ỨNG DỤNG MÔ HÌNH HỌC SÂU TRONG CHẨN ĐOÁN UNG THƯ PHỔI
Nội dung chính của bài viết
Tóm tắt
Ngày nay với sự phát triển của y học hiện đại, bệnh nhân ung thư phổi ngày càng được phát hiện sớm. Nghiên cứu đề xuất một phương pháp mới bằng cách cải tiến kiến trúc U-Net truyền thống, loại bỏ hoàn toàn phần giải mã (decoder) và thay thế bằng một nhánh phân loại chuyên biệt ở cuối phần mã hóa (encoder). Sự thay đổi này giúp mô hình tập trung vào việc trích xuất đặc trưng tổng thể của ảnh cho bài toán phân loại, thay vì tái tạo lại bản đồ phân đoạn ở mức pixel. Điều này không chỉ giúp giảm đáng kể độ phức tạp tính toán mà vẫn duy trì khả năng học hỏi các đặc trưng sâu sắc từ ảnh y khoa để phát hiện và chẩn đoán bệnh ung thư phổi. Dựa trên tập dữ liệu IQ-OTH/NCCD, mô hình U-Net cải tiến cho kết quả vượt trội so với các phương pháp học sâu khác như VGG-16, ResNet-50, NasNet Mobile và ViT.
Từ khóa
phương pháp học sâu, chẩn đoán ung thư phổi, mô hình U-Net
Chi tiết bài viết
Tài liệu tham khảo
Arun, M., Deenadhayalan, M., Deepak, R., Balaraman, S., & Deepak, D. (2024, July). Lung cancer detection using ResNet-50 CNN architecture. In 2024 Second International Conference on Advances in Information Technology (ICAIT) (Vol. 1, pp. 1-6). IEEE. https://doi.org/10.1109/ICAIT60841.2024.10540822
Azad, R., Aghdam, E. K., Rauland, A., Jia, Y., Avval, A. H., Bozorgpour, A., Karimijafarbigloo, S., Cohen, J. P., Adeli, E., & Merhof, D. (2024). Medical image segmentation review: The success of u-net. IEEE Transactions on Pattern Analysis and Machine Intelligence. https://doi.org/10.1109/TPAMI.2024.3435571.
Huynh, A. T., Hoang, V. D., Vu, S., Le, T. T., & Nguyen, H. D. (2022, July). Skin cancer classification using different backbones of convolutional neural networks. In International Conference on Industrial, Engineering and Other Applications of Applied Intelligent Systems (pp. 160-172). Cham: Springer International Publishing.
Hosseini, S. H., Monsefi, R., & Shadroo, S. (2024). Deep learning applications for lung cancer diagnosis: A systematic review. Multimedia Tools and Applications, 83(5), 14305-14335. https://doi.org/10.1007/s11042-023-17930-1
Howlader, N., Forjaz, G., Mooradian, M. J., Meza, R., Kong, C. Y., Cronin, K. A., Mariotto, A. B., Lowy, D. R., & Feuer, E. J. (2020). The effect of advances in lung-cancer treatment on population mortality. New England Journal of Medicine, 383(7), 640-649. https://doi.org/10.1056/NEJMoa1916623
IARC. (2022). Viet Nam Fact Sheet – Globocan 2022. World Health Organization. https://gco.iarc.who.int
Kibriya, H., Siddiqa, A., & Khan, W. Z. (2025). Melanoma lesion localization using U-Net and explainable AI. Neural Computing and Applications, 37, 10175-10196
Kumar, V., Altahan, B. R., Rasheed, T., Singh, P., Soni, D., Alsaab, H. O., & Ahmadi, F. (2023). Improved U-Net deep learning model for automatic detection of lung cancer nodules. Computational Intelligence and Neuroscience, 2023(1), 9739264. https://doi.org/10.1155/2023/9739264
Kumar, V., Prabha, C., Sharma, P., Mittal, N., Askar, S. S., & Abouhawwash, M. (2024). Unified deep learning models for enhanced lung cancer prediction with ResNet-50–101 and EfficientNet-B3 using DICOM images. BMC medical imaging, 24(1), 63. https://doi.org/10.1186/s12880-024-01235-2
Nasra, P. (2024, August). Lung cancer classification using ResNet50. In 2024 Second International Conference on Intelligent Cyber Physical Systems and Internet of Things (ICoICI) (pp. 1201-1205). IEEE. https://doi.org/10.1109/ICoICI61130.2024.10540823
Prasad, P. H. S., Daswanth, N. M. V. S., Kumar, C. V. S. P., Yeeramally, N., Mohan, V. M., & Satish, T. (2023, February). Detection of lung cancer using VGG-16. In 2023 7th International Conference on Computing Methodologies and Communication (ICCMC) (pp. 860-865). IEEE. https://doi.org/10.1109/ICCMC56507.2023.10084029
Subhajeet Das. (2024). IQ-OTH/NCCD Lung Cancer Dataset (Augmented) [Dataset]. Kaggle. https://doi.org/10.34740/kaggle/ds/6582139
Tran, N. N., Nguyen, H. D., Huynh, N. T., Tran, N. P., & Nguyen, L. V. (2022). Segmentation on chest CT imaging in COVID-19 based on the improvement attention U-Net model. In New trends in intelligent software methodologies, tools and techniques (pp. 596-606). IOS Press.
Truong, H. M., & Huynh, H. T. (2023). A novel approach for CT-based COVID-19 classification and lesion segmentation based on deep learning. The Computer Journal, 66(6), 1366-1375.
Wang, T., Wu, F., Lu, H., & Xu, S. (2023). CA-U-Net: Convolution and attention fusion for lung nodule segmentation. International Journal of Imaging Systems and Technology, 33(5), 1469-1479. https://doi.org/10.1002/ima.22912
Xu, H., Yu, Y., Chang, J., Hu, X., Tian, Z., & Li, O. (2024). Precision lung cancer screening from CT scans using a VGG16-based convolutional neural network. Frontiers in Oncology, 14, 1424546. https://doi.org/10.3389/fonc.2024.1424546