Kỹ Thuật Khôi Phục Mặt Người Từ Sọ Tại Đại Học Quốc Gia Hà Nội

Nghiên cứu các kỹ thuật khôi phục mặt người ba chiều từ sọ, ứng dụng trong y học và công nghệ hình ảnh. Tìm hiểu chi tiết trong bài viết.

• Trường học: Đại học quốc gia Hà Nội
• Chuyên ngành: Kỹ thuật khôi phục mặt người
• Đề tài: Kỹ Thuật Khôi Phục Mặt Người Từ Sọ
• Loại tài liệu: luận án tiến sĩ
• Năm xuất bản: 2013
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CẢM ƠN
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Bài toán và cách giải quyết của chúng tôi
• 1.2. Cấu trúc luận án
• 2. KIẾN THỨC CƠ BẢN VỀ DỰNG KHUNG MẶT TỪ HỘP SỌ
• 2.1. Cách tiếp cận dựng khung mặt từ hộp sọ
• 2.1.1. Dựng thủ công khung mặt từ hộp sọ
• 2.1.2. Dựng khung mặt từ hộp sọ với trợ giúp của máy tính
• 2.2. Biểu diễn mô hình ba chiều khung mặt và sọ
• 2.2.1. Mô hình hóa bề mặt khung mặt bằng lưới đa giác
• 2.2.2. Mô hình hóa bề mặt khung mặt bằng bề mặt tham số
• 3. DỰNG MÔ HÌNH BA CHIỀU CỦA SỌ TỪ ẢNH
• 3.1. Những nghiên cứu liên quan
• 3.1.1. Dựng mô hình ba chiều khung mặt từ ảnh
• 3.1.2. Thuật toán dựng mô hình ba chiều của sọ từ ảnh
• 3.2. Biến đổi mô hình ba chiều của sọ mẫu bằng RBF
• 3.2.1. Tính lỗi trượt và điều chỉnh đặt trùng sọ ba chiều
• 3.2.2. Đánh giá hiệu quả điều chỉnh đặt trùng sọ ba chiều dựa trên lỗi trượt
• 4. DỰNG MÔ HÌNH BA CHIỀU KHUNG MẶT TỪ MÔ HÌNH BA CHIỀU CỦA SỌ
• 4.1. Những nghiên cứu liên quan
• 4.1.1. Dựng mô hình ba chiều khung mặt từ mô hình ba chiều của sọ với trợ giúp của máy tính
• 4.1.2. Cách phương pháp đánh giá mô hình ba chiều khung mặt kết quả
• 4.2. Thuật toán dựng mô hình ba chiều khung mặt từ mô hình ba chiều của sọ
• 5. THUẬT TOÁN ĐẶT TRÙNG DƯỚI DA VÀ ĐIỂM GÓC TRÊN MÔ HÌNH BA CHIỀU CỦA SỌ
• 6. KẾT QUẢ NGHIÊN CỨU VÀ BÀN LUẬN
• PHỤ LỤC
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Kỹ Thuật Khôi Phục Khuôn Mặt Từ Sọ Mới Nhất

Kỹ thuật khôi phục khuôn mặt từ sọ là một lĩnh vực đầy thách thức nhưng vô cùng quan trọng, kết hợp kiến thức từ nhiều ngành khoa học như giải phẫu học, nhân chủng học pháp y, và mô học. Mục tiêu chính là tái tạo lại hình ảnh khuôn mặt của một cá nhân dựa trên cấu trúc xương sọ còn lại. Quá trình này có ý nghĩa to lớn trong việc xác định danh tính nạn nhân, hỗ trợ điều tra hình sự, và nghiên cứu lịch sử. Các phương pháp tiếp cận hiện đại ngày càng chú trọng vào việc sử dụng công nghệ số, đặc biệt là mô phỏng 3D khuôn mặt, để tăng độ chính xác và khách quan. Nghiên cứu tại Đại học Quốc gia Hà Nội đóng góp vào sự phát triển của lĩnh vực này tại Việt Nam, tập trung vào xây dựng cơ sở dữ liệu sọ người Việt Nam và phát triển các thuật toán phù hợp.

