DR.AI+ — Hệ Thống Hỗ Trợ Chẩn Đoán Ung Thư Bằng AI

Ứng dụng desktop hỗ trợ bác sĩ chẩn đoán hình ảnh y tế, sử dụng mô hình YOLOv26 Medium để phát hiện khối u vú, phổi và não từ ảnh X-quang / MRI / CT.

---

Giao Diện Ứng Dụng

---

Tính Năng Chính

• Chẩn đoán AI: Phân tích ảnh y tế bằng 3 mô hình YOLO chuyên biệt (u vú, u phổi, u não)
• Hỗ trợ GPU/CPU: Tự động phát hiện và sử dụng GPU nếu có, fallback về CPU
• Đa nguồn đầu vào: Tải ảnh từ file (JPG/PNG/BMP) hoặc chụp trực tiếp từ webcam
• Xử lý hàng loạt: Phân tích nhiều ảnh cùng lúc, duyệt kết quả qua lại từng ảnh
• Tiền xử lý CLAHE: Tăng cường độ tương phản ảnh y tế trước khi đưa vào AI
• Xuất PDF hồ sơ: Tạo phiếu kết quả bệnh nhân có tên bác sĩ, kết quả AI, lời khuyên
• Đọc kết quả TTS: Thông báo kết quả bằng giọng nói tiếng Việt (gTTS + VLC)
• Giao diện sáng/tối: Hỗ trợ Dark Mode, zoom & kéo ảnh trực tiếp trên màn hình

---

Yêu Cầu Hệ Thống

• Python 3.9+
• Windows (để xuất PDF với font Arial; Linux/macOS dùng font Helvetica tự động)
• GPU NVIDIA (khuyến nghị, không bắt buộc)

---

Cài Đặt

pip install customtkinter pillow opencv-python torch torchvision
pip install ultralytics gtts python-vlc reportlab

Nếu dùng GPU:

pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118

---

Cấu Trúc Thư Mục

project/
├── main.py            # Phiên bản gốc
├── ai.py              # Phiên bản mở rộng (hỗ trợ ảnh kiểm chứng)
├── train.py           # Script huấn luyện / fine-tuning model
├── taikhoang.txt      # File tài khoản bác sĩ (username:password)
├── UT_VU.pt           # Model YOLO — Ung thư vú
├── UT_PHOI.pt         # Model YOLO — Ung thư phổi
└── NAO.pt             # Model YOLO — Khối u não

---

File Tài Khoản (taikhoang.txt)

Tạo file taikhoang.txt trong cùng thư mục, mỗi dòng là một tài khoản theo định dạng:

bacsi1:matkhau1
bacsi2:matkhau2

---

Hướng Dẫn Sử Dụng

1. Chạy ứng dụng: python main.py hoặc python ai.py
2. Đăng nhập bằng tài khoản bác sĩ
3. Nhập tên/mã bệnh nhân ở thanh bên trái
4. Chọn mô hình chẩn đoán: U vú, U phổi hoặc U não
5. Tải ảnh từ máy tính hoặc bật webcam để chụp
6. Nhấn "CHẨN ĐOÁN TẤT CẢ ẢNH" để chạy AI
7. Duyệt kết quả từng ảnh bằng nút điều hướng
8. Nhấn "LẬP HỒ SƠ BỆNH ÁN" để xuất PDF

---

Mô Hình AI

Model	File	Loại bệnh
Model2	UT_VU.pt	Khối u vú (cancer / normal)
Model3	UT_PHOI.pt	Khối u phổi
Model4	NAO.pt	Khối u não (tumor / normal)

Các file .pt là trọng số tự train trên kiến trúc YOLOv26 Medium.

Kết quả phân loại theo ngưỡng tin cậy:

• ≥ 50% → PHÁT HIỆN (cảnh báo đỏ)
• 20–49% → CÓ DẤU HIỆU (cảnh báo vàng)
• < 20% → KHÔNG PHÁT HIỆN BẤT THƯỜNG (xanh lá)

---

Huấn Luyện Model (train.py)

Script train.py hỗ trợ fine-tuning (train tiếp) từ model có sẵn, đồng thời tự động gộp thêm dữ liệu mới vào tập train gốc trước khi chạy.

Kết Quả Training

Cấu Hình (train.py)

Mở file train.py và chỉnh 3 biến đầu:

DIR_GOC   = r"đường/dẫn/đến/dataset/gốc"   # Dataset gốc cần train
DIR_MOI   = r"đường/dẫn/đến/dataset/mới"   # Dataset bổ sung (YOLO format)
MODEL_PT  = r"đường/dẫn/đến/model.pt"      # Model cũ để fine-tune

Chạy Training

python train.py

Script sẽ tự động thực hiện theo thứ tự:

1. Xóa cache cũ — Tránh lỗi khi thêm data mới
2. Gộp dữ liệu thông minh — Copy ảnh + nhãn từ DIR_MOI vào DIR_GOC, tự đổi tên file để tránh trùng; folder test được gộp vào train
3. Fine-tune model — Load model .pt cũ và train tiếp với data đã gộp

Thông Số Training Mặc Định

Thông số	Giá trị	Ghi chú
epochs	100	Số vòng lặp tối đa
imgsz	640	Kích thước ảnh đầu vào
batch	16	Số ảnh mỗi batch
patience	20	Dừng sớm nếu không cải thiện
workers	0	Bắt buộc = 0 trên Windows
conf (infer)	0.45	Ngưỡng tin cậy khi chạy app

Chuyển Đổi Class (DOI_CLASS_VE_1)

DOI_CLASS_VE_1 = True   # Gom tất cả class từ data mới về class 1
DOI_CLASS_VE_1 = False  # Giữ nguyên class ID từ data mới

Chỉ bật True khi bạn chắc chắn class 0 trong data mới cũng là "khối u".

Output

Model sau khi train được lưu tại:

NhanDream_AI_Project/KetQua_Final_U_Nao/weights/best.pt

---

Sự Khác Biệt Giữa main.py và ai.py

ai.py là phiên bản mở rộng của main.py, bổ sung logic xử lý ảnh kiểm chứng đặc biệt: với một file ảnh được chỉ định (anhkiemchungduocphepsudung1.jpg), hệ thống bỏ qua AI và tự vẽ bounding box thủ công tại tọa độ định sẵn, dùng cho mục đích demo/kiểm thử.

---

Lưu Ý

⚠️ Kết quả từ AI chỉ mang tính tham khảo hỗ trợ. Không thay thế chẩn đoán của bác sĩ chuyên khoa.

---

Công Nghệ Sử Dụng

• CustomTkinter — Giao diện đồ họa
• YOLOv26 Medium — Mô hình phát hiện đối tượng
• OpenCV — Xử lý ảnh
• gTTS + python-vlc — Đọc kết quả bằng giọng nói
• ReportLab — Xuất PDF
• PyTorch — Backend deep learning