Welcome to NTTU Digital Library
Please use the box below to search information in the System
Communities in Dspace
Select a community to browse its collections
Bachelor Theses
Book Publication
Conference Papers
Journal of Science and Technology - NTTU
Master Theses
Research Outputs
Student's Reports
Recent Submissions
Tài liệu
Phân loại ngôn ngữ ký hiệu tay bằng mô hình CNN : Khoá luận tốt nghiệp
(Trường Đại học Nguyễn Tất Thành (Khoa Công nghệ thông tin), 2024) Đỗ, Nguyễn Tùng Dương
Nhận diện được cử chỉ của tay và phân loại các cử chỉ đó thành các lớp ký tự. Tự tạo dữ liệu huấn luyện bằng cách tách các hình ảnh ra từ video tự quay. Tạo mô hình Convolutional Neural Network dùng để phân loại theo từng nhóm hình ảnh, huấn luyện mô hình. Dùng mô hình sau khi được huấn luyện để thiết kế ra chương trình nhận diện ngôn ngữ tay dùng giao diện tkinter Xây dựng một ứng dụng có khả dùng camera trên thiết bị được cài đặt để thu thập hình ảnh đầu vào và hiển thị các kết quả
Tài liệu
Thiết kế và xây dựng websites nhận diện trái cây dựa trên mô hình CNN : Khoá luận tốt nghiệp
(Trường Đại học Nguyễn Tất Thành (Khoa Công nghệ thông tin), 2024) Lê, Trung An
Trình bày về khái quát về xử lí ảnh, phương pháp trích xuất đặc trưng. Mạng neuron tích chập và sử dụng trong bài toán phân loại đối tượng. Nghiên cứu bài toán phân loại dữ liệu nói chung và bài toán phân loại dữ liệu trái cây nói riêng. Nghiên cứu mô hình mạng neuron, các thuật toán lan truyền ngược, lan truyền tiến để sử dụng và huấn luyện mạng neuron Tiến hành xây dựng kiến trúc mô hình mạng neuron, thực hiện thực nghiệm mô hình và đánh giá kết quả thực nghiệm của mô hình để tìm hướng giải quyết bài toán nhận diện trái cây.
Tài liệu
Xây dựng hệ thống tóm tắt văn bản bằng mô hình LSTM SEQ2SEQ with ATTENTION : Khoá luận tốt nghiệp
(Trường Đại học Nguyễn Tất Thành (Khoa Công nghệ thông tin), 2024) Nguyễn, Ngọc Trường
Xây dựng mô hình LSTM Seq2Seq with Attention để thực hiện tóm tắt văn bản bằng nội dung Tiếng Việt. Thu thập dữ liệu, tiền xử lý dữ liệu, huấn luyện mô hình bằng bộ dataset chứa các file Text Document theo chủ đề tin tức, gồm 7 chủ đề như (Chính trị xã hội, Đời sống, Kinh doanh, Pháp luật, Sức khỏe, Thế giới, Thể thao). Sử dụng việc tính điểm độ quan trong của câu bởi TF-IDF loại bỏ từ “stop-word” và áp dụng word2vec (Tiếng việt). Phát triển hệ thống trên giao diện người dùng (GUI) bằng PyQt5 cũng như tích hợp lên web sử dụng framework ‘Flask’.Hệ thống tóm tắt có tích hợp việc đánh giá kết quả sau khi tóm tắt bằng BLEU Score để cho ra thang điểm thấp hay cao. Xử lý tính toán được số từ đã giảm bao nhiều phần trăm giữa kết quả tóm tắt và văn bản gốc. Người dùng sẽ có thể tùy chỉnh được số câu tóm tắt mong muốn, để cho ra kết quả tóm tắt dài hay ngắn tùy ý bởi người dùng.
