Trích chọn đặc trưng và phân loại ảnh X-quang phổi

Nghiên cứu trình bày khảo sát các đặc trưng học sâu trên ảnh X-Quang phổi và sử dụng các phương pháp máy học truyền thống bao gồm kNearest-Neighbours (k-NN), Support Vector Machines (SVM), Logistic Regression cho bài toán phân loại ảnh X-Quang vào 3 lớp covid-19, pneumonia, normal.
Nội dung trích xuất từ tài liệu:
Trích chọn đặc trưng và phân loại ảnh X-quang phổi TNU Journal of Science and Technology 226(07): 182 - 189EXTRACT FEATURES AND CLASSIFICATION OF CHEST X-RAY IMAGESVo Thi Mot*, Vo Duy Nguyen, Nguyen Tan Tran Minh KhangVietnam National University HCMC - University of Information Technology ARTICLE INFO ABSTRACT Received: 30/01/2021 COVID-19 causes an epidemic of acute respiratory infections, with more than 90 million infections and more than 2 million deaths Revised: 27/5/2021 worldwide. The disease is transmitted through the respiratory tract, Published: 27/5/2021 each day there are more than 300,000 new infections. In this study, we examine deep learning features on chest X-ray images and useKEYWORDS traditional machine learning methods including k-Nearest-Neighbors (k-NN), Support Vector Machines (SVM), Logistic Regression for theCOVID-19 problem of classifying X-ray images into three classes: COVID-19,k-Nearest-Neighbours (k-NN) PNEUMONIA, NORMAL. Evaluation results on a data set of 3423Logistic Regression chest X-ray images compiled from four datasets COVID-19 Radiography Database, Covid-19 Image Dataset, COVID-19Neural network PatientsLungs X-Ray Images 10000, COVID19 High-quality imagesSVM published in 2020, the detailed experimental results, analysis, and assessment will be the basis for the next researches.TRÍCH CHỌN ĐẶC TRƯNG VÀ PHÂN LOẠI ẢNH X-QUANG PHỔIVõ Thị Một*, Võ Duy Nguyên, Nguyễn Tấn Trần Minh KhangTrường Đại học Công nghệ Thông tin – ĐH Quốc gia Thành phố Hồ Chí Minh THÔNG TIN BÀI BÁO TÓM TẮT Ngày nhận bài: 30/01/2021 COVID-19 gây ra dịch viêm đường hô hấp cấp, có hơn 90 triệu ca lây nhiễm và hơn 2 triệu người chết trên toàn thế giới. Bệnh lây qua đường Ngày hoàn thiện: 27/5/2021 hô hấp, mỗi ngày có hơn 300 ngàn ca nhiễm mới. Trong nghiên cứu Ngày đăng: 27/5/2021 này, chúng tôi khảo sát các đặc trưng học sâu trên ảnh X-Quang phổi và sử dụng các phương pháp máy học truyền thống bao gồm k-TỪ KHÓA Nearest-Neighbours (k-NN), Support Vector Machines (SVM), Logistic `Regression cho bài toán phân loại ảnh X-Quang vào 3 lớpCOVID-19 covid-19, pneumonia, normal. Kết quả đánh giá trên bộ dữ liệu gồmk-Nearest-Neighbours (k-NN) 3423 ảnh X-quang phổi được tổng hợp từ 4 bộ dữ liệu COVID-19Logistic Regression Radiography Database, Covid-19 Image Dataset, COVID-19 PatientsLungs X Ray Images 10000, COVID19 High quality imagesNeural network công bố năm 2020, các kết quả thực nghiệm, phân tích đánh giá đượcSVM chỉ ra chi tiết là cơ sở cho các nghiên cứu tiếp theo.DOI: https://doi.org/10.34238/tnu-jst.3974* Corresponding author. Email: 16520756@gm.uit.edu.vnhttp://jst.tnu.edu.vn 182 Email: jst@tnu.edu.vn TNU Journal of Science and Technology 226(07): 182 - 1891. Giới thiệu COVID-19 [1] là một bệnh đường hô hấp cấp tính ở người được phát hiện vào năm 2019, gâyra bởi vi-rút SARS-CoV-2 chưa từng được xác định trước đây. Coronavirus là một họ virus lớngây bệnh ở bệnh nhân từ cảm lạnh thông thường đến các hội chứng hô hấp tiến triển như MiddleEast Resporatory Syndrone (MERS-COV) và Severe AcuteRespiratory Syndrone (SARS-COVS). Người nhiễm sẽ xuất hiện nhiều tổn thương ở phổi, số lượng ca nhiễm mới ngày càng nhiều.Một giải pháp hữu hiệu được đề xuất giúp các bác sĩ có thể sàng lọc lâm sàng các trường hợpnhiễm bệnh là chẩn đoán bệnh thông qua sàng lọc ảnh chụp X-quang phổi. Có nhiều nghiên cứuphát hiện COVID-19 trên ảnh X-quang với kết quả cao. Tuy nhiên hầu hết được thực nghiệm trênbộ dữ liệu khá nhỏ. Điều này đã thúc đẩy chúng tôi thu thập các bộ dữ liệu chụp X-quang ngực(Hình 1) với mong muốn tăng tính đa dạng dữ liệu và độ chính xác cho quá trình dự đoán kết quảphân loại hình ảnh. Hình 1. Dữ liệu ảnh X-quang được gán nhãn với kết quả chẩn đoán bệnh Trong nghiên cứu này, chúng tôi khảo sát các phương pháp máy học truyền thống k-NN [2],SVM [3], Logistic Regression [4] cho bài toán phân loại ảnh X ...