Đồ án tốt nghiệp - Xây dựng thuật toán phân vùng để phân loại và xác định kích thước khối u não

BỘ GIÁO DỤC &amp ĐÀO TẠO
TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP. HỒ CHÍ MINH
KHOA ĐIỆN – ĐIỆN TỬ
BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH



ĐỒ ÁN TỐT NGHIỆP
NGÀNH KỸ THUẬT Y SINH
ĐỀ TÀI:

XÂY DỰNG THUẬT TOÁN PHÂN VÙNG
ĐỂ PHÂN LOẠI VÀ XÁC ĐỊNH KÍCH
THƯỚC KHỐI U NÃO
GVHD:

TS. Nguyễn Thanh Nghĩa

SVTH 1: Mai Phạm Tuân
MSSV 1: 19129059
SVTH 2: Đào Thái Phương Uyên
MSSV 2: 19129064
Tp. Hồ Chí Minh - 07/2023

TRƯỜNG ĐH SPKT TP. HỒ CHÍ MINH
CỘNG HOÀ XÃ HỘI CHỦ NGHĨA VIỆT NAM
KHOA ĐIỆN-ĐIỆN TỬ
ĐỘC LẬP - TỰ DO - HẠNH PHÚC
BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH
o0o

Tp. HCM, ngày 20 tháng 6 năm 2023

NHIỆM VỤ ĐỒ ÁN TỐT NGHIỆP
Họ tên sinh viên:

Mai Phạm Tuân

MSSV:

19129059

Đào Thái Phương Uyên

MSSV:

19129064

Chuyên ngành:

Kỹ thuật Y sinh

Mã ngành:

29

Hệ đào tạo:

Đại học chính quy

Mã hệ:

1

Khóa:

2019

Lớp:

191290

I. TÊN ĐỀ TÀI: XÂY DỰNG THUẬT TOÁN PHÂN VÙNG ĐỂ PHÂN
LOẠI VÀ XÁC ĐỊNH KÍCH THƯỚC KHỐI U NÃO
II. NHIỆM VỤ
1. Các số liệu ban đầu:
- Ngôn ngữ sử dụng: Python.
- Phần mềm huấn luyện: IDLE Python 3.10, Visual Studio Code, Google Colab,
PyCharm.
- Tập dữ liệu: Dữ liệu ảnh MRI dùng để phân loại gồm 7023 ảnh gồm ảnh não
loại Glioma, Meningioma, Pituitary và ảnh não bình thường của tác giả
Masoud Nickparvar. Dữ liệu dùng để phân vùng gồm 3064 ảnh u não
của Nikhil Tomar và 2150 ảnh u não của tác giả Jenny Luciav.
- Sử dụng mạng nơ - ron để phân loại ảnh.
- Sử dụng mạng nơ - ron và thuật toán GraphCut - Pinpoint để phân
vùng ảnh.
- Thiết kế giao diện GUI để hiển thị kết quả chẩn đoán.
2. Nội dung thực hiện:
- Nội dung 1: Tìm hiểu lý thuyết về khối u đặc, cách tạo hình ảnh MRI và đặc
điểm ảnh MRI.
- Nội dung 2: Thiết kế phương pháp tìm phân loại dùng mạng nơ - ron.

I

- Nội dung 3: Nghiên cứu các thuật toán phân vùng khối u trong ảnh y tế và
công thức tính kích thước khối u não đặc.
- Nội dung 4: Viết Code cho mô hình phân loại và phân vùng dùng ngôn ngữ
Python.
- Nội dung 5: Thiết kế giao diện GUI dùng ngôn ngữ Python.
- Nội dung 6: Chạy mô phỏng, hiệu chỉnh, thu thập kết quả.
- Nội dung 7: Đánh giá kết quả thực hiện.
- Nội dung 8: Viết báo cáo thực hiện.
- Nội dung 9: Bảo vệ luận văn.
III. NGÀY GIAO NHIỆM VỤ:

