Áp dụng Federate vào chẩn đoán breast cancer

Abstract

Trong bối cảnh hiện nay, việc phát hiện sớm và điều trị kịp thời ung thư vú là yếu tố quyết định để giảm tỷ lệ tử vong ở phụ nữ. Đáng lo ngại, tỷ lệ mắc ung thư vú đang gia tăng nhanh chóng. Đặc biệt, ung thư vú ở phụ nữ trẻ thường liên quan nhiều đến yếu tố di truyền hơn so với phụ nữ trung niên và thường được phát hiện ở giai đoạn muộn, khi bệnh đã lan rộng và khó điều trị hơn. Do đó, việc phát hiện và điều trị sớm ung thư vú trở nên vô cùng cần thiết. Dữ liệu từ các bệnh viện là nguồn thông tin quý giá cho các nghiên cứu y tế. Tuy nhiên, việc khai thác dữ liệu này gặp nhiều khó khăn do các bệnh viện chú trọng đến việc bảo mật thông tin cá nhân của bệnh nhân. Do đó, việc tập hợp dữ liệu từ các bệnh viện để phục vụ nghiên cứu trở nên không khả thi. Trong nghiên cứu này, chúng tôi đề xuất một phương pháp vừa huấn luyện mô hình học máy, vừa bảo vệ quyền riêng tư của các bệnh viện thông qua cơ chế bảo mật dữ liệu, đó là mô hình Federated Learning (hay học liên kết). Sau khi hoàn thành nghiên cứu, chúng tôi dự kiến sẽ có kết quả so sánh và đánh giá giữa việc sử dụng mạng CNN theo phương pháp truyền thống và theo phương pháp Federated Learning trong việc chẩn đoán ung thư vú từ các hình ảnh mô bệnh học và x-quang của tuyến vú. Đồng thời, chúng tôi đề xuất thêm phương pháp giải quyết vấn đề dữ liệu không cần phải hoàn toàn giống nhau về đặc trưng từ các nguồn dữ liệu khác nhau của các bệnh viện. Kết quả nghiên cứu sẽ được trình bày cùng với một ứng dụng web đơn giản, cho phép người dùng tải lên hình ảnh và nhận kết quả chẩn đoán ung thư vú.