1.1. Lịch Sử Phát Triển Của Phục Dựng Khuôn Mặt Từ Sọ

Lịch sử phục dựng khuôn mặt từ sọ trải qua nhiều giai đoạn phát triển, từ các phương pháp thủ công dựa trên kiến thức giải phẫu đến các kỹ thuật số hiện đại. Ban đầu, các nhà khoa học sử dụng đất sét hoặc sáp để tái tạo khuôn mặt trực tiếp trên sọ thật. Ngày nay, với sự tiến bộ của công nghệ, các phần mềm chuyên dụng cho phép tạo ra các mô hình 3D một cách nhanh chóng và chính xác hơn. Sự phát triển này không chỉ giúp tăng hiệu quả công việc mà còn mở ra nhiều khả năng mới trong việc nghiên cứu và ứng dụng.

1.2. Ứng Dụng Đa Dạng Của Kỹ Thuật Phục Dựng Khuôn Mặt

Kỹ thuật phục dựng khuôn mặt từ sọ có nhiều ứng dụng quan trọng trong các lĩnh vực khác nhau. Trong pháp y, nó giúp xác định danh tính nạn nhân trong các vụ án hình sự hoặc thảm họa. Trong khảo cổ học, nó cho phép tái tạo hình ảnh của người cổ đại, giúp chúng ta hiểu rõ hơn về lịch sử và văn hóa. Ngoài ra, kỹ thuật này còn được sử dụng trong bảo tàng và giáo dục để trưng bày và giới thiệu về quá khứ.

II. Thách Thức Trong Khôi Phục Khuôn Mặt Từ Sọ Hiện Nay

Mặc dù đã có nhiều tiến bộ, kỹ thuật khôi phục khuôn mặt từ sọ vẫn đối mặt với nhiều thách thức. Một trong những vấn đề lớn nhất là độ chính xác của quá trình tái tạo. Sự khác biệt về tỷ lệ khuôn mặt và mô mềm khuôn mặt giữa các cá nhân và chủng tộc có thể dẫn đến sai lệch trong kết quả. Việc ước tính tuổi từ sọ, ước tính giới tính từ sọ, và ước tính chủng tộc từ sọ cũng là những yếu tố quan trọng cần được xem xét cẩn thận. Ngoài ra, vấn đề đạo đức phục dựng khuôn mặt cũng cần được quan tâm, đặc biệt khi sử dụng kỹ thuật này cho mục đích lịch sử hoặc pháp lý.

2.1. Độ Chính Xác Của Phục Dựng Khuôn Mặt Các Yếu Tố Ảnh Hưởng

Độ chính xác của phục dựng khuôn mặt phụ thuộc vào nhiều yếu tố, bao gồm chất lượng của sọ, phương pháp tái tạo, và kiến thức chuyên môn của người thực hiện. Các yếu tố như sự phân hủy của sọ, sự thiếu hụt dữ liệu về mô mềm, và sự khác biệt về chủng tộc có thể ảnh hưởng đến kết quả cuối cùng. Việc sử dụng các phương pháp thống kê và phần mềm phục dựng khuôn mặt có thể giúp giảm thiểu sai sót, nhưng không thể loại bỏ hoàn toàn.

2.2. Vấn Đề Dữ Liệu Cơ Sở Dữ Liệu Sọ Người Việt Nam

Một trong những thách thức lớn nhất trong phục dựng khuôn mặt người Việt Nam là sự thiếu hụt cơ sở dữ liệu sọ người Việt Nam đầy đủ và chính xác. Việc xây dựng một cơ sở dữ liệu như vậy đòi hỏi sự thu thập và phân tích một lượng lớn dữ liệu từ các nguồn khác nhau, bao gồm các bộ sưu tập khảo cổ, các bệnh viện, và các cơ quan pháp y. Sự hợp tác giữa các nhà khoa học, bác sĩ, và chuyên gia pháp y là rất quan trọng để đạt được mục tiêu này.

III. Phương Pháp Phục Dựng Khuôn Mặt 3D Từ Sọ Tại ĐHQGHN

Nghiên cứu tại Đại học Quốc gia Hà Nội tập trung vào phát triển các phương pháp phục dựng khuôn mặt 3D từ sọ sử dụng công nghệ số. Các nhà nghiên cứu sử dụng phần mềm phục dựng khuôn mặt chuyên dụng để tạo ra các mô hình 3D dựa trên dữ liệu quét sọ. Quá trình này bao gồm việc xác định các điểm mốc quan trọng trên sọ, ước tính độ dày mô mềm, và tạo hình khuôn mặt dựa trên các thông số nhân trắc học. Các phương pháp này được đánh giá và cải tiến liên tục để tăng độ chính xác và khách quan.

