Tình trạng, các thành phần và các cấu trúc lân cận của ngực có thể được đánh giá thông qua chẩn đoán hình ảnh X-quang ngực (XQN). Tuy nhiên, dựa vào hình ảnh XQN để quan sát và rút ra các chẩn đoán chính xác sẽ tốn khá nhiều thời gian dù đã là bác sĩ có nhiều kinh nghiệm. Hơn nữa, để tránh tối đa những sai sót trong chẩn đoán bệnh bởi các yếu tố con người như bác sĩ mệt mỏi khi nhìn quá nhiều hình ảnh XQN trong ngày thì việc tạo ra công cụ thông minh giúp bác sĩ giảm thời gian kiểm tra và chẩn đoán chính xác hình ảnh XQN sẽ tiết kiệm đáng kể thời gian và chi phí chẩn đoán bệnh qua hình ảnh XQN. Đề tài này nghiên cứu các giải thuật tiên tiến của mạng nơ-ron trong học sâu GoogleNet, ResNet, DenseNet và ứng dụng các giải thuật này vào bộ dữ liệu lớn các hình ảnh XQN để thiết kế mô hình học sâu cho một số loại bệnh thường gặp. Các mô hình đề xuất giúp cho người dùng có thể tự chẩn đoán hình ảnh XQN của chính mình hay bác sĩ có thể có kênh tư vấn chẩn đoán bệnh nhanh, chính xác và hàng loạt từ các hình ảnh XQN thông qua chương trình chẩn đoán được viết trên nền tảng trình duyệt web.
Đề tài đã phân tích các đặc tính của hình ảnh XQN và một số loại bệnh về phổi đặc trưng khi chẩn đoán dựa trên hình ảnh XQN. Dựa trên bộ dữ liệu các hình ảnh XQN của Viện Y tế Quốc gia Hoa kỳ đã được dán nhãn một số loại bệnh phổ biến, đề tài này ứng dụng mạng nơ-ron trong học sâu để thiết kế các mô hình huấn luyện GoogleNet, DenseNet, hoặc ResNet. Dựa trên chính các mô hình đã huấn luyện, tác giả đề xuất sử dụng mô hình DenseNet làm công cụ xây dựng chương trình trợ giúp chẩn đoán bệnh liên quan đến ngực. Chương trình này giúp cho bác sĩ có kênh tư vấn chẩn đoán bệnh nhanh, chính xác và hàng loạt từ các hình ảnh XQN, cũng như người dùng có thể tự chẩn đoán hình ảnh XQN của chính mình. Các kết quả thử nghiệm trên tập kiểm thử có sẵn cho thấy chương trình chẩn đoán với mô hình huấn luyện đề xuất cho kết quả chẩn đoán với độ chính xác tương đối cao. Đề tài xây dựng chương trình chẩn đoán dựa trên nền tảng trình duyệt web giúp các bác sĩ hoặc người dùng có tải các hình ảnh XQN lên hệ thống và dựa trên mô hình trí tuệ nhân tạo đã được huấn luyện, hệ thống sẽ đưa ra những hỗ trợ chẩn đoán các bệnh phổ biến trên XQN. Đề tài thể hiện hai đóng góp chính sau: