Bài báo: “Enhancing Brain Tumor Segmentation in MRI Images: A Hybrid Approach Using UNet, Attention Mechanisms, and Transformers”
Sinh viên thực hiện:
• Nguyễn Thanh Thiện Quá – KHDL2020 – Tác giả chính
• Nguyễn Hiếu Nghĩa – KHDL2020 – Đồng tác giả
Giảng viên hướng dẫn:
• TS. Nguyễn Tất Bảo Thiện.
Tóm tắt:
Phân đoạn khối u não chính xác trong hình ảnh MRI là rất quan trọng để lập kế hoạch và theo dõi điều trị hiệu quả. Các phương pháp truyền thống thường gặp phải những thách thức do tính phức tạp và khả năng thay đổi của hình dạng và kết cấu khối u. Do đó, nhu cầu về các giải pháp tự động hóa để hỗ trợ các chuyên gia chăm sóc sức khỏe trong các nhiệm vụ phân đoạn, cải thiện hiệu quả và giảm khối lượng công việc ngày càng tăng. Nghiên cứu này giới thiệu một phương pháp cải tiến để phân đoạn chính xác khối u não trong hình ảnh MRI bằng cách sử dụng mô hình UNet 3D tinh chỉnh được tích hợp với Transformer. Mục tiêu là tận dụng các cơ chế tự chú ý để tăng cường khả năng phân đoạn. Mô hình được đề xuất kết hợp kiến trúc Contextual Transformer (CoT) và Double Attention (DA). CoT được mở rộng thành định dạng 3D và tích hợp với mô hình cơ sở để khai thác các chi tiết ngữ cảnh phức tạp trong hình ảnh MRI. Các khối DA trong skip connection tổng hợp và phân phối các tính năng tầm xa, nhấn mạnh sự phụ thuộc lẫn nhau trong phạm vi không gian mở rộng. Kết quả thử nghiệm chứng minh hiệu suất phân đoạn vượt trội so với các phương pháp tiên tiến hiện tại. Với khả năng phân đoạn và xác định chính xác khối u ở chế độ 3D, mô hình phân đoạn của chúng tôi hứa hẹn sẽ là một công cụ mạnh mẽ để xử lý hình ảnh y tế và tối ưu hóa hiệu suất, giúp tiết kiệm thời gian cho các chuyên gia chăm sóc sức khỏe và hệ thống chăm sóc sức khỏe.
Chúng tôi xin chân thành cảm ơn thầy Nguyễn Tất Bảo Thiện vì sự tận tâm và nhiệt tình hướng dẫn trong suốt quá trình nghiên cứu. Sự chỉ dẫn quý báu và kiến thức sâu rộng của thầy đã góp phần quan trọng vào thành công của chúng tôi trong nghiên cứu và công bố bài báo khoa học quốc tế này. Thầy đã luôn là nguồn động viên và hỗ trợ không thể thiếu, giúp chúng tôi vượt qua những khó khăn và đạt được kết quả như mong đợi.
Thông tin chung:
Tạp chí Egyptian Informatics Journal (Online ISSN: 2090-4754) là tạp chí khoa học quốc tế uy tín được xếp hạng Q1 (theo Scimago) trong danh mục ISI (theo Web of science), có chỉ số ảnh hưởng IF: 5.0 (Clarivate Analytics). Tạp chí này cung cấp một diễn đàn cho các nghiên cứu và phát triển tiên tiến trong các lĩnh vực tính toán, bao gồm khoa học máy tính, công nghệ thông tin, hệ thống thông tin, nghiên cứu hoạt động và hỗ trợ quyết định.
Mọi thông tin chi tiết xem tại: https://web.facebook.com/share/p/S8nsw6TmxBUBR1M7/
Đông Xanh - Cộng tác viên truyền thông Trường Đại học Công nghệ Thông tin