3.1. Sử Dụng Phần Mềm Chuyên Dụng Trong Phục Dựng Khuôn Mặt

Phần mềm phục dựng khuôn mặt đóng vai trò quan trọng trong quá trình tái tạo hình ảnh từ sọ. Các phần mềm này cung cấp các công cụ để xử lý dữ liệu quét sọ, xác định các điểm mốc, ước tính độ dày mô mềm, và tạo hình khuôn mặt. Việc lựa chọn phần mềm phù hợp và sử dụng nó một cách hiệu quả đòi hỏi kiến thức chuyên môn và kinh nghiệm thực tế.

3.2. Ước Tính Độ Dày Mô Mềm Các Phương Pháp Thống Kê

Việc ước tính độ dày mô mềm là một bước quan trọng trong phục dựng khuôn mặt. Các phương pháp thống kê, dựa trên dữ liệu từ các nghiên cứu trước đây, được sử dụng để ước tính độ dày mô mềm tại các điểm mốc khác nhau trên sọ. Các yếu tố như tuổi, giới tính, và chủng tộc được xem xét để tăng độ chính xác của ước tính.

3.3. Tái Tạo Khuôn Mặt 3D Mô Hình Hóa và Kết Cấu

Sau khi ước tính độ dày mô mềm, các nhà nghiên cứu sử dụng các kỹ thuật mô hình hóa 3D để tạo ra hình dạng khuôn mặt. Các mô hình khuôn mặt mẫu được điều chỉnh để phù hợp với cấu trúc sọ và độ dày mô mềm đã ước tính. Quá trình này bao gồm việc tạo kết cấu cho khuôn mặt, thêm các chi tiết như mắt, mũi, và miệng, và điều chỉnh các đặc điểm để tạo ra một hình ảnh chân thực nhất có thể.

IV. Ứng Dụng Thực Tiễn Nghiên Cứu Xác Định Danh Tính Pháp Y

Một trong những ứng dụng quan trọng nhất của nghiên cứu khôi phục khuôn mặt từ sọ là trong lĩnh vực pháp y. Kỹ thuật này có thể giúp xác định danh tính nạn nhân trong các vụ án hình sự, tai nạn, hoặc thảm họa. Bằng cách so sánh hình ảnh khuôn mặt tái tạo với ảnh chụp hoặc hồ sơ cá nhân, các nhà điều tra có thể tìm ra manh mối quan trọng để giải quyết vụ án. Nghiên cứu tại Đại học Quốc gia Hà Nội đóng góp vào việc nâng cao năng lực pháp y của Việt Nam, giúp các cơ quan chức năng giải quyết các vụ án một cách hiệu quả hơn.

4.1. So Sánh Khuôn Mặt Tái Tạo Với Ảnh Chụp Phương Pháp Nhận Dạng

Việc so sánh khuôn mặt tái tạo với ảnh chụp là một phương pháp quan trọng để xác định danh tính. Các chuyên gia sử dụng các kỹ thuật nhận dạng khuôn mặt để so sánh các đặc điểm trên khuôn mặt tái tạo với các đặc điểm trên ảnh chụp. Quá trình này đòi hỏi sự tỉ mỉ và kiến thức chuyên môn về nhân trắc học.

4.2. Hợp Tác Với Cơ Quan Pháp Y Chia Sẻ Dữ Liệu và Kinh Nghiệm

Sự hợp tác giữa các nhà nghiên cứu và các cơ quan pháp y là rất quan trọng để ứng dụng hiệu quả kỹ thuật khôi phục khuôn mặt từ sọ. Việc chia sẻ dữ liệu và kinh nghiệm giúp các nhà nghiên cứu hiểu rõ hơn về nhu cầu thực tế của các cơ quan pháp y, và giúp các cơ quan pháp y tiếp cận với các công nghệ mới nhất.