25/02/2023

IV. NGÀY HOÀN THÀNH NHIỆM VỤ: 20/06/2023
V. HỌ VÀ TÊN CÁN BỘ HƯỚNG DẪN:
CÁN BỘ HƯỚNG DẪN

TS. Nguyễn Thanh Nghĩa

BM. ĐIỆN TỬ CÔNG NGHIỆP – Y SINH

II

CỘNG HOÀ XÃ HỘI CHỦ NGHĨA VIỆT NAM
TRƯỜNG ĐH SPKT TP. HỒ CHÍ MINH
ĐỘC LẬP - TỰ DO - HẠNH PHÚC
KHOA ĐIỆN-ĐIỆN TỬ
BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y
...

...
r, Available online:
https://www.kaggle.com/datasets/masoudnickparvar/brain-tumor-mri-dataset
[14] Alexey Bochkovskiy, Yolov4, v3 and v2 for Windows and Linux,
Available online:https://github.com/AlexeyAB/darknet
[15] Heartex, LabelImg, https://github.com/heartexlabs/labelImg
[16] Nikhil Tomar, “A 2D brain tumor segmentation dataset”, Available online:
https://www.kaggle.com/datasets/nikhilroxtomar/brain-tumor-segmentation
[17] Jenny Luciav, “A 2D brain tumor Segmentation and Classification data
set”, Available online:
https://github.com/jennyluciav/braintumorclassification/tree/master/D
atasets
[18] Phạm Đình Khanh, “Đánh giá mô hình phân loại trong Machine Learning”,
Khoa học dữ liệu, 2020, Available online:
https://phamdinhkhanh.github.io/2020/08/13/ModelMetric.html
[19] Annisa Wulandari, Riyanto Sigit, Mochamad Mobed Bachtiar, “Brain
Tumor Segmentation to Calculate Percentage Tumor Using MRI”, Informatics
and Computer Department Electronic Engineering Polytechnic Insitute of
Surabaya, 2018, Available online: 10.1109/KCIC.2018.8628591

BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP - Y SINH

77

TÀI LIỆU THAM KHẢO
[20] Sovit

Ranjan

Rath,

Brain

MRI

Classification

using

Pytorch,

EfficientNetB0, Available online:
https://debuggercafe.com/brain-mri-classification-using-pytorch-efficientnetb0/

BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP - Y SINH

78

PHỤ LỤC

PHỤ LỤC
1. Toàn bộ code lập trình của đề tài được lưu tại đường dẫn:

https://drive.google.com/drive/u/1/folders/1InY7V0YUwaE3A9vr4QW
PA32SI9Fl3x_H
2. Thống kê kết quả phân vùng của mô hình U - Net và GraphCut Pinpoint:
https://drive.google.com/drive/folders/1vFAi4eSEMYpjE32SyI5nlJHum
Do1VmDF
3. Một số hình ảnh sử dụng trong đề tài:

Hình 3.8: Giao diện LabelImg

Hình 3.9: Định nghĩa nhãn cho đối tượng trong file “predefined_classes.txt”

BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP - Y SINH

79

PHỤ LỤC

Hình 3.11: File nhãn .txt

Hình 3.12: Một số file nhãn dữ liệu dùng LabelImg

Hình 3.14: Chuẩn bị dữ liệu train mô hình YOLOv4

Hình 3.15: Chuẩn bị file ‘yolo.names’

BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP - Y SINH

80

PHỤ LỤC

Hình 3.16: Chuẩn bị file ‘train.txt’ (trái) và ‘val.txt’(phải)

Hình 3.17: Chuẩn bị file ‘yolo.data’

Hình 3.18: Chuẩn bị file ‘yolov4-custom.cfg’

BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP - Y SINH

81

PHỤ LỤC

Hình 3.19: Chuẩn bị file ‘MakeFile’

Hình 3.30: Giao diện phần mềm Qt Designer khi vừa khởi chạy

Hình 3.32: Mã python được chuyển từ tệp .ui sang .py bằng thưu viện PyQt5
BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP - Y SINH

82