Giới thiệu dự án

Bệnh lý sâu răng (Dental Caries) là một trong những bệnh truyền nhiễm mạn tính phổ biến nhất trên toàn cầu. Theo báo cáo của Tổ chức Y tế Thế giới (WHO), các bệnh lý răng miệng ảnh hưởng đến gần 3,5 tỷ người, trong đó sâu răng vĩnh viễn chiếm tỷ lệ cao nhất với hơn 2 tỷ ca mắc. Quá trình sâu răng bắt đầu từ sự khử khoáng của men răng (Enamel demineralization) do các sản phẩm phụ axit từ quá trình chuyển hóa carbohydrate của màng sinh học vi khuẩn (Streptococcus mutans, Lactobacillus). Nếu không được phát hiện và can thiệp ở giai đoạn sớm, tổn thương sẽ xâm lấn sâu vào lớp ngà răng (Dentin), tủy răng (Dental pulp), gây viêm tủy, hoại tử mô và có thể dẫn đến nhiễm trùng huyết vùng hàm mặt.

Trong thực hành lâm sàng nha khoa hiện nay, hai phương pháp chẩn đoán truyền thống tồn tại những nhược điểm cố hữu:

  1. Quan sát trực quan kết hợp thám châm (Visual-Tactile Examination): Phụ thuộc hoàn toàn vào kinh nghiệm chủ quan của bác sĩ, độ nhạy (sensitivity) phát hiện tổn thương sâu mặt nhai (Occlusal caries) giai đoạn sớm rất thấp (thường < 30%). Thao tác dùng thám châm kim loại tác động lực có thể làm nứt vỡ thêm các vi cấu trúc men răng đang bị khử khoáng.
  2. Chụp X-quang nha khoa (Bitewing / Periapical Radiography): Mặc dù hiệu quả đối với sâu kẽ răng (Interproximal caries) và sâu ngà sâu, tia X là bức xạ ion hóa có hại cho sức khỏe tế bào, khiến nhiều bệnh nhân (đặc biệt là phụ nữ có thai và trẻ em) ngần ngại tiếp cận. Hơn nữa, chụp X-quang hai chiều thường bị chồng lấp cấu trúc giải phẫu của các múi răng dày đặc, làm giảm khả năng phát hiện các tổn thương khử khoáng nông khu trú ở hố rãnh mặt nhai.

Để giải quyết triệt để vấn đề này, đề tài "Thiết kế hệ thống thu nhận hình ảnh phát hiện bệnh lý sâu răng mặt nhai" (Design of an Image Acquisition System for the Detection of Occlusal Dental Problems) do sinh viên ngành Kỹ thuật Y sinh (Biomedical Engineering) – Trường Đại học Sư phạm Kỹ thuật TP.HCM thực hiện, đã phát triển một thiết bị quang học không xâm lấn, sử dụng nguồn sáng cận hồng ngoại (Near-Infrared - NIR) kết hợp bộ xử lý nhúng và thuật toán thị giác máy tính.

[Mô hình Quang học Men răng]
Tia NIR (760 nm) ---> [Men răng lành mạnh] ---> Xuyên thấu cao (Hệ số tán xạ thấp: μs ≈ 2-3 cm⁻¹)
Tia NIR (760 nm) ---> [Ổ sâu khử khoáng] ---> Tán xạ mạnh & Hấp thụ ---> Vùng tối (Dark contrast)

Mục tiêu của dự án

  1. Nghiên cứu nguyên lý quang học và đặc tính suy giảm/tán xạ của bức xạ cận hồng ngoại (NIR) khi truyền qua các lớp cấu trúc giải phẫu của răng người (Men răng, Ngà răng, Tủy răng).
  2. Thiết kế và chế tạo bo mạch nguồn tuyến tính đa ngõ ra ổn định ($5\text{V} - 3\text{A}$), tích hợp rơ-le bảo vệ chống ngắn mạch cho toàn bộ hệ thống.
  3. Thiết kế và in 3D (vật liệu PLA) cấu trúc cơ khí đầu dò (Probe) nha khoa nhỏ gọn, công thái học, tích hợp góc chiếu sáng LED NIR và camera cảm biến CMOS.
  4. Lập trình hệ thống nhúng trên nền tảng Raspberry Pi 3 Model B, xây dựng pipeline xử lý ảnh số thời gian thực bằng Python và OpenCV (lọc nhiễu, cân bằng biểu đồ mức xám, phân ngưỡng tự động Otsu).
  5. Thử nghiệm, đánh giá độ tương phản và khả năng phân lập ranh giới tổn thương sâu răng trên các mẫu răng thật đã nhổ và trên miệng người tình nguyện.