V. Tương Lai Kỹ Thuật Phục Dựng Khuôn Mặt Từ Sọ Tại Việt Nam

Kỹ thuật phục dựng khuôn mặt từ sọ tại Việt Nam có tiềm năng phát triển rất lớn trong tương lai. Với sự đầu tư vào nghiên cứu và phát triển, sự hợp tác giữa các nhà khoa học và các cơ quan chức năng, và sự ứng dụng các công nghệ mới nhất, Việt Nam có thể trở thành một trung tâm hàng đầu về phục dựng khuôn mặt trong khu vực. Điều này sẽ góp phần quan trọng vào việc bảo vệ quyền con người, giải quyết các vụ án hình sự, và bảo tồn di sản văn hóa.

5.1. Đầu Tư Vào Nghiên Cứu và Phát Triển Nâng Cao Năng Lực

Việc đầu tư vào nghiên cứu và phát triển là yếu tố then chốt để nâng cao năng lực phục dựng khuôn mặt tại Việt Nam. Các dự án nghiên cứu cần tập trung vào việc xây dựng cơ sở dữ liệu sọ người Việt Nam, phát triển các thuật toán phục dựng khuôn mặt phù hợp, và đánh giá độ chính xác của các phương pháp khác nhau.

5.2. Ứng Dụng Trí Tuệ Nhân Tạo Tự Động Hóa Quy Trình

Việc ứng dụng trí tuệ nhân tạo có thể giúp tự động hóa nhiều bước trong quy trình phục dựng khuôn mặt, từ việc xác định các điểm mốc trên sọ đến việc ước tính độ dày mô mềm và tạo hình khuôn mặt. Điều này sẽ giúp giảm thời gian và chi phí, đồng thời tăng độ chính xác và khách quan của quá trình tái tạo.

Nội dung chính

Tổng quan luận án

Luận án tiến sĩ "Nghiên cứu một số kỹ thuật khôi phục mặt người ba chiều từ sọ" của tác giả Ma Thị Châu thuộc chuyên ngành Khoa học máy tính (mã số 62 48 01 01), được bảo vệ tại Trường Đại học Công nghệ – Đại học Quốc gia Hà Nội vào năm 2013, dưới sự hướng dẫn của PGS. Tae-Wan Kim (Đại học Quốc gia Seoul) và TS. Bùi Thế Duy (Trường Đại học Công nghệ).

Tính cấp thiết và khoảng trống nghiên cứu

Khôi phục khuôn mặt ba chiều từ hộp sọ là bài toán có ứng dụng thực tiễn trong nhận dạng tội phạm phục vụ điều tra hình sự, giám định pháp y tử thi và tái tạo chân dung nhân vật lịch sử hoặc người cổ trong khảo cổ học. Khi khai quật hài cốt, hộp sọ thường là bộ phận ít bị hủy hoại nhất và lưu giữ các thông tin giải phẫu quan trọng về giới tính, độ tuổi, nguồn gốc chủng tộc.

Trong thực tiễn, việc số hóa mô hình ba chiều của sọ chủ yếu sử dụng các thiết bị quét 3D chuyên dụng (như máy quét quang học, máy chụp cắt lớp vi tính CT, hoặc chụp cộng hưởng từ MRI). Tuy nhiên, thiết bị quét có chi phí đầu tư cao và khó triển khai trực tiếp tại hiện trường khai quật. Ngoài ra, trong các nghiên cứu trước đây (như nghiên cứu của các nhóm tác giả [7, 36, 50, 69, 83, 90]), quy trình khôi phục dựa vào độ dày mô mềm còn tồn tại các hạn chế kỹ thuật:

1. Dữ liệu độ dày mô mềm thường chỉ lấy giá trị trung bình từ một cơ sở dữ liệu nhân trắc hạn chế của một tộc người nhất định, khiến khuôn mặt phục dựng mang tính đại diện chung, thiếu dấu ấn cá nhân hóa và làm biến dạng tại các khu vực giải phẫu phức tạp như cằm và góc hàm.
2. Các mốc đo trên mô hình sọ ba chiều được đánh dấu thủ công bằng mắt thường, phụ thuộc hoàn toàn vào kinh nghiệm chủ quan của chuyên gia, dễ gây sai lệch vị trí.
3. Số lượng mốc đo nhân trắc có sẵn thường hữu hạn, dẫn đến tình trạng các vùng có ít mốc đo (như vùng trán, vùng má) bị suy giảm độ chính xác khi tái tạo bề mặt.

