Ứng dụng học sâu trong việc chẩn đoán ung thư vú :Luận văn thạc sĩ - Chuyên ngành: Kỹ thuật điện tử

BỘ CÔNG THƯƠNG

TRƯỜNG ĐẠI HỌC CÔNG NGHIỆP THÀNH PHỐ HỒ CHÍ MINH

HOÀNG ĐỨC QUÝ

ỨNG DỤNG HỌC SÂU TRONG VIỆC CHẨN

ĐOÁN BỆNH UNG THƯ VÚ

Chuyên ngành: KỸ THUẬT ĐIỆN TỬ

Mã số: 8520203

LUẬN VĂN THẠC SĨ

THÀNH PHỐ HỒ CHÍ MINH, NĂM 2022

Công trình được hoàn thành tại Trường Đại học Công nghiệp TP. Hồ Chí Minh.

Người hướng dẫn khoa học: TS. Nguyễn Ngọc Sơn...................................................

Luận văn thạc sĩ được bảo vệ tại Hội đồng chấm bảo vệ Luận văn thạc sĩ Trường Đại

học Công nghiệp thành phố Hồ Chí Minh ngày . . . . . tháng . . . . năm . . . . .

Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm:

1. PGS. TS Nguyễn Tấn Lũy...............................- Chủ tịch Hội đồng

2. PGS. TS Nguyễn Đình Tuyên .........................- Phản biện 1

3. TS. Trần Hữu Toàn..........................................- Phản biện 2

4. PGS. TS Trương Đình Nhơn ...........................- Ủy viên

5. TS. Trần Minh Chính ......................................- Thư ký

(Ghi rõ họ, tên, học hàm, học vị của Hội đồng chấm bảo vệ luận văn thạc sĩ)

CHỦ TỊCH HỘI ĐỒNG TRƯỞNG KHOA CÔNG NGHỆ ĐIỆN TỬ

NHIỆM VỤ LUẬN VĂN THẠC SĨ

Họ tên học viên: HOÀNG ĐỨC QUÝ........................... MSHV: 19630241................

Ngày, tháng, năm sinh: 30/05/1993................................ Nơi sinh: TP. Hồ Chí Minh .

Chuyên ngành: Kỹ thuật điện tử..................................... Mã chuyên ngành: 8520203

I. TÊN ĐỀ TÀI:

Ứng dụng học sâu trong việc chẩn đoán ung thư vú

NHIỆM VỤ VÀ NỘI DUNG:

- Tìm hiểu lý thuyết về học sâu và ứng dụng vào nhận dạng khối u vú trong ảnh x-quang

- Xây dựng mô hình học sâu nhận dạng khối u vú

- Huấn luyện và đánh giá mô hình theo tiêu chí đánh giá đề xuất

- Triển khai ứng dụng hỗ trợ chẩn đoán ung thư sử dụng mô hình học sâu đề xuất

II. NGÀY GIAO NHIỆM VỤ: Theo quyết định số 1035/QĐ-ĐHCN ngày 12/08/2021

III. NGÀY HOÀN THÀNH NHIỆM VỤ: 04/03/2022..............................................

IV. NGƯỜI HƯỚNG DẪN KHOA HỌC: TS. Nguyễn Ngọc Sơn

Tp. Hồ Chí Minh, ngày … tháng … năm 20 …

NGƯỜI HƯỚNG DẪN

(Họ tên và chữ ký)

CHỦ NHIỆM BỘ MÔN ĐÀO TẠO

(Họ tên và chữ ký)

TRƯỞNG KHOA CÔNG NGHỆ ĐIỆN TỬ

(Họ tên và chữ ký)

BỘ CÔNG THƯƠNG

TRƯỜNG ĐẠI HỌC CÔNG NGHIỆP

THÀNH PHỐ HỒ CHÍ MINH

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM

Độc lập - Tự do - Hạnh phúc

i

LỜI CẢM ƠN

Lời đầu tiên, tôi xin được gửi lời cảm ơn chân thành đến thầy hướng dẫn của tôi – TS.

Nguyễn Ngọc Sơn đã tận tình hướng dẫn và động viên tôi từ những ngày đầu tiên nhận

đề tài. Những hướng dẫn và góp ý của thầy có ý nghĩa quan trọng và ảnh hưởng trực

tiếp đến nghiên cứu của tôi.

Tôi cũng xin được cảm ơn đến GS. TS. Hồ Phạm Huy Ánh đã hỗ trợ, dẫn dắt tôi vào

con đường nghiên cứu khoa học, tạo mọi điều kiện cho tôi được học hỏi, nghiên cứu tại

phòng thí nghiệm của thầy.

Tôi cũng xin cảm ơn những đồng nghiệp của tôi là Nghiên cứu sinh Cao Văn Kiên,

Nguyễn Tiến Đạt đã cho những góp ý hữu ích tới đề tài nghiên cứu của tôi.

