Tổng quan nghiên cứu

Trong bối cảnh cuộc Cách mạng Công nghiệp lần thứ tư đang diễn ra mạnh mẽ, việc ứng dụng trí tuệ nhân tạo và thị giác máy tính vào ngành y tế trở thành xu thế tất yếu nhằm tối ưu hóa năng suất vận hành. Theo ước tính từ các báo cáo y tế gần đây, thời gian chờ đợi làm thủ tục hành chính và tiếp đón bệnh nhân tại các bệnh viện công lập chiếm tới 40% đến 60% tổng thời gian khám chữa bệnh, đồng thời tỷ lệ sai sót định danh trong khâu tiếp nhận thủ công có thể dao động từ 3% đến 5%. Vấn đề nghiên cứu trọng tâm của luận văn là giải quyết tình trạng quá tải, giảm thiểu rủi ro nhầm lẫn thông tin bệnh nhân và tự động hóa quy trình xác thực danh tính tại các cơ sở khám chữa bệnh.

Mục tiêu cụ thể của đề tài là nghiên cứu, thiết kế và phát triển giải pháp nhận dạng khuôn mặt dựa trên sự kết hợp giữa mô tả đặc trưng HOG và mạng nơ-ron tích chập CNN, đồng thời tích hợp trực tiếp vào hệ thống thông tin quản lý bệnh viện thông qua giao thức RESTful API. Phạm vi nghiên cứu được thực hiện tại Trường Đại học Quy Nhơn trong giai đoạn 2021 đến 2022, tập trung vào đối tượng ảnh khuôn mặt thu nhận từ camera và mô hình tích hợp với hệ thống thông tin y tế. Về mặt ý nghĩa thực tiễn, giải pháp đề xuất giúp rút ngắn thời gian xác thực danh tính bệnh nhân xuống dưới 2 giây mỗi lượt tiếp đón, nâng cao độ chính xác nhận dạng vượt mức 96%, qua đó giảm tải hơn 35% áp lực hành chính cho đội ngũ nhân viên y tế và loại bỏ triệt để nguy cơ gian lận bảo hiểm y tế.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng của lý thuyết thị giác máy tính, nhận dạng sinh trắc học và học sâu. Cụ thể, đề tài tích hợp ba trụ cột lý thuyết và mô hình tính toán chủ đạo:

Thứ nhất là kỹ thuật biểu diễn đặc trưng dựa vào histogram hướng gradient (HOG). Kỹ thuật này trích xuất thông tin hình dáng và cấu trúc biên của khuôn mặt thông qua việc tính toán phân phối hướng gradient. Không gian ảnh được chia thành các ô lưới kích thước 8×8 điểm ảnh (tương ứng 64 điểm ảnh mỗi ô), với hướng gradient được lượng tử hóa thành 9 bins trong khoảng từ 0 độ đến 180 độ. Quá trình chuẩn hóa khối 2×2 ô lưới (16×16 điểm ảnh) sử dụng chuẩn bậc 2 (L2-norm) giúp vector đặc trưng đạt tính bất biến cao trước sự thay đổi của điều kiện chiếu sáng và độ tương phản. Khi quét trên ma trận 16×8 ô lưới với 105 vùng cục bộ, thuật toán tạo ra một vector đặc trưng HOG 3.780 chiều đại diện toàn diện cho khuôn mặt.

Thứ hai là mô hình mạng nơ-ron tích chập (CNN) kết hợp học chuyển giao (Transfer Learning). Mạng sử dụng kiến trúc tích chập 5 tầng lấy cảm hứng từ AlexNet, kết hợp các hàm kích hoạt phi tuyến ReLU, tầng lấy mẫu Max/Average Pooling và các tầng kết nối đầy đủ (Fully Connected). Việc tận dụng tri thức tiền huấn luyện từ tập dữ liệu ImageNet với 1,2 triệu ảnh thuộc 1.000 nhãn lớp giúp tối ưu hóa quá trình hội tụ và nâng cao độ chính xác phân lớp mà không đòi hỏi chi phí tính toán quá lớn.

Thứ ba là khung kiến trúc hệ thống thông tin quản lý bệnh viện (HIS), liên kết đồng bộ với hệ thống thông tin chẩn đoán hình ảnh (RIS) và hệ thống lưu trữ, truyền nhận hình ảnh y tế (PACS) tuân thủ tiêu chuẩn ảnh y khoa DICOM.

Phương pháp nghiên cứu

Nghiên cứu kết hợp chặt chẽ giữa phương pháp nghiên cứu lý thuyết và phương pháp thực nghiệm kiểm chứng.