Mục tiêu và nhiệm vụ nghiên cứu

Mục tiêu trung tâm của luận án là nghiên cứu và xây dựng quy trình tự động hóa có trợ giúp của máy tính để tái tạo bề mặt khuôn mặt ba chiều từ hộp sọ với độ chính xác và tính chân thực cao, đồng thời giải quyết các hạn chế về chi phí thu nhận dữ liệu và sự phụ thuộc vào thao tác thủ công. Tác giả đề xuất ba thuật toán giải quyết ba bài toán cụ thể:

1. Thuật toán thứ nhất: Dựng mô hình ba chiều của sọ từ ảnh hai chiều và điều chỉnh lỗi trượt phát sinh trong quá trình trích chọn đặc trưng hai chiều nhằm nâng cao độ chính xác hình thái của mô hình sọ ba chiều.
2. Thuật toán thứ hai: Dựng mô hình ba chiều khuôn mặt từ mô hình ba chiều của sọ thông qua việc kết hợp mạng hàm bán kính cơ sở (Radial Basis Function - RBF), ước lượng độ dày mô mềm từ số đo sọ (thay thế cho việc dùng giá trị trung bình cố định) và nội suy độ dày mô mềm tại các vị trí chưa có mốc đo.
3. Thuật toán thứ ba: Trích chọn đặc trưng tự động dưới dạng cạnh và góc trên bề mặt mô hình sọ ba chiều bằng cách kết hợp kỹ thuật phân đoạn dữ liệu và phép nhân chập, phục vụ việc tự động xác định các điểm mốc nhân trắc.

Đối tượng và phạm vi nghiên cứu

• Đối tượng nghiên cứu: Bề mặt hình học ba chiều của hộp sọ (hộp sọ khai quật thực tế và mô hình số hóa dạng lưới đa giác), các thông số nhân trắc sọ - mặt, bảng số liệu độ dày mô mềm, và mô hình lưới đa giác ba chiều của khuôn mặt người.
• Phạm vi không gian và thực nghiệm: Mẫu số liệu nhân trắc khuôn mặt và số đo sọ người Việt Nam do Viện Pháp y Quân đội cung cấp (với sự hỗ trợ dữ liệu từ BS. Nguyễn Trọng Toàn); các thử nghiệm tính toán được tiến hành tại Phòng thí nghiệm Tương tác Người - Máy, Trường Đại học Công nghệ, ĐHQGHN và Viện Công nghệ Thông tin - Viện Khoa học và Công nghệ Việt Nam.
• Phạm vi thời gian: Luận án hoàn thành và bảo vệ vào năm 2013, sử dụng hệ thống tài liệu và công nghệ đồ họa máy tính, thị giác máy tính giai đoạn từ thập niên 1970 đến năm 2012.

---

Tổng quan tài liệu và vị trí của luận án

Các hướng nghiên cứu phục dựng sọ - mặt trong y học và đồ họa

Tác giả phân tích lịch sử phục dựng khuôn mặt từ sọ qua hai giai đoạn: phương pháp thủ công truyền thống và phương pháp có trợ giúp của máy tính.

Nhóm phương pháp	Tác giả tiêu biểu và công trình	Kỹ thuật và đóng góp chính
Phục dựng thủ công	His (1895) [33]	Sử dụng kim thép mỏng gắn miếng cao su đâm xuyên qua mô mềm trên tử thi đến xương để đo độ dày mô tại các mốc giải phẫu.
	Kollmann và Buchly (1898) [40]	Mở rộng phương pháp của His; phân loại độ dày mô mềm thành bốn nhóm thể trạng: mỏng, rất mỏng, nuôi dưỡng tốt, nuôi dưỡng rất tốt; phân tích sự sai khác theo giới tính ở người Caucasoid.
	Krogman (1962) [41]	Hệ thống hóa nền tảng lý thuyết phục dựng khuôn mặt từ sọ; đúc lại sọ thạch cao và phối hợp thợ điêu khắc đắp mô mặt theo bảng số đo nhân trắc.
	Lebedinskaya và cộng sự (1993) [42]	Nghiên cứu mối quan hệ giữa hình thái hộp sọ và bề mặt da trên các nhóm chủng tộc khác nhau.
	Taylor (2001) [82]	Tác phẩm "Forensic Art and Illustration" mô tả quy trình phục dựng 2D và 3D dựa trên nhân trắc sọ, chuẩn hóa thực hành pháp y.
	Altemus (1968) [5]; Rhine và Campbell (1980) [72]	Altemus đo độ dày mô mềm từ 13 phép đo trên phim X-quang sọ nghiêng của 50 trẻ em; Rhine và Campbell đo đạc trên 59 tử thi người Mỹ da đen không ướp (44 nam, 15 nữ).
Xếp chồng ảnh/video	Pesce Delfino và cộng sự [26], Nickerson và cộng sự [53]	Đặt hộp sọ lên bàn xoay, dùng máy quay, bộ trộn video số để xếp chồng ảnh chân dung 2D hoặc video lên hộp sọ nhằm so sánh kích thước sọ não và diện mạo.
Phục dựng bằng máy tính	Nhóm giải phẫu: Waters [90]	Mô phỏng chính xác cấu trúc sinh học gồm các lớp cơ, tuyến, sụn và lớp da; tái tạo sống động nhưng đòi hỏi tri thức chuyên sâu và tính toán phức tạp.
	Nhóm độ dày mô mềm: Archer [7], Kahler [36], Miyasaka [50], Pei [69], Tu [83]	Cắm các chốt định vị có chiều dài bằng độ dày mô mềm tại các mốc nhân trắc lên mô hình sọ 3D, sau đó phủ biến dạng một mô hình mặt mẫu lên các đầu mút của chốt.