Phạm vi và giới hạn của đề tài

  • Phạm vi ứng dụng: Phát hiện tổn thương sâu men, nứt gãy và vết hàn trám ở vùng hố rãnh mặt nhai (Occlusal surface) của răng hàm lớn (Molars) và răng tiền hàm (Pre-molars).
  • Giới hạn kỹ thuật: Hệ thống đóng vai trò thiết bị hỗ trợ chẩn đoán (Diagnostic screening aid), xác định chính xác vị trí bề mặt và ranh giới tổn thương men nhưng chưa đo lường định lượng chiều sâu thể tích khi tổn thương đã xâm nhập sâu vào tủy; sử dụng bước sóng NIR 760 nm do tính sẵn có trên thị trường linh kiện thay vì bước sóng tối ưu lý thuyết 1310 nm.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí so sánh Khám lâm sàng truyền thống (Visual-Tactile) Chụp X-quang (Bitewing / Periapical) Hệ thống NIR quang học đề xuất
Nguyên lý hoạt động Mắt thường + Gương nha khoa + Thám châm nhọn Bức xạ tia X ion hóa chiếu xuyên mô Chiếu thấu quang cận hồng ngoại (NIR Transillumination)
Mức độ an toàn An toàn nhưng có nguy cơ gây vi chấn thương men Có hại do bức xạ ion hóa, chống chỉ định thai kỳ An toàn tuyệt đối 100%, không xâm lấn, không ion hóa
Phát hiện sâu men sớm Kém (chỉ thấy khi đã đổi màu/thủng lỗ) Kém ở mặt nhai do chồng lấp men răng dày Rất nhạy nhờ độ chênh lệch hệ số tán xạ quang học
Thời gian có kết quả Tức thì 3 – 5 phút (cần chụp & rửa/quét phim) Thời gian thực (< 67 ms/khung hình)
Chi phí trang bị Thấp (< 1 triệu VNĐ) Rất cao (> 50 - 200 triệu VNĐ) Thấp (< 2,5 triệu VNĐ)

Phân loại yêu cầu hệ thống theo mô hình MoSCoW

  • Must have (Bắt buộc phải có): Nguồn sáng NIR công suất phù hợp; camera không gắn kính lọc hồng ngoại (No-IR filter); bo mạch nguồn $5\text{V}$ ổn định không sụt áp; thuật toán tăng cường độ tương phản vết sâu.
  • Should have (Nên có): Giao diện đồ họa hiển thị đồng thời ảnh gốc và ảnh đã tiền xử lý; tính năng tự động lưu ảnh bệnh nhân theo thư mục định danh.
  • Could have (Có thể mở rộng): Kết nối không dây truyền hình ảnh trực tiếp lên màn hình máy tính thông qua giao thức RealVNC / Wi-Fi.
  • Won't have (Chưa thực hiện ở pha này): Tự động phân loại độ sâu sang thương bằng mô hình học sâu (Deep Learning AI).

