Mạng U-Net gồm phần encoder giảm kích thước không gian và tăng độ sâu đặc trưng, phần decoder khôi phục kích thước không gian, và kết nối skip để giữ thông tin vị trí.

• Các phương pháp chuẩn hóa:
•   + BN: chuẩn hóa theo chiều batch và channel, thêm tham số học γ và β.
•   + IN: chuẩn hóa theo từng ảnh và từng channel.
•   + LN: chuẩn hóa toàn bộ feature map theo batch.
•   + GN: chia channel thành các nhóm nhỏ và chuẩn hóa từng nhóm.
• - Bộ dữ liệu:
•   + RV: 37 ảnh MRI tim phải, 6082 ảnh, augmented bằng xoay ±30°.
•   + Aorta: 20 ảnh CT động mạch chủ, 4631 ảnh, augmented bằng xoay ±40°.
•   + LV: 45 ảnh MRI tim trái, 805 ảnh, augmented bằng xoay ±60°.
• - Huấn luyện:
•   + Sử dụng TensorFlow Estimator API, batch size từ 1 đến 32 tùy bộ dữ liệu.
•   + Sử dụng Dice Similarity Coefficient (DSC) làm chỉ số đánh giá.
•   + BN được kiểm tra theo hai cách: dùng thống kê của batch huấn luyện (TrainI) và dùng thống kê của batch kiểm thử (TestI).
• - Kết quả:
•   + GN16 và IN cho kết quả tốt nhất ở hầu hết các bộ dữ liệu.
•   + BN không vượt trội, đặc biệt khi batch size nhỏ.
•   + IN và GN giúp cải thiện độ chính xác ở các bệnh nhân có phân phối ảnh khác biệt.
•   + Không có sự khác biệt rõ rệt về tốc độ hội tụ giữa các phương pháp.
•   + Huấn luyện nhiều lần cho thấy độ lệch kết quả lớn, cần huấn luyện lặp lại để đánh giá ổn định.

6. Tên t