đóa n các bệnh về phổi. Độ chính xác của xét nghiệm này phụ thuộc vào kinh nghiệm của các chuyên gia. Với sự phát triển của các phương pháp học sâu, máy tính đóng góp phần lớn trong việc phân tích hình ảnh, đặc biệt là ảnh y khoa.
Nội dung trích xuất từ tài liệu:
Mô hình khử nhiễu bóng xương trong chẩn đoán bệnh trên ảnh X-quang phổiGiải thưởng Sinh viên nghiên cứu khoa học Euréka lần 20 năm 2018 Kỷ yếu khoa học MÔ HÌNH KHỬ NHIỄU BÓNG XƯƠNG TRONG CHẨN ĐÓA N BỆNH TRÊN ẢNH X-QUANG PHỔI Huỳnh Minh Chương*, Nguyễn Trung Hiếu Trường Đại học Khoa học Tự nhiên – Đại học Quốc gia TP. Hồ Chí Minh * Tác giả liên lạc: 1412060@student.hcmus.edu.vn TÓM TẮTChụp ảnh X-quang giữ vai trò quan trọng trong việc chẩn đóa n các bệnh về phổi.Độ chính xác của xét nghiệm này phụ thuộc vào kinh nghiệm của các chuyên gia.Với sự phát triển của các phương pháp học sâu, máy tính đóng góp phần lớntrong việc phân tích hình ảnh, đặc biệt là ảnh y khoa. Sau khi tập dữ liệu ChestX-ray14 gồm hơn 100.000 ảnh X-quang phổi của 14 loại bệnh được công bố, nhiềumô hình học sâu được đề suất trên tập dữ liệu này với độ chính xác cao. Chúngtôi đề xuất quy trình cho việc chẩn đóa n bệnh bằng ảnh X-quang phổi, giúp cảitiến độ chính xác AUROC của mô hình tốt nhất hiện tại từ 0.8414 lên 0.8445bằng việc áp dụng các kỹ thuật xử lý ảnh trước khi thực hiện việc chẩn đóa n 14bệnh. Công trình nghiên cứu bao gồm ba mô hình: mô hình DenseNet-121 dựđóa n một bức ảnh nếu được xử lý sẽ cho kết quả tốt hơn hay không, mô hình tíchchập tự động mã hóa giúp loại bỏ bóng xương và cuối cùng là mô hình gốcCheXNet.Từ khóa: Xử lý ảnh y khoa, loại bỏ bóng xương, ảnh x-quang, chẩn đóa n hìnhảnh. BONE SHADOW EXCLUSION MODEL IN THORAX DISEASE DIAGNOSIS WITH CHEST X-RAY IMAGES Huynh Minh Chuong*, Nguyen Trung Hieu University of Science – VNU Ho Chi Minh City * Corresponding Author: 1412060@student.hcmus.edu.vn ABSTRACTChest X-ray examination plays an important role in lung disease detection. Themore accuracy of this task, the more experienced radiologists are required. Withthe development of deep learning, computers play a big part in image analysis,especially in medical images. After ChestX-ray14 dataset containing over100,000 frontal-view X-ray images of 14 diseases was released, several modelswere proposed with high accuracy. In this paper, we develop a workflow for lungdisease diagnosis in chest X-ray images, which can improve the average AUROCof the state-of-the-art model from 0.8414 to 0.8445. We apply imagepreprocessing steps before feeding to the 14 diseases detection model. Ourproject includes three models: the first one is DenseNet-121 to predict whether aprocessed image has a better result, a convolutional auto-encoder model for boneshadow exclusion is the second one, and the last is the original CheXNet.Keywords: Medical image processing, bone shadow exclusion, CheXNet, X-rayimages, radiological diagnosis. 169Giải thưởng Sinh viên nghiên cứu khoa học Euréka lần 20 năm 2018 Kỷ yếu khoa họcTỔNG QUAN viêm phổi, CheXNet mang đến độViêm phổi Pneumonia là một căn bệnh chính xác cao hơn các chuyên gia hìnhphổ biến nhưng cũng khá nguy hiểm, ảnh giàu kinh nghiệm. Bằng việc sửvà là nguyên nhân cao thứ hai dẫn đến dụng một mạng neuron nhân tạo rấtung thư phổi. Căn bệnh này thường rất sâu, mạng CheXNet cải tiến độ chínhnhẹ trong hầu hết các ca và chỉ cần một xác của các nghiên cứu trước đó lênvài tuần điều trị. Trong một vài trường 0.8414. Tuy nhiên, nhóm chúng tôihợp, viêm phổi có thể diễn biến nặng nhận thấy sự cần thiết của việc tiền xửhơn, phải nhập viện điều trị hoặc thậm lý dữ liệu huấn luyện đầu vào vẫn chưachí dẫn đến tử vong. Những bệnh nhân được áp dụng vào mô hình hiện tại.ung thư phổi có nguy cơ mắc viêm phổi Cân bằng độ tương phản và loại bỏnếu duy trì thói quen hút thuốc và triệu bóng xương trên ảnh X-quang giúp cảichứng của viêm phổi ở bệnh nhân này thiện độ chính xác cho việc chẩn đóa n.khá phức tạp, khó thể chẩn đóa n với Trong hầu hết các trường hợp, các khốicác xét nghiệm thông thường u bị bỏ qua khi chẩn đóa n thường nằm(Pneumonia Symptoms, Causes, and ẩn bên dưới xương sườn và ảnh X-Risk Factor). Để chẩn đóa n, các bác sĩ quang mô mềm có thể cải thiện đượcsẽ phải tiến hành các chẩn đóa n hình độ chính xác trong việc chẩn đóa n củaảnh và xét nghiệm X-quang là sự lựa bác sĩ (Gusarev et al., 2017). Bên cạnhchọn hàng đầu, xem xét cấu trúc phổi đó, độ tương phản của các ảnh X-và các vùng tổn thương để đưa ra chẩn quang thường rất thấp (Huang et al.,đóa n. 2017), làm giảm độ chính xác cũngCheXNet (Rajpurkar et al., 2017) được như chất lượng hình ảnh nếu đưa trựccông bố vào ngày 14/11/2017 bởi ...