Tóm tắt

1. Mục tiêu nghiên cứu Đề tài hướng tới việc xây dựng, tối ưu hóa và đánh giá hiệu quả của một mô hình trí tuệ nhân tạo (AI) dựa trên nền tảng Học sâu (Deep Learning) nhằm tự động nhận diện, phân đoạn và đo lường kích thước sỏi đường tiết niệu trên hình ảnh chụp cắt lớp vi tính (CLVT) không tiêm thuốc cản quang.

2. Phương pháp tiến hành Nghiên cứu sử dụng thiết kế mô tả cắt ngang kết hợp thử nghiệm phát triển kỹ thuật, áp dụng cách tiếp cận đa ngành giữa y học lâm sàng và khoa học máy tính:

• Vật liệu & Dữ liệu: Hồi cứu và thu thập khoảng 300-500 ca bệnh (tương đương 3.000 - 5.000 lát cắt ảnh DICOM). Hình ảnh được tiền xử lý khử nhiễu qua bộ lọc song phương (Guided Bilateral Filter) và được các bác sĩ chuyên khoa gán nhãn tiêu chuẩn vàng (Ground Truth).

• Công nghệ lõi: Sử dụng thuật toán nhận diện vật thể tiên tiến YOLO (You Only Look Once), phiên bản hỗ trợ phân đoạn (Segmentation), được lập trình bằng ngôn ngữ Python qua thư viện PyTorch và Ultralytics.

• Đánh giá: So sánh hiệu năng chẩn đoán của mô hình với bác sĩ chẩn đoán hình ảnh thông qua các chỉ số tin cậy như Độ nhạy (Recall), Độ chính xác trung bình (mAP) và hệ số trùng khớp (Dice Coefficient).

3. Ý nghĩa thực tiễn Kết quả của đề tài kỳ vọng cung cấp một công cụ chẩn đoán theo thời gian thực (real-time) với độ chính xác cao. Việc tích hợp mô hình này vào quy trình lâm sàng tại Bệnh viện Trường Đại học Y - Dược Huế sẽ giúp các bác sĩ giảm thiểu thời gian đọc phim, tránh bỏ sót các viên sỏi có kích thước nhỏ, từ đó nâng cao chất lượng chẩn đoán và đưa ra phác đồ điều trị tối ưu cho người bệnh.