TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP HỒ CHÍ MINH
KHOA CÔNG NGHỆ THÔNG TIN
BỘ MÔN CÔNG NGHỆ PHẦN MỀM
--

NGUYỄN LÊ ĐIỀN:

16110309

NGUYỄN TRƯỜNG TRÁNG:

16110489

Đề tài:

CHẨN ĐOÁN MỘT SỐ BỆNH PHỔI
SỬ DỤNG XỬ LÝ ẢNH VÀ HỌC SÂU
KHÓA LUẬN TỐT NGHIỆP KỸ SƯ CNTT
GIẢNG VIÊN HƯỚNG DẪN
ThS. TRẦN TIẾN ĐỨC

KHÓA 2016 - 2020

TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP HỒ CHÍ MINH
KHOA CÔNG NGHỆ THÔNG TIN
BỘ MÔN CÔNG NGHỆ PHẦN MỀM
--

NGUYỄN LÊ ĐIỀN:

16110309

NGUYỄN TRƯỜNG TRÁNG:

16110489

Đề tài:

CHẨN ĐOÁN MỘT SỐ BỆNH PHỔI
SỬ DỤNG XỬ LÝ ẢNH VÀ HỌC SÂU
KHÓA LUẬN TỐT NGHIỆP KỸ SƯ CNTT
GIẢNG VIÊN HƯỚNG DẪN
ThS. TRẦN TIẾN ĐỨC

KHÓA 2016 - 2020

ĐH SƯ PHẠM KỸ THUẬT TP. HCM

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM

KHOA CNTT

Độc lập – Tự do – Hạnh Phúc

*******

*******

PHIẾU NHẬN XÉT CỦA GIÁO VIÊN HƯỚNG DẪN
Họ và tên Sinh viên 1: Nguyễn Lê Điền

MSSV: 16110309

Họ và tên Sinh viên 2: Nguyễn Trường Tráng

MSSV: 16110489

Ngành: Công nghệ Thông tin
Tên đề tài: Chẩn đoán một số bệnh phổi sử dụng xử lý ảnh và học sâu
Họ và tên Giáo viên hướng dẫn: ThS. Trần Tiến Đức
NHẬN XÉT
1. Về nội dung đề tài &amp khối lượng thực hiện:
.......................................................................................................................................
.......................................................................................................................................
.......................................................................................................................................
2. Ưu điểm:
.......................................................................................................................................
.......................................................................................................................................
.......................................................................................................................................
3. Khuyết điểm:
.......................................................................................................................................
.......................................................................................................................................
.......................................................................................................................................
4. Đề nghị cho bảo vệ hay không? ....................................................
...

...
n tới bệnh được chẩn đoán trên hình ảnh X-Quang.
- Áp dụng được việc chẩn đoán Covid-19 do virus Corona gây ra, tạo tiền đề cho việc
chẩn đoán bệnh được dễ dàng hơn, giúp tiết kiệm thời gian và chi phí cho việc xét nghiệm
người nhiễm covid trong tình hình dịch bệnh đang diễn biến phức tạp như hiện nay.
4.3. NHƯỢC ĐIỂM
- Độ chính xác của các model chưa tối ưu ở một số bệnh: Viêm phổi, thâm nhiễm phổi.
- Thiếu kiến thức chuyên môn về mặt y học để có thể chẩn đoán được dấu hiệu của từng
bệnh trên hình ảnh X-Quang.
- Việc triển khai mô hình dự đoán chỉ ở mức độ thử nghiệm, chưa ứng dụng vào trong
thực tế để quan sát hiệu quả của đề tài.
4.4. KẾT LUẬN VỀ HƯỚNG PHÁT TRIỂN
Trong lĩnh vực xử lý ảnh nói chung và bài toán chẩn đoán các bệnh về phổi nói riêng
vẫn còn quá rộng lớn và nhiều phương pháp, kỹ thuật để nghiên cứu nên nhóm chúng em
có những hướng phát triển sau:
• Cải thiện độ chính xác cho các mô hình bằng cách:
115

o Xử lý các hình ảnh đầu vào bằng việc xác định chính xác vị trí của vùng phổi để
việc huấn luyện được chính xác hơn.
o Thu thập thêm dữ liệu đầu vào của các bệnh thoát vị, viêm phổi, phù phổi, xơ hóa,
… để cải thiện độ chính xác của mô hình ở những bệnh này.
• Tìm hiểu, nghiên cứu và áp dụng các mô hình mới vào việc chẩn đoán để kết quả cho
ra là chính xác nhất nhắm đến mục tiêu ứng dụng thực tiễn hướng đến nền y tế thông
minh, tiện lợi.

116

Chương 5: TÀI LIỆU THAM KHẢO
1. Deep Learning Course
Link: https://nttuan8.com/
2. VGG16 – Convolutional Network for Classification and Detection,
Link: https://neurohive.io/en/popular-networks/vgg16/
3. MobileNetV2 — Light Weight Model (Image Classification)
Link: https://towardsdatascience.com/review-mobilenetv2-light-weight-model-imageclassification-8febb490e61c
4. Understanding and visualizing DenseNets,
Link: https://towardsdatascience.com/understanding-and-visualizing-densenets-7f688092391a
5. Multi-layer Perceptron và Backpropagation
Link: https://machinelearningcoban.com/2017/02/24/mlp/
6. Các phương pháp đánh giá một hệ thống phân lớp
Link: https://machinelearningcoban.com/2017/08/31/evaluation/
7. Diễn giải nghiên cứu tiên lượng: ROC (Receiver Operating Characteristic)
Link: http://timmachhoc.vn/din-gii-nghien-cu-tien-lng-roc-receiver-operating-characteristic/
8. Grad-CAM: Gradient-weighted Class Activation Mapping,
Link: http://gradcam.cloudcv.org/
9. Gradient weighted Class Activation Map (Grad-CAM),
Link: https://medium.com/@ninads79shukla/gradcam-73a752d368be

117