Về nguồn dữ liệu và cỡ mẫu, tập dữ liệu thực nghiệm bao gồm hơn 1.200 ảnh khuôn mặt được thu thập trực tiếp qua hệ thống camera chuyên dụng và môi trường giả lập bệnh viện. Bộ dữ liệu bao phủ đa dạng các biến thể: góc chụp nghiêng từ 0 độ đến 45 độ, các trạng thái biểu cảm (bình thường, cười, đau đớn), các phụ kiện ngoại lai (kính mắt, khẩu trang) và điều kiện ánh sáng thay đổi từ 150 lux đến 600 lux.

Về phương pháp chọn mẫu, nghiên cứu áp dụng phương pháp chọn mẫu phân tầng có chủ đích (purposive stratified sampling) nhằm đảm bảo tỷ lệ cân bằng giữa các nhóm đối tượng: mẫu khuôn mặt nhìn thẳng (chiếm 50%), mẫu có góc nghiêng (chiếm 30%) và mẫu có yếu tố gây nhiễu ánh sáng hoặc phụ kiện (chiếm 20%).

Về lý do lựa chọn phương pháp phân tích, việc kết hợp HOG và CNN là sự lựa chọn tối ưu nhờ khả năng dung hòa giữa tốc độ xử lý thời gian thực và độ chính xác phân lớp cao. HOG đóng vai trò định vị nhanh và chuẩn hóa hình học với chi phí tính toán thấp, trong khi mạng CNN đảm nhận việc trích xuất các đặc trưng ngữ nghĩa mức cao có tính bất biến với biến dạng phi tuyến. Timeline nghiên cứu được triển khai liên tục trong vòng 12 tháng, từ khâu khảo sát thuật toán, xây dựng mô hình, huấn luyện mạng đến lập trình tích hợp ứng dụng thực tế.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình đánh giá thực nghiệm mô hình kết hợp HOG và CNN trong môi trường quản lý bệnh viện đã ghi nhận bốn phát hiện quan trọng:

Thứ nhất, mô hình đề xuất đạt độ chính xác nhận dạng trung bình 96,8% trên tập dữ liệu kiểm thử, vượt trội hơn 14,3% so với phương pháp SVM truyền thống và cao hơn 8,5% so với mô hình mạng ANN nhiều tầng truyền thống.

Thứ hai, thuật toán theo dõi khuôn mặt trong luồng video thời gian thực sử dụng giải thuật Kanade-Lucas-Tomasi (KLT) với ngưỡng trùng lặp diện tích 0,2 và bộ đệm duy trì 4 khung hình đã duy trì tốc độ xử lý ổn định từ 25 đến 30 khung hình trên giây (FPS), loại bỏ tới 88% các trường hợp nhầm lẫn đối tượng khi bệnh nhân di chuyển qua vùng quan sát của camera.

Thứ ba, thời gian xử lý toàn trình (end-to-end latency) từ lúc chụp ảnh, trích xuất đặc trưng, nhận dạng đến khi hoàn tất truy vấn thông tin bệnh nhân qua RESTful API trên hệ thống HIS chỉ mất trung bình 1,35 giây, giảm 78% thời gian so với quy trình tra cứu thủ công bằng mã số bệnh nhân hoặc thẻ giấy.

Thứ tư, thuật toán thể hiện tính bền vững cao trước các điều kiện môi trường thực tế: độ chính xác vẫn duy trì trên 93,2% khi góc chụp nghiêng đến 45 độ và trên 91,5% trong điều kiện ánh sáng yếu dưới 200 lux nhờ cơ chế chuẩn hóa khối L2 của HOG và khả năng trừu tượng hóa của các tầng tích chập sâu.

Thảo luận kết quả

Hiệu năng vượt trội của giải pháp bắt nguồn từ cơ chế phối hợp hai giai đoạn giữa HOG và CNN. HOG xử lý triệt để bài toán biến thiên độ sáng cục bộ bằng cách tính toán hướng đạo hàm Sobel theo hai trục và ánh xạ vào 9 bins gradient, trong khi CNN trích chọn các mối liên kết không gian phi tuyến thông qua 5 giai đoạn tích chập. Khi đối chiếu với các công trình kinh điển trước đây như mạng ANN của Rowley hay mô hình Joint Bayesian, mô hình trong luận văn này vượt trội nhờ giảm thiểu đáng kể số lượng tham số dư thừa và tối ưu hóa thời gian tính toán cho các thiết bị biên tại quầy tiếp đón.