Các phương pháp biểu diễn bề mặt và tái tạo 3D từ ảnh

• Biểu diễn bề mặt: Coons [19] đề xuất biểu diễn bề mặt giải tích; Gouraud [25] giới thiệu lưới đa giác xấp xỉ bề mặt mặt người; Parke [63] phát triển mô hình mặt chuyển động gồm 250 đa giác và 400 đỉnh; các mô hình tham số chuẩn CANDIDE [73], CANDIDE-2 [89], CANDIDE-3 [4], và mô hình Greta [64] ứng dụng lưới tam giác dày cho vùng biểu cảm. Các mô hình spline, B-spline phân cấp [84] hoặc bề mặt Bézier trong phim hoạt hình "Tin Toy" [70] đảm bảo độ trơn mượt nhưng chi phí tính toán cao khi khử mặt ẩn. Luận án lựa chọn cấu trúc lưới tam giác do tính linh hoạt, thuận tiện cho các thuật toán tô bóng, chiếu sáng đồ họa.
• Tái tạo mô hình ba chiều từ ảnh: Dựa trên đối sánh ảnh qua hình học epipolar [21, 23, 68, 74]; hiệu chuẩn camera bằng bàn cờ caro của Park và Jain [62]; sử dụng cửa sổ tương quan và tìm kiếm thích nghi kết hợp biến đổi wavelet [79] hoặc quy hoạch động của Fu và Da [22]. Phương pháp dựa trên nguồn sáng (Photometric Stereo) phân tích phản xạ Lambert từ ít nhất ba nguồn sáng cố định [78] hoặc kết hợp nhận diện vị trí mắt [49].

Khoảng trống nghiên cứu được lựa chọn giải quyết

Luận án tập trung khắc phục ba hạn chế cụ thể chưa được giải quyết đồng bộ trong các công trình trước đó:

1. Thiếu thuật toán tái tạo mô hình sọ 3D từ ảnh chụp 2D thông thường có khả năng phát hiện và bù trừ sai số trượt (sliding error) do trích chọn đặc trưng biên gây ra.
2. Sự phụ thuộc vào bảng giá trị trung bình tĩnh của độ dày mô mềm, chưa thiết lập được quan hệ hàm số giữa số đo trực tiếp của hộp sọ với độ dày mô mềm tương ứng của từng cá nhân.
3. Thiếu công cụ trích chọn tự động các mốc đặc trưng góc và cạnh trên lưới bề mặt tam giác của hộp sọ để thay thế thao tác thủ công.

