Bài báo: “Optimizing Knee Osteoarthritis Severity Diagnostics: A GA-Enhanced Deep Ensemble Approach in Medical Imaging”
Sinh viên thực hiện:
Nguyễn Dương Trúc Phương - HVCH KHMT - Tác giả chính
Người hướng dẫn:
TS. Nguyễn Tất Bảo Thiện
Tóm tắt:
Knee osteoarthritis (OA) is a common degenerative condition that impairs mobility, particularly in older adults. Early and accurate diagnosis is vital for effective treatment and improved patient outcomes. This study proposes a deep learning model for automatic OA classification from X-ray images, optimized using a Genetic Algorithm (GA) to enhance performance. A diverse, expert-annotated dataset was used, with YOLOv8 employed for image cropping to focus on key knee regions. Multiple deep learning models, including ResNet, VGG, and EfficientNet, were combined into an ensemble optimized by GA. The model achieved 95\% accuracy in classifying OA severity levels (normal, mild, severe) and outperformed traditional diagnostic methods in accuracy and consistency. Grad-CAM visualizations highlighted critical diagnostic regions, supporting clinical interpretability. The proposed approach shows promise for assisting radiologists in efficient OA diagnosis, reducing workloads, and improving diagnostic precision. Further validation on larger datasets will ensure broader applicability.
Tiếng anh:
Ain Shams Engineering Journal là tạp chí khoa học quốc tế uy tín do Elsevier xuất bản, được chỉ mục trong Web of Science (ISI), có Impact Factor 6.0, được xếp hạng Q1 theo Scimago, và nằm trong danh mục tài trợ của Nafosted. Tạp chí là diễn đàn học thuật cho các công trình nghiên cứu nguyên gốc, bài tổng quan và ứng dụng kỹ thuật trong nhiều lĩnh vực, bao gồm công nghệ thông tin (CNTT), trí tuệ nhân tạo (AI) và khoa học sức khỏe.
Thông tin chi tiết: https://www.facebook.com/share/p/1EQ82M4HEJ/