Thiết kế kiến trúc hệ thống

+-----------------------------------------------------------------------------------+
|                              HỆ THỐNG PHẦN CỨNG                                   |
|                                                                                   |
|  +-------------------+       +-----------------------+     +-------------------+  |
|  | Nguồn AC 220V     | ----> | Biến áp & Cầu Diode   | --> | IC LDO LM1084-5.0 |  |
|  | (50Hz)            |       | Lọc C = 2200uF        |     | (Ra: 5.04V - 3A)  |  |
|  +-------------------+       +-----------------------+     +---------+---------+  |
|                                                                      |            |
|                                     +--------------------------------+            |
|                                     | Cấp nguồn 5V                                |
|                                     v                                             |
|  +-----------------------------------------------------------------------------+  |
|  |                   Khối Xử Lý Trung Tâm: RASPBERRY PI 3 MODEL B              |  |
|  |  - CPU: Broadcom BCM2837 Quad-core 1.2GHz ARM Cortex-A53                     |  |
|  |  - RAM: 1GB LPDDR2 | OS: Raspbian OS (Linux Kernel 4.19)                    |  |
|  +-----------------------+----------------------------------+------------------+  |
|                          ^                                  |                     |
|              CSI-2 Cable |                                  | HDMI / VNC (Wi-Fi)  |
|                          v                                  v                     |
|  +-----------------------------------+          +------------------------------+  |
|  | Khối Đầu Dò Quang Học (Probe 3D)  |          | Khối Hiển Thị & Lưu Trữ      |  |
|  | - Camera F 5MP (OV5647, No-IR)    |          | - Màn hình LCD / Máy tính PC |  |
|  | - 2x Đèn LED NIR 760nm (R = 22Ω)  |          | - Thư mục cơ sở dữ liệu ảnh  |  |
|  +-----------------------------------+          +------------------------------+  |
+-----------------------------------------------------------------------------------+

Ngăn xếp công nghệ (Technology Stack)

  • Hệ điều hành nhúng: Raspbian Buster (Linux Kernel v4.19.x)
  • Ngôn ngữ lập trình: Python v3.7.3
  • Thư viện thị giác máy tính: OpenCV (cv2 v4.1.0), NumPy (v1.16.2)
  • Phần mềm thiết kế mô phỏng điện tử: Proteus Design Suite v8.9
  • Phần mềm thiết kế cơ khí 3D: SolidWorks 2019 / Autodesk Fusion 360
  • Công nghệ in 3D: Fused Deposition Modeling (FDM) trên máy Prusa i3, độ dày lớp in 0.15 mm

Thiết kế mạch nguồn cung cấp (Power Supply Unit)

Tổng công suất tiêu thụ tối đa của hệ thống được tính toán như sau: $$P_{total} = P_{RaspberryPi} + P_{Camera} + P_{LEDs} \approx 6.7\text{W} + 1.25\text{W} + 0.1\text{W} = 8.05\text{W}$$ Dòng điện yêu cầu ở mức điện áp $5\text{V}$: $$I_{load} = \frac{P_{total}}{V} = \frac{8.05\text{W}}{5\text{V}} \approx 1.61\text{A}$$

Nhóm nghiên cứu chọn IC ổn áp tuyến tính điện áp rơi thấp LM1084-5.0V (chịu dòng tối đa 5A, Dropout voltage 1.5V) thay vì dòng LM7805 (chỉ chịu tối đa 1.5A, dễ quá nhiệt gây sụt nguồn làm treo Raspberry Pi). Tụ lọc nguồn đầu vào sử dụng tụ hóa $C_1 = 2200\mu\text{F} / 25\text{V}$ để triệt tiêu độ gợn sóng (Ripple voltage) sau cầu diode chỉnh lưu.

Implementation và kết quả

Quy trình xử lý ảnh và triển khai thuật toán

Hình ảnh chụp từ cảm biến CMOS OV5647 dưới nguồn sáng 760 nm được đưa vào một chuỗi xử lý số (Image Processing Pipeline) gồm 7 bước chuyên sâu:

[Ảnh màu RGB 1080p]
       |
       v
[Bước 1: Resize ROI 180x180 px]
       |
       v
[Bước 2: Trích xuất Kênh màu Đỏ (Red Channel)]
       |
       v
[Bước 3: Lọc nhiễu kép (Median Filter 3x3 + Gaussian Filter 3x3, σ = 0.5)]
       |
       v
[Bước 4: Cân bằng biểu đồ mức xám (Histogram Equalization)]
       |
       v
[Bước 5: Tăng cường độ tương phản tuyến tính g(i,j) = α·f(i,j) + β]
       |
       v
[Bước 6: Tìm ngưỡng tối ưu Otsu (T_opt) và trừ biên an toàn (T_opt - 60)]
       |
       v
[Bước 7: Phân đoạn nhị phân & Khoanh vùng tổn thương sâu răng]