---

Cơ sở lý thuyết và phương pháp nghiên cứu

Cơ sở lý thuyết và khung phân tích

• Hình học Epipolar và phép chiếu: Xác định quan hệ hình học giữa các ảnh chụp liên tiếp quanh hộp sọ thông qua ma trận cơ bản (Fundamental Matrix) và ma trận thiết yếu, giúp khôi phục tọa độ ba chiều từ các cặp điểm đặc trưng tương ứng.
• Hàm bán kính cơ sở (Radial Basis Function - RBF) và Thin-Plate Spline (TPS): Khung toán học dùng để biến dạng không gian bề mặt lưới đa giác mềm mại, bảo toàn tính liên tục hình học khi dịch chuyển các điểm điều khiển mốc sọ - mặt.
• Mô hình hồi quy tuyến tính và mạng nơ-ron nhân tạo: Công cụ toán học được dùng để xác lập mối tương quan giữa các kích thước nhân trắc sọ não (chiều rộng sọ, chiều cao mặt, khoảng cách hai gò má...) với độ dày mô mềm tại các điểm mốc trên khuôn mặt.
• Lý thuyết lọc không gian và nhân chập rời rạc trên lưới tam giác: Kết hợp thuật toán phân đoạn lát cắt (tập mức) và bộ lọc nhân chập đạo hàm bậc hai mở rộng (Extended Second Order Difference - ESOD) nhằm xác định vị trí biên và góc lồi/lõm của xương sọ.

Phương pháp nghiên cứu thực tế

• Thu thập dữ liệu thực nghiệm: Thu thập số liệu nhân trắc thực tế từ các ca giám định pháp y và hộp sọ khai quật; chụp ảnh số đa góc độ quanh hộp sọ thực trong điều kiện ánh sáng kiểm soát.
• Mô hình hóa hình học và đại số: Biểu diễn bề mặt hộp sọ và khuôn mặt mẫu bằng lưới tam giác. Xây dựng công thức ước lượng độ dày mô mềm $y = f(x_1, x_2, ..., x_k)$ bằng hồi quy tuyến tính và mạng nơ-ron đa tầng.
• Đánh giá định lượng sai số:
  • Đánh giá sai số vị trí bằng sai phương trung bình (Mean Square Error - MSE).
  • So sánh khoảng cách hình học giữa mô hình phục dựng từ ảnh với mô hình thu được từ thiết bị quét 3D chuẩn.
  • Phân tích sai số trượt của điểm đặc trưng trên các mặt phẳng chiếu ảnh liên tiếp.

---

Nội dung chính theo từng chương

Chương 2: Kiến thức cơ bản về dựng khuôn mặt từ hộp sọ

Chương này hệ thống hóa các khái niệm, quy trình và phương pháp luận cơ bản của bài toán phục dựng mặt từ sọ:

• Phân loại cách tiếp cận: Phân định rõ ràng ưu và nhược điểm giữa phương pháp giải phẫu sinh học (Anatomical method) và phương pháp dựa trên độ dày mô mềm (Tissue depth method). Tác giả lựa chọn phương pháp dựa trên độ dày mô mềm có máy tính hỗ trợ vì không đòi hỏi tri thức y sinh quá phức tạp về từng bó cơ, thời gian thực thi nhanh và tận dụng được năng lực tính toán thống kê.
• Quy trình chuẩn ba giai đoạn có máy tính trợ giúp:
  1. Xây dựng mô hình ba chiều của bề mặt hộp sọ;
  2. Xác định các mốc nhân trắc trên sọ và gán giá trị độ dày mô mềm tương ứng (thông qua các chốt ảo);
  3. Biến đổi mô hình ba chiều khuôn mặt mẫu để làm khớp với hệ thống chốt độ dày mô mềm nhằm tạo ra diện mạo cuối cùng.
• Lựa chọn phương pháp biểu diễn bề mặt: Phân tích bốn kỹ thuật biểu diễn bề mặt (hàm hiện, hàm ẩn, bề mặt tham số Spline/B-spline/NURBS, và lưới đa giác). Luận án kết luận lựa chọn biểu diễn lưới tam giác (Triangular mesh) cho cả sọ và mặt vì tính toán nhanh, hỗ trợ tốt phần cứng đồ họa và dễ dàng phân bố mật độ đa giác linh hoạt (vùng chi tiết cao như mắt, miệng dùng nhiều tam giác; vùng phẳng như trán, má dùng ít tam giác hơn).

