Cải tiến kiến trúc của mô hình học sâu cho bài toán phân loại u não trên ảnh cộng hưởng từ

Tóm tắt

U não là bệnh lý não bộ nguy hiểm, có thể gây ra biến chứng nặng và tử vong. Hiện nay, ảnh chụp cộng hưởng từ (MRI) được sử dụng rộng rãi để phát hiện và chuẩn đoán u não. Bài báo này nghiên cứu mô hình học sâu VGG16, từ đó tinh chỉnh kiến trúc nhằm phù hợp với tính chất của hình ảnh MRI, giúp cải thiện tốc độ huấn luyện và độ chính xác. Mô hình thực hiện thay đổi số lượng các lớp tích chập, Dropout và bộ lọc trước khi đưa ra dự đoán cuối cùng. Kết quả thực nghiệm cho thấy, mô hình cải tiến có độ chính xác cao hơn VGG16 trên cùng bộ dữ liệu ảnh cộng hưởng từ trong việc phân loại bốn bệnh lý gồm não bình thường, u thần kinh đệm, u màng não và u tuyến yên với độ chính xác đạt 96.68%, tốc độ huấn luyện trung bình trên cấu hình máy của chúng tôi với VGG16 là 1200s, mô hình cải tiến là 80s trên 1 epoch.