Tài liệu
Ứng dụng phân loại khối u não cho quản lý bệnh nhân bằng YoloV9 và Winform C# : Khoá luận tốt nghiệp
(Trường Đại học Nguyễn Tất Thành (Khoa Công nghệ thông tin), 2024) Bùi, Bá Phương
Nghiên cứu nhằm phát triển một hệ thống tự động giúp các bác sĩ chẩn đoán và quản lý thông tin bệnh nhân mắc khối u não dựa trên ảnh MRI. Hệ thống sẽ có khả năng phân loại 3 loại khối u não chính: glioma, meningioma, và pituitary, từ các hình ảnh MRI của bệnh nhân. Phát hiện và phân loại khối u não:Sử dụng mô hình YOLOv9 để phát hiện và phân loại 3 loại khối u não từ ảnh MRI. Xác minh tính hợp lệ của ảnh MRI: Áp dụng mô hình ResNet18 để kiểm tra tính hợp lệ của ảnh, đảm bảo rằng chỉ các ảnh MRI não được đưa vào hệ thống. Xây dựng chatbot hỏi đáp liên quan tới khối u được dự đoán: Huấn luyện tập dữ liệu chatbot với mô hình BERT với các câu hỏi đơn giản liên quan đến 3 loại khối u được detect Xây dựng hệ thống quản lý thông tin bệnh nhân: Thiết kế hệ thống WinForm C# tích hợp với web và các API để giúp các bác sĩ quản lý hồ sơ bệnh án và thông tin chẩn đoán. Tăng cường tính bảo mật và hiệu quả hệ thống: Tích hợp các cơ chế chống spam, kiểm tra dung lượng file tải lên và đảm bảo hệ thống hoạt động ổn định khi triển khai thực tế.Nghiên cứu này không chỉ nhằm cải thiện độ chính xác trong việc phân loại khối u mà còn hướng đến việc ứng dụng hệ thống trong thực tế, giúp bác sĩ tối ưu hoá quy trình làm việc và nâng cao chất lượng chẩn đoán.
Tài liệu
Ứng dụng phân loại bệnh phổi trong phân tích ảnh X-quang sử dụng YoloV10 : Khoá luận tốt nghiệp
(Trường Đại học Nguyễn Tất Thành (Khoa Công nghệ thông tin), 2024) Bạch, Sỹ Khang
Xây dựng và triển khai một hệ thống phân loại 14 loại bệnh phổi thông qua ảnh X-quang, sử dụng mô hình YOLOv10. Huấn luyện mô hình YOLOv10 với dữ liệu gồm 18.002 ảnh X-quang, thu thập từ VinBigData, với tổng dung lượng trên 200GB. Đánh giá độ chính xác của mô hình YOLOv10 trong việc phân loại 14 loại bệnh phổi và so sánh với các phương pháp hiện có. Phát triển một hệ thống website cho phép người dùng tải ảnh X-quang lên và nhận kết quả chẩn đoán trực tuyến.Tích hợp các tính năng bổ trợ như kiểm tra chất lượng ảnh bằng ResNet18, kiểm tra virus, cung cấp thông tin bệnh qua voice-chat, chatbot hỗ trợ tra cứu bệnh, và tính năng tìm bệnh viện theo khu vực. Quản lý thông tin bệnh nhân thông qua hệ thống đăng nhập, phân quyền quản lý và bảo mật dữ liệu.
Tài liệu
Xây dựng hệ thống phát hiện tài xế buồn ngủ với Yolo : Khoá luận tốt nghiệp
(Trường Đại học Nguyễn Tất Thành (Khoa Công nghệ thông tin), 2024) Nguyễn, Hữu Anh
Nghiên cứu tập trung vào việc phát triển một giải pháp thông minh, tự động nhận diện trạng thái tài xế trong thời gian thực. Thiết kế và xây dựng một hệ thống sử dụng công nghệ trí tuệ nhân tạo để phát hiện tài xế buồn ngủ trong thời gian thực dựa trên YOLO và các thư viện xử lý hình ảnh. Độ chính xác cao: Đảm bảo hệ thống có khả năng nhận diện chính xác trạng thái buồn ngủ của tài xế, với tỷ lệ nhận diện sai thấp để tránh gây ra các cảnh báo không cần thiết. Cung cấp khả năng phát hiện và phát cảnh báo ngay lập tức khi phát hiện dấu hiệu buồn ngủ, nhằm đảm bảo an toàn cho tài xế và các phương tiện xung quanh. Xây dựng hệ thống có khả năng triển khai dễ dàng trên các phương tiện giao thông thực tế, đặc biệt là xe tải, xe khách đường dài hoặc các phương tiện cá nhân