Chương 3: Dựng mô hình ba chiều của sọ từ ảnh

Chương 3 giải quyết bài toán tạo lập mô hình số hóa sọ 3D từ các bức ảnh 2D chụp quanh sọ thay cho máy quét đắt tiền:

• Phát hiện và phân tích lỗi trượt (Sliding error): Khi chụp ảnh sọ ở các góc quay khác nhau, các điểm biên nhìn thấy (silhouette/contour) trên ảnh 2D không cố định trên bề mặt vật thể mà bị "trượt" dọc theo bề mặt cong của sọ. Nếu coi các điểm đặc trưng này là cố định để tính toán đối sánh 3D sẽ gây ra sai số hình học lớn.
• Thuật toán tính và điều chỉnh đặc trưng sọ ba chiều: Tác giả xây dựng giải pháp phân tích vector tiếp tuyến và đường gióng epipolar giữa các cặp ảnh liên tiếp để đo lường độ dịch chuyển trượt, từ đó hiệu chỉnh tọa độ không gian của các điểm đặc trưng 3D về đúng vị trí thực tế trên bề mặt sọ.
• Biến đổi mô hình sọ mẫu bằng RBF: Sau khi đã có tập điểm đặc trưng 3D đã hiệu chỉnh lỗi trượt, mô hình sọ mẫu dạng lưới tam giác chuẩn được biến dạng dẻo thông qua mạng hàm RBF để khớp hoàn toàn với tập điểm này, tạo thành mô hình sọ 3D đích.
• Kết quả thực nghiệm: Luận án đối chiếu sai số trước và sau khi bù lỗi trượt trên các hộp sọ thực nghiệm, ghi nhận tại Bảng 3.1 cho thấy sai số trung bình và sai số lớn nhất của các điểm đặc trưng sọ 3D giảm rõ rệt sau bước điều chỉnh.

Chương 4: Dựng mô hình ba chiều khuôn mặt từ mô hình ba chiều của sọ

Chương 4 là phần trọng tâm về kỹ thuật tạo hình khuôn mặt từ mô hình sọ 3D thu được ở Chương 3:

• Xác định công thức tính độ dày mô mềm cá nhân hóa: Thay vì dùng bảng số đo trung bình tĩnh, tác giả sử dụng các phép hồi quy tuyến tính (Bảng 4.4) và mạng nơ-ron (Bảng 6.5) để dự đoán độ dày mô mềm tại các mốc giải phẫu chính từ các kích thước hình thái đo được trực tiếp trên sọ (chiều rộng lưỡng gò má, chiều cao mũi, kích thước vòm sọ...).
• Cơ chế cắm kim ảo và nội suy mô mềm bổ sung: Tại các vị trí mốc đo chuẩn trên sọ, các vector pháp tuyến có độ dài bằng độ dày mô mềm được thiết lập (tương đương kỹ thuật cắm chốt thủ công). Nhằm giải quyết tình trạng thiếu mốc đo ở các vùng trán, má, tác giả đề xuất giải pháp nội suy độ dày mô mềm tại các điểm trung gian dựa trên tương quan hình học với các mốc lân cận.
• Biến đổi mô hình khuôn mặt mẫu: Một mô hình khuôn mặt 3D chuẩn (Generic Face Model) được đưa vào hệ tọa độ chung, sau đó sử dụng biến dạng RBF bậc cao để kéo dãn các đỉnh của lưới mặt mẫu chạm vào các đầu mút của hệ thống kim đo độ dày mô mềm.

Mô hình sọ 3D --> Đo đạc kích thước sọ --> Dự báo độ dày mô mềm (Hồi quy/Nơ-ron)
      |                                              |
      v                                              v
Xác định mốc sọ -----------------------------> Cắm kim độ dày mô mềm
      |                                              |
      v                                              v
Nội suy mô mềm vùng thưa <---------------------------+
      |
      v
Biến dạng khuôn mặt mẫu (RBF) --> Mô hình mặt 3D kết quả

Chương 5: Trích chọn đặc trưng tự động trên mô hình ba chiều của sọ

Chương 5 loại bỏ sự can thiệp thủ công khi chấm các mốc nhân trắc trên bề mặt sọ 3D:

• Thuật toán phát hiện đặc trưng cạnh và điểm góc: Tác giả kết hợp kỹ thuật phân đoạn mô hình sọ thành các lát cắt phẳng (dùng hộp bao và các mặt cắt ngang song song) với phương pháp tập mức (Level Set).
• Ứng dụng toán tử vi phân trên lưới: Sử dụng các toán tử vi phân bậc hai mở rộng (ESOD), vi phân bậc hai (SOD), và góc giữa các đa thức xấp xỉ tốt nhất (ABBF/BFP) để tