🏥 Cervical Cancer Cytology

---

Cervical Cancer Cytology (Ung thư cổ tử cung – Tế bào học) là một dự án nghiên cứu và phát triển được thực hiện trong khuôn khổ hợp tác giữa Viện Khoa học và Công nghệ Ứng dụng và Bệnh viện A, Thái Nguyên. Mục tiêu chính của dự án là xây dựng một hệ thống hỗ trợ bác sĩ trong việc sàng lọc và ra quyết định nhanh chóng trên hình ảnh tế bào học bằng các phương pháp AI hiện đại.

Trang này sẽ tổng hợp toàn bộ nhật ký nghiên cứu, mã nguồn cá nhân trong quá trình xây dựng hệ thống, cũng như bộ dữ liệu ảnh tế bào học quy mô lớn được cung cấp và cho phép sử dụng công khai từ Bệnh viện A, Thái Nguyên.

My research work

Research topics overview

No.	Topic	Status	Description
01	Ensemble Learning for Cervical Cancer Cytology [notes] [code]		Nghiên cứu và đánh giá hiệu suất các phương pháp học tập tổ hợp (ensemble methods) trong phân loại ảnh tế bào học. Thiết kế thí nghiệm và huấn luyện mô hình trên các bộ dữ liệu thực tế về ung thư cổ tử cung. Đánh giá hiệu năng của mô hình dựa trên nhiều tiêu chí khác nhau. Công bố kết quả nghiên cứu tại một hội nghị chuyên ngành về Trí tuệ Nhân tạo.
02	Improving Cervical Cancer Screening Through Self-Supervised Learning [notes] [code]		Khảo sát các kỹ thuật học tự giám sát trong phân tích ảnh y tế. Xây dựng bộ dữ liệu và lựa chọn các tác vụ tiền huấn luyện phù hợp với ảnh tế bào học. Thiết kế bộ tiêu chí đánh giá để so sánh với các phương pháp truyền thống.

Materials related to the research

Topic 01. Ensemble Learning for Cervical Cancer Cytology:

• Paper A: Analysis of Cytology Pap Smear Images Based on Ensemble Deep Learning Approach
• Paper B: A Deep Learning Ensemble Method to Assist Cytopathologists in Pap Test Image Classification
• Paper C: A fuzzy rank-based ensemble of CNN models for classification of cervical cytology
• Paper D: Automated cervical cell segmentation using deep ensemble learning
• Paper E: An ensemble machine learning-based approach to predict cervical cancer using hybrid feature selection

Topic 02. Improving Cervical Cancer Screening Through Self-Supervised Learning:

• Paper A: A Simple Framework for Contrastive Learning of Visual Representations
• Paper B: Emerging Properties in Self-Supervised Vision Transformers
• Paper C: Bootstrap Your Own Latent A New Approach to Self-Supervised Learning

---

Quick links

Toàn bộ ghi chú (notes), code (mã) và tập dữ liệu (datasets) về Ung thư cổ tử cung liên quan đến dự án có thể tìm thấy tại đây:

• Notes for Project

• Code for Project

• Atlat Datasets - [ account: BOCSDL@ai4med.com | password:BenhvienAThaiNguyen ]

---