Về phương diện trực quan hóa, kết quả phân tích có thể được mô tả sinh động qua hai dạng biểu đồ và bảng dữ liệu chuyên biệt:

Một biểu đồ cột so sánh hiệu năng trực quan sẽ thể hiện rõ độ chính xác nhận dạng của mô hình đề xuất (96,8%) so với mạng ANN (88,3%) và mô hình SVM đơn lẻ (82,5%) trên cùng một bộ dữ liệu kiểm thử. Đồng thời, một bảng phân tích độ trễ thành phần sẽ bóc tách chi tiết thời gian thực thi: tiền xử lý ảnh chiếm 120 mili-giây, trích xuất đặc trưng HOG chiếm 280 mili-giây, suy luận qua mạng CNN chiếm 450 mili-giây và truyền nhận dữ liệu qua RESTful API đến hệ thống HIS chiếm 500 mili-giây, minh chứng cho tính khả thi tuyệt đối của giải pháp khi vận hành thực tế.

Đề xuất và khuyến nghị

Dựa trên các kết quả đạt được, luận văn đưa ra bốn đề xuất hành động cụ thể nhằm đưa công nghệ nhận dạng khuôn mặt vào ứng dụng diện rộng trong hệ thống y tế:

Thứ nhất, tích hợp đồng bộ module nhận diện khuôn mặt vào hệ sinh thái HIS/RIS/PACS. Phòng Công nghệ Thông tin tại các bệnh viện cần xây dựng và hoàn thiện các cổng giao tiếp chuẩn RESTful API trong vòng 3 đến 6 tháng tới, hướng đến mục tiêu tự động hóa 85% quy trình tiếp đón bệnh nhân ngoại trú và giảm thời gian chờ đợi trung bình của người bệnh xuống dưới 5 phút mỗi lượt khám.

Thứ hai, chuẩn hóa hạ tầng phần cứng thu nhận ảnh sinh trắc học. Ban Giám đốc các cơ sở y tế cần đầu tư lắp đặt hệ thống camera độ phân giải tối thiểu Full HD 1080p có cảm biến chống ngược sáng (WDR) tại 100% quầy tiếp đón và cửa phòng khám chuyên khoa trong lộ trình 6 tháng, đảm bảo độ rọi ánh sáng khu vực tiếp nhận luôn duy trì trong khoảng 350 đến 500 lux nhằm giữ vững độ chính xác nhận diện trên 98%.

Thứ ba, nâng cấp thuật toán kiểm tra thực thể sống (Liveness Detection). Nhóm kỹ sư AI và phát triển phần mềm cần tích hợp thêm mô-đun phát hiện gian lận 3D và mở rộng cơ sở dữ liệu huấn luyện lên hơn 50.000 mẫu ảnh đa dạng trong vòng 9 tháng, đặt mục tiêu kéo giảm tỷ lệ chấp nhận sai (FAR) xuống dưới ngưỡng 0,01% để ngăn chặn triệt để hành vi sử dụng ảnh chụp hoặc video mạo danh bệnh nhân.

Thứ tư, ban hành quy chế an toàn thông tin và bảo mật dữ liệu y tế. Lãnh đạo bệnh viện cùng bộ phận an ninh mạng cần thiết lập khung chính sách bảo mật sinh trắc học tuân thủ tiêu chuẩn ISO/IEC 27001 và các quy định pháp luật hiện hành trong vòng 3 tháng, bảo đảm 100% vector đặc trưng khuôn mặt được mã hóa bằng thuật toán AES-256 trước khi lưu trữ vào hệ quản trị cơ sở dữ liệu.

Đối tượng nên tham khảo luận văn

Nội dung và kết quả nghiên cứu của luận văn mang lại giá trị thực tiễn và học thuật cho bốn nhóm đối tượng chính:

Thứ nhất, kỹ sư thị giác máy tính và trí tuệ nhân tạo (AI/CV Engineers). Tài liệu cung cấp chi tiết thuật toán kết hợp vector HOG 3.780 chiều với mạng CNN 5 tầng và giải thuật theo dõi KLT, là tài liệu tham khảo giá trị để phát triển các hệ thống giám sát và nhận diện đối tượng thời gian thực trong môi trường có nhiều biến thể hình học và ánh sáng.

Thứ hai, giám đốc công nghệ thông tin (CIO) và nhà quản lý bệnh viện. Luận văn trình bày mô hình kiến trúc tích hợp hệ thống nhận dạng khuôn mặt với HIS, RIS và PACS, giúp các nhà quản lý có căn cứ khoa học và giải pháp thực thi rõ ràng nhằm tái cấu trúc quy trình tiếp đón bệnh nhân, tối ưu hóa nguồn nhân lực và loại bỏ gian lận bảo hiểm.

Thứ ba, học viên cao học và nghiên cứu sinh chuyên ngành Khoa học máy tính. Công trình là tài liệu học thuật hoàn chỉnh, minh họa sinh động phương pháp kết hợp lý thuyết xử lý ảnh cổ điển với mô hình học sâu hiện đại, hỗ trợ đắc lực cho việc định hướng đề tài nghiên cứu liên quan đến sinh trắc học y tế.

Thứ tư, các doanh nghiệp phát triển phần mềm y tế số (Healthtech Startups). Doanh nghiệp có thể ứng dụng trực tiếp mô hình kết nối RESTful API và quy trình nghiệp vụ tiếp đón tự động được mô tả trong luận văn vào các sản phẩm kiosk y tế thông minh và giải pháp bệnh viện không giấy tờ.

Câu hỏi thường gặp

Thuật toán HOG đóng vai trò gì khi kết hợp với mạng CNN trong hệ thống? Kỹ thuật HOG chia ảnh thành các ô lưới 8×8 điểm ảnh và chuẩn hóa khối 16×16 điểm ảnh để trích xuất 3.780 chiều đặc trưng hướng gradient. Điều này giúp loại bỏ nhiễu ánh sáng và cố định vị trí các điểm mốc hình học nhanh chóng trước khi đưa vào CNN phân lớp chuyên sâu.

Hệ thống xử lý thế nào khi bệnh nhân thay đổi góc nhìn, biểu cảm hoặc đeo kính? Nhờ cơ chế chuẩn hóa khối L2-norm của HOG kết hợp với tính bất biến không gian từ các tầng tích chập và pooling trong CNN, mô hình vẫn duy trì độ chính xác nhận diện trên 93,2% ngay cả khi khuôn mặt nghiêng một góc 45 độ hoặc có các biến đổi biểu cảm phức tạp.

Việc tích hợp module nhận dạng khuôn mặt vào hệ thống HIS sẵn có có làm gián đoạn vận hành không? Hệ thống sử dụng giao diện lập trình ứng dụng RESTful API độc lập, cho phép liên kết dữ liệu hai chiều với HIS mà không can thiệp sâu vào cấu trúc cơ sở dữ liệu cốt lõi của bệnh viện. Thời gian phản hồi API chỉ mất khoảng 500 mili-giây, bảo đảm không gây nghẽn hệ thống.

Thuật toán Kanade-Lucas-Tomasi (KLT) hoạt động ra sao trong việc theo dõi bệnh nhân qua video? Thuật toán KLT theo dõi chuyển động khuôn mặt giữa các khung hình liên tiếp với tốc độ 25 đến 30 FPS. Khi tỷ lệ trùng lặp diện tích giữa hai khung hình vượt ngưỡng 0,2 và duy trì trong bộ đệm 4 khung hình, hệ thống sẽ gán đúng định danh bệnh nhân mà không cần nhận dạng lại từ đầu.

Giải pháp này hỗ trợ kiểm soát gian lận thẻ bảo hiểm y tế như thế nào trong thực tế? Bằng cách đối sánh trực tiếp hình ảnh khuôn mặt thực tế tại quầy với hồ sơ sinh trắc học đã lưu trữ trong cơ sở dữ liệu HIS, hệ thống ngăn chặn hoàn toàn việc mượn thẻ bảo hiểm y tế hoặc sử dụng giấy tờ tùy thân của người khác, bảo đảm tỷ lệ nhận dạng chính xác đạt 96,8%.

Kết luận

Luận văn đã giải quyết thành công bài toán tự động hóa định danh bệnh nhân thông qua các đóng góp khoa học và thực tiễn nổi bật:

  • Hoàn thiện mô hình nhận dạng khuôn mặt kết hợp giữa mô tả đặc trưng HOG và mạng nơ-ron tích chập CNN 5 tầng.
  • Tối ưu hóa vector đặc trưng HOG 3.780 chiều qua chuẩn hóa khối L2, nâng cao tính bất biến trước sự thay đổi ánh sáng và góc nghiêng 45 độ.
  • Hiện thực hóa giải thuật theo dõi khuôn mặt video thời gian thực bằng thuật toán KLT với độ trễ thấp ở tốc độ 25 đến 30 FPS.
  • Thiết kế hoàn chỉnh mô hình tích hợp giao tiếp RESTful API kết nối trực tiếp với hệ sinh thái HIS, RIS và PACS.
  • Đạt hiệu năng nhận dạng thực nghiệm 96,8% với thời gian xử lý toàn trình chỉ 1,35 giây, đáp ứng hoàn hảo tiêu chuẩn vận hành y tế.

Về lộ trình phát triển tiếp theo, nhóm nghiên cứu dự kiến hoàn thiện mô-đun chống giả mạo sinh trắc học 3D và triển khai thử nghiệm thực tế tại một số bệnh viện đa khoa tuyến tỉnh trong vòng 6 đến 12 tháng tới. Công trình nghiên cứu này mở ra bước đột phá quan trọng trong việc xây dựng mô hình bệnh viện thông minh, do đó các cơ sở y tế và đơn vị công nghệ nên sớm tiếp cận và ứng dụng giải pháp để hiện đại hóa toàn diện quy trình phục vụ người bệnh.