Page 338 - SDMD CNKT va CNTT trong tien trinh CNH_HDH DBSCL
P. 338
dung được phần nào trong ảnh quan trọng hơn. Khi đưa ra lời dự đoán, Grad-
CAM sử dụng độ dốc của lớp được dự đoán đối với lớp chập cuối cùng của
mạng. Những chuyển màu này làm nổi bật tầm quan trọng của từng pixel
trong ảnh đối với dự đoán cuối cùng. Khi phủ các dải màu này lên ảnh gốc,
ta có thể tạo ra bản đồ nhiệt cho biết vùng nào của ảnh đóng góp nhiều nhất
vào quyết định của mô hình.
Hình 16.3. Một hệ thống chẩn đoán tràn dịch màng phổi
áp dụng LIME để giải thích kết quả chẩn đoán
(Nguồn: Nguyen et al., 2021)
Hình 16.3 minh họa một hệ thống chẩn đoán tràn dịch màng phổi do
Nguyen et al. (2021) đề xuất. Đầu tiên, ba hình ảnh X-quang ngực được đưa
vào khung đề xuất. Trong giai đoạn huấn luyện, dữ liệu hình ảnh X-quang
ngực sẽ được tiền xử lý và sau đó trải qua quá trình huấn luyện và đánh giá
trên các mô hình như CNN, ResNet, InceptionResnetV2, Xception. Cuối
cùng, mô hình CNN được chọn và LIME được áp dụng để trực quan hóa
những lời giải thích giúp làm nổi bật tình trạng tràn dịch trong phổi. Đầu ra
hiển thị kết quả và xác suất của ba hình ảnh X-quang ngực sau khi chẩn đoán.
16.3 NHỮNG TIỀM NĂNG, THÁCH THỨC TRONG VIỆC
ỨNG DỤNG AI VÀO LĨNH VỰC Y TẾ Ở ĐBSCL
16.3.1 Thách thức về y tế ở ĐBSCL
Hiện nay, các nguồn nhân lực chất lượng cao có xu hướng tập trung ở
các thành phố lớn, trong khi ở vùng ĐBSCL chỉ có một thành phố trực thuộc
324