Cơ sở toán học của thuật toán

  1. Cân bằng lược đồ mức xám (Histogram Equalization): Chuyển đổi phân bố xác suất mật độ mức xám $p_r(r_k)$ của ảnh gốc về dạng phân bố đều thông qua hàm biến đổi tích lũy (Cumulative Distribution Function - CDF): $$s_k = T(r_k) = (L - 1) \sum_{j=0}^{k} p_r(r_j) = \frac{L - 1}{M \times N} \sum_{j=0}^{k} n_j$$ Trong đó: $L = 256$ mức xám, $M \times N$ là kích thước ma trận ảnh ($180 \times 180$), $n_j$ là số lượng điểm ảnh mang giá trị mức xám $j$.

  2. Thuật toán tự động tìm ngưỡng Otsu (Otsu's Thresholding): Thuật toán tìm kiếm giá trị ngưỡng $t^* \in [0, L-1]$ sao cho phương sai trong lớp (Within-class variance $\sigma_w^2(t)$) đạt cực tiểu, tương đương phương sai giữa các lớp (Between-class variance $\sigma_b^2(t)$) đạt cực đại: $$\sigma_w^2(t) = \omega_0(t)\sigma_0^2(t) + \omega_1(t)\sigma_1^2(t)$$ Trong đó: $\omega_0(t), \omega_1(t)$ lần lượt là xác suất xuất hiện của vùng nền (men răng lành mạnh) và vùng mục tiêu (vết sâu răng); $\sigma_0^2, \sigma_1^2$ là phương sai mức xám tương ứng của hai vùng.

  3. Thuật toán điều chỉnh độ tương phản và lọc vết sâu: $$g(i, j) = \alpha \cdot f(i, j) + \beta$$ Sau khi tìm được ngưỡng tối ưu $T_{Otsu}$, hệ thống áp dụng hệ số hiệu chỉnh offset $T_{decay} = T_{Otsu} - 60$ để loại bỏ nhiễu biên và các góc khuất phản xạ của thân răng.

Mã nguồn xử lý ảnh cốt lõi (Python / OpenCV)

import cv2
import numpy as np
import os

def process_dental_image(frame, output_dir, patient_id):
    """
    Pipeline xử lý ảnh cận hồng ngoại (NIR) phát hiện sâu răng mặt nhai
    """
    # 1. Chuẩn hóa kích thước khung hình ROI
    resized = cv2.resize(frame, (180, 180), interpolation=cv2.INTER_AREA)
    
    # 2. Trích xuất kênh Red (Kênh nhạy sáng nhất với bước sóng NIR 760nm)
    b, g, r_channel = cv2.split(resized)
    
    # 3. Lọc nhiễu muối tiêu (Median) và nhiễu đốm hạt (Gaussian)
    median_filtered = cv2.medianBlur(r_channel, ksize=3)
    gaussian_filtered = cv2.GaussianBlur(median_filtered, ksize=(3, 3), sigmaX=0.5)
    
    # 4. Cân bằng biểu đồ mức xám (Histogram Equalization)
    hist_equalized = cv2.equalizeHist(gaussian_filtered)
    
    # 5. Tăng cường tương phản và độ sáng
    alpha = 1.3  # Hệ số tương phản (Gain)
    beta = 10    # Độ lệch sáng (Bias)
    contrast_img = cv2.convertScaleAbs(hist_equalized, alpha=alpha, beta=beta)
    
    # 6. Xác định ngưỡng tự động bằng thuật toán Otsu
    otsu_thresh_val, _ = cv2.threshold(
        contrast_img, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU
    )
    
    # 7. Hiệu chỉnh ngưỡng loại trừ nhiễu mép răng (T_decay = Otsu - 60)
    adjusted_threshold = max(0, otsu_thresh_val - 60)
    
    # Phân đoạn vùng sâu: Điểm ảnh < ngưỡng được đánh dấu là 0 (Đen), ngược lại giữ nguyên
    decay_segmented = contrast_img.copy()
    decay_mask = contrast_img < adjusted_threshold
    decay_segmented[decay_mask] = 0
    
    # Lưu kết quả vào thư mục bệnh nhân
    save_path = os.path.join(output_dir, f"{patient_id}_analyzed.png")
    cv2.imwrite(save_path, decay_segmented)
    
    return resized, decay_segmented

Kết quả đo kiểm thực nghiệm

1. Đánh giá tính ổn định của mạch nguồn

Trạng thái kiểm tra Điện áp ngõ vào ($V_{in}$) Điện áp ngõ ra ($V_{out}$) Dòng điện tải ($I_{out}$) Nhiệt độ IC LM1084
Không tải (No Load) $9.00\text{ V}$ $5.14\text{ V}$ $0.00\text{ A}$ $26.5^\circ\text{C}$
Đầy tải (Raspberry Pi + Camera + 2x LED NIR) $9.00\text{ V}$ $5.04\text{ V}$ $1.63\text{ A}$ $29.8^\circ\text{C}$ (có tản nhiệt)

Nhận xét: Độ sụt áp khi mang toàn tải chỉ là $0.10\text{V}$ ($1.94%$), nằm hoàn toàn trong ngưỡng sai số cho phép ($5\text{V} \pm 5%$) của vi điều khiển Raspberry Pi, đảm bảo hệ thống vận hành liên tục không xảy ra hiện tượng sập nguồn hay giật khung hình.

2. Đánh giá thực nghiệm các bước sóng NIR

+---------------------------------------------------------------------------------------+
| Thử nghiệm 1: Bước sóng 940 nm (LED công suất thấp 3mm)                               |
| -> Cường độ xuyên thấu yếu, cảm biến OV5647 thu được tín hiệu nhiễu hạt cao.         |
|                                                                                       |
| Thử nghiệm 2: Bước sóng 850 nm (LED công suất cao 5W)                                 |
| -> Cường độ phát xạ quá lớn, hiện tượng tán xạ tràn làm lóa hình, mất chi tiết rãnh.  |
|                                                                                       |
| Thử nghiệm 3: Bước sóng 760 nm (LED bán dẫn công nghiệp)                              |
| -> Cân bằng tối ưu giữa độ xuyên qua men lành và hấp thụ tại ổ sâu. Độ tương phản cao.|
+---------------------------------------------------------------------------------------+

3. Kết quả phát hiện trên mẫu răng thực tế

Mẫu thử nghiệm Tình trạng mắt thường Kết quả sau xử lý ảnh NIR Kết luận & Ý nghĩa lâm sàng
Răng hàm mẫu 01 Bề mặt men trắng đục tự nhiên, không thấy lỗ sâu Toàn bộ bề mặt đồng nhất mức xám cao Răng khỏe mạnh, không có dấu hiệu khử khoáng ngầm
Răng hàm mẫu 02 Có đốm nâu mờ tại hố rãnh mặt nhai Xuất hiện vùng tối màu đen ($0$) rõ nét tại đáy rãnh Tổn thương sâu men đang tiến triển
Răng hàm mẫu 03 Không quan sát được vết nứt bằng mắt Hiện rõ đường kẻ màu trắng kéo dài qua thân răng Phát hiện vết rạn nứt vi thể (Micro-crack)
Răng tình nguyện viên Bề mặt răng đã trám bít hố rãnh Phân lập chính xác ranh giới vật liệu trám (Composite) Kiểm tra độ khít sát và phát hiện sâu tái phát dưới miếng trám

Đổi mới và đóng góp

  1. Ứng dụng thành công nguyên lý thấu quang NIR chi phí thấp: Thay vì các hệ thống chẩn đoán quang học công nghiệp đắt tiền (như KaVo DIAGNOcam sử dụng laser SWIR có giá từ $5,000 - $10,000 USD), đồ án đã phát triển thành công giải pháp phần cứng nhúng nguồn mở với tổng chi phí vật tư dưới $100 USD mà vẫn đảm bảo độ nhạy nhận diện sâu men.
  2. Loại bỏ 100% rủi ro bức xạ ion hóa: Cung cấp phương thức chẩn đoán an toàn tuyệt đối cho các đối tượng nhạy cảm cao như trẻ nhỏ, phụ nữ mang thai và hỗ trợ tái khám định kỳ nhiều lần trong năm.
  3. Quy trình lọc nhiễu và phân ngưỡng thích nghi: Kết hợp bộ lọc kép (Median + Gaussian) và thuật toán Otsu có bù trừ offset ($T - 60$), giúp loại bỏ các điểm ảnh giả mạo do phản xạ bờ mép men răng, tăng độ tin cậy phân vùng cặn sâu lên hơn $85%$ so với phương pháp phân ngưỡng cố định truyền thống.

Ứng dụng thực tế và triển khai

Kịch bản sử dụng trong thực tế lâm sàng

[Bệnh nhân vào khám]
       |
       v
[Bác sĩ cầm đầu dò Probe 3D quét qua bề mặt nhai]
       |
       v
[Tín hiệu video truyền thời gian thực về màn hình ghế nha khoa (15 fps)]
       |
       v
[Ảnh chụp tức thì & Thuật toán làm nổi bật vết sâu sau 50 ms]
       |
       v
[Bác sĩ tư vấn trực quan cho bệnh nhân & Lưu hồ sơ điện tử theo ID]

Phân tích hiệu quả kinh tế (ROI & Chi phí)

  • Chi phí chế tạo nguyên mẫu:
    • Raspberry Pi 3 Model B: $900,000\text{ VNĐ}$
    • Camera Night Vision OV5647 5MP: $350,000\text{ VNĐ}$
    • Mạch nguồn, linh kiện phụ trợ & Vỏ in 3D PLA: $450,000\text{ VNĐ}$
    • Tổng chi phí phần cứng: $\approx 1,700,000\text{ VNĐ}$ (~$75\text{ USD}$)
  • Thời gian hoàn vốn (ROI): Tại một phòng khám nha khoa quy mô vừa (tiếp nhận 15 - 20 lượt khám/ngày), với mức phí dịch vụ soi quang học tầm soát sớm $50,000\text{ VNĐ}$/lượt, thiết bị có thể giúp phòng khám thu hồi vốn đầu tư chỉ trong vòng 2 - 3 ngày làm việc.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật hiện tại

  • Độ sâu thâm nhập: Do dải sóng 760 nm nằm gần vùng ánh sáng khả kiến, độ thấu quang qua lớp ngà dày bị hạn chế; chưa thể định lượng chính xác độ sâu tổn thương khi đã ăn vào tủy.
  • Tính thẩm mỹ và công thái học: Vỏ đầu dò cố định đèn LED bằng keo nhiệt; cáp dẹt FFC nối dài từ camera đến Raspberry Pi dễ bị nhiễu điện từ nếu tiếp xúc trong môi trường nhiều thiết bị công suất lớn.
  • Tính năng tự động: Chưa có module trí tuệ nhân tạo (AI) tự động khoanh vùng bounding box và xuất báo cáo PDF chẩn đoán bệnh án tự động.

Hướng nâng cấp trong tương lai

  1. Nâng cấp cảm biến và bước sóng: Thử nghiệm nguồn phát Laser Diode bước sóng $1310\text{ nm}$ kết hợp cảm biến InGaAs (Short-Wave Infrared - SWIR) để đạt độ trong suốt tối đa của men răng.
  2. Tích hợp mạng nơ-ron tích chập (Deep Learning CNN): Nhúng mô hình phân đoạn hình ảnh (như U-Net hoặc YOLOv8-seg) lên Raspberry Pi 4 hoặc NVIDIA Jetson Nano để tự động phân loại cấp độ sâu răng theo tiêu chuẩn quốc tế ICDAS (International Caries Detection and Assessment System).
  3. Hoàn thiện vỏ bọc y tế: Sử dụng nhựa y tế kháng khuẩn, thiết kế thấu kính có khả năng hấp tiệt trùng (Autoclave) đảm bảo tiêu chuẩn an toàn vô trùng trong nha khoa.

Đối tượng hưởng lợi

  • Sinh viên Kỹ thuật Y sinh & Điện tử - Viễn thông: Tài liệu tham khảo thực tế về thiết kế hệ thống nhúng quang y sinh, tính toán mạch nguồn ổn áp công suất thực và kỹ thuật lập trình thị giác máy tính trên Linux.
  • Kỹ sư phát triển thiết bị y tế (R&D Engineers): Nắm bắt kiến thức thiết kế đầu dò nha khoa, kỹ thuật loại bỏ kính lọc hồng ngoại trên cảm biến ảnh CMOS thương mại.
  • Bác sĩ và Cơ sở y tế Nha khoa: Sở hữu công cụ chẩn đoán không xâm lấn chi phí thấp, tăng tỷ lệ phát hiện sâu men sớm và nâng cao trải nghiệm điều trị an toàn cho bệnh nhân.
  • Nhà nghiên cứu Y sinh (Researchers): Dữ liệu thực nghiệm về hệ số hấp thụ/tán xạ của men răng dưới bước sóng 760 nm làm tiền đề cho các nghiên cứu cắt lớp quang học (Optical Coherence Tomography - OCT).

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai và vận hành hệ thống là gì?

Hệ thống yêu cầu nguồn cấp xoay chiều $220\text{V AC} - 50\text{Hz}$ (hoặc adapter $9\text{V DC} - 2\text{A}$), vi điều khiển Raspberry Pi 3 Model B (hoặc Pi 4) chạy Raspbian OS, cảm biến Camera OV5647 No-IR 5MP, 2 đèn LED NIR 760 nm và màn hình hiển thị cổng HDMI hoặc kết nối Wi-Fi/VNC qua máy tính.

2. Thiết bị có thể đo được chính xác độ sâu của lỗ sâu trong lớp ngà hay không?

Chưa thể đo lường độ sâu tuyệt đối. Dưới bước sóng 760 nm, hệ thống định vị xuất sắc vị trí, diện tích bề mặt và phân biệt độ nghiêm trọng của tổn thương men răng. Để đo độ sâu ngà răng, cần nâng cấp lên nguồn sáng $1310\text{ nm}$ kết hợp thuật toán tái tạo 3D OCT.

3. Hệ thống có thể tích hợp vào phần mềm quản lý phòng khám (Dental Clinic Software) có sẵn không?

Hoàn toàn có thể. Do chương trình được viết trên nền tảng Python, hệ thống dễ dàng mở rộng để giao tiếp qua RESTful API, xuất dữ liệu hình ảnh định dạng DICOM hoặc PNG/JPEG vào cơ sở dữ liệu hồ sơ bệnh án điện tử (EMR) của nha khoa.

4. Chi phí bảo trì và độ bền của thiết bị như thế nào?

Chi phí bảo trì gần như bằng không. Các bóng LED NIR bán dẫn có tuổi thọ hoạt động trên 50,000 giờ. Bo mạch nguồn tích hợp rơ-le ngắt mạch tự động bảo vệ Raspberry Pi khỏi nguy cơ sốc điện và đoản mạch.

5. Tại sao không sử dụng bước sóng 940 nm hay 850 nm vốn phổ biến hơn?

Thực nghiệm cho thấy LED 940 nm thông thường có cường độ quang thông yếu, không đủ tạo tín hiệu rõ nét trên cảm biến CMOS; trong khi LED 850 nm công suất lớn lại gây tán xạ lóa mặt răng. Bước sóng 760 nm mang lại sự cân bằng tối ưu giữa độ nhạy cảm biến và độ tương phản của mô sâu men răng.

Kết luận

Đề tài "Thiết kế hệ thống thu nhận hình ảnh phát hiện bệnh lý sâu răng mặt nhai" đã chứng minh tính khả thi và hiệu quả vượt trội của phương pháp thấu quang cận hồng ngoại (NIR Transillumination) tại bước sóng 760 nm trong chẩn đoán nha khoa sớm. Bằng việc kết hợp hài hòa giữa thiết kế phần cứng ổn định (IC LM1084-5.0V), công nghệ in 3D cơ khí chính xác và thuật toán xử lý ảnh số tối ưu (Otsu Thresholding & Histogram Equalization), hệ thống đã giải quyết trọn vẹn bài toán phát hiện sớm tổn thương sâu hố rãnh mặt nhai mà không phụ thuộc vào bức xạ tia X. Đây là một đóng góp học thuật và ứng dụng có giá trị thực tiễn cao, mở ra tiềm năng thương mại hóa dòng thiết bị y tế chẩn đoán thông minh, chi phí hợp lý cho cộng đồng.