XÂY DỰNG VÀ PHÁT TRIỂN MÔ HÌNH HỌC MÁY TRONG

CHẨN ĐOÁN UNG THƯ TẾ BÀO GAN

 Proposed method for liver lession classification using AI

Abdominal CT images with

multi phases acquired at 1. Image registration 2. Liver segmentation
the UMC

+
Clinical information:
Bilirubin, ALT, AST, CA 19-9, CEA,
AFP-L3, PIVKA-II …

4. Lesion classification 3. Tumor segmentation

Cách huấn luyện mô hình học sâu
Data Volume
Model

Loss

Minimize
Ground Prediction
truth
Mô hình học sâu dưới dạng phương pháp Kernel
(Kernel Machine)
• Phương trình đạo hàm = 0 của hàm
loss cho 1 mô hình học sâu rất phức
tạp.
→ Sử dung nghịch hướng đạo hàm để
đến cực tiểu cục bộ
(liên kết)

• Các phương pháp dùng đạo hàm để

đến cực tiểu đều có nghiệm dưới
dạng [1].

𝑦(𝑥) = 𝑏 + ෍ 𝐾 𝑥, 𝑥𝑖
𝑖∈𝐷
Đăc tính kernel của mô hình học sâu.
Vùng dự đoán trong bài phân loại ảnh [2] (note hình)

Không Lipschitz Lipschitz

→ 𝐾 𝑥, 𝑥𝑖 có dạng Lipschitz
→ 𝐾 𝑥, 𝑥𝑖 ≈ 0 nếu 𝑥 và 𝑥𝑖 rất khác nhau
Áp dung phương pháp kernel vào khoanh vùng khối u.

• Biết được mô hình dựa trên data train

nào để dự đoán.
𝑦(𝑥) = 𝑏 + ෍ 𝐾 𝑥, 𝑥𝑖
𝑖∈𝐷

• Estimate bằng cấu trúc dữ liệu được

vùng 𝐾 ≈ 0
→ Biết khu vực mà mô hình đang ngoại
suy.

• Model prediction khác groundtruth (FP)

→ Nhận biết data noise

• Số lượng dữ lieu lan truyền thấp -> vùng

thiếu data.