Cuối cùng nhưng vô cùng quan trọng, tôi muốn cảm ơn gia đình tôi, đặc biệt là mẹ và

bạn gái tôi vì đã hết lòng tin tưởng và ủng hộ tôi trong thời gian tôi học tập.

ii

TÓM TẮT LUẬN VĂN THẠC SĨ

Trong những năm gần đây, học sâu đã được nghiên cứu và áp dụng rộng rãi trong lĩnh

vực thị giác máy tính bởi tính hiệu quả của chúng trong nhiều ứng dụng khác nhau đã

được chứng minh thông qua các nghiên cứu khoa học. Đặc biệt, việc áp dụng học sâu

vào phân tích ảnh y tế là một chủ đề thu hút nhiều sự chú ý. Trong quyển luận văn này,

học viên đề xuất một bộ khung phát hiện đối tượng tiên tiến có tên là YOLO áp dụng

vào một mô hình máy tính hỗ trợ chẩn đoán (CAD). Cụ thể, mô hình có thể tự động phát

hiện khối u trong ảnh x-quang vú kĩ thuật số được thu thập từ tập dữ liệu INbreast và

phân loại chúng là lành tính hay ác tính mà không có sự can thiệp của con người. Kết

quả cho thấy mô hình đề xuất đạt 94.4% độ chính xác trung bình (mAP) trong việc phát

hiện khối u, cho thấy tiềm năng áp dụng vào thực tiễn.

iii

ABSTRACT

In recent years, deep learning has been researched and broadly applied in the field of

computer vision due to its effectiveness which had been proved in various application

through scientific research. Especially, applying deep learning in medical image

analysis is a topic attracted a vast attention. This thesis proposes a state-of-the-art object

detection framework namely YOLO applied to a computer-aided detection (CAD)

model. Specifically, the model can detect tumors in digital mammograms automatically

and distinguished them as benign or malignant without human intervention. The

quantiative result demonstrated that the proposed model reached 94.4% mAP in tumor

detection task, showing the potential to be applied in practice.

iv

LỜI CAM ĐOAN

Công trình nghiên cứu trong quyển luận văn được thực hiện trực tiếp từ chính bản thân

tôi. Các kết quả nghiên cứu và các kết luận trong luận văn là trung thực, không sao chép

dưới bất kỳ hình thức nào và dưới một nguồn dữ liệu nào. Việc tham khảo tài liệu chuyên

ngành như các tạp chí khoa học, sách, báo (nếu có) đã được trích dẫn và ghi nguồn tài

liệu tham khảo đúng quy định.

Học viên

Hoàng Đức Quý

v

MỤC LỤC

LỜI CẢM ƠN...................................................................................................................i

TÓM TẮT LUẬN VĂN THẠC SĨ ................................................................................ ii

ABSTRACT ................................................................................................................. iii

LỜI CAM ĐOAN...........................................................................................................iv

MỤC LỤC ...................................................................................................................v

DANH MỤC HÌNH ẢNH..............................................................................................ix

DANH MỤC BẢNG BIỂU............................................................................................xi

DANH MỤC TỪ VIẾT TẮT....................................................................................... xii

PHẦN MỞ ĐẦU .............................................................................................................1

1. Đặt vấn đề....................................................................................................................1

2. Mục đích nghiên cứu...................................................................................................1

3. Đối tượng và phạm vi nghiên cứu...............................................................................1

4. Phương pháp nghiên cứu.............................................................................................2

5. Ý nghĩa thực tiễn của đề tài.........................................................................................2

TỔNG QUAN............................................................................................3

1.1 Sơ lược về ung thư vú................................................................................................3

1.2 Hệ thống máy tính hổ trợ chẩn đoán .........................................................................4

1.3 Phát biểu vấn đề.........................................................................................................5

1.4 Nội dung nghiên cứu chính .......................................................................................6

1.4.1 Nội dung nghiên cứu: .............................................................................................7

1.4.2 Những đóng góp chính:..........................................................................................7

vi

CƠ SỞ LÝ THUYẾT ................................................................................8

2.1 Sơ lược về học sâu.....................................................................................................8

2.2 Mạng nơ-ron tích chập ............................................................................................10

2.2.1 Lớp tích chập ........................................................................................................10

2.2.2 Lớp gộp.................................................................................................................12

2.2.3 Lớp kết nối đầy đủ................................................................................................13

2.3 Thuật toán YOLOv1................................................................................................13

2.3.1 Ý tưởng.................................................................................................................14

2.3.2 Kiến trúc mô hình.................................................................................................16

2.3.3 Hàm mục tiêu .......................................................................................................16

2.3.4 Thuật toán non-max suppression..........................................................................18

2.3.5 Ưu và nhược điểm của YOLOv1 .........................................................................20

2.4 Thuật toán YOLOv2................................................................................................20

2.4.1 Kiến trúc mô hình.................................................................................................20

2.4.2 Chuẩn hóa theo batch (Batch normalization).......................................................22

2.4.3 Sử dụng bộ phân loại đầu vào phân giải cao........................................................22

2.4.4 Dự đoán với hộp mỏ neo ......................................................................................23

2.5 Thuật toán YOLOv3................................................................................................24

2.5.1 Kiến trúc mô hình YOLOv3.................................................................................24

2.5.2 Đưa ra dự đoán trên các tỉ lệ khác nhau ...............................................................26

2.6 Thuật toán YOLOv4................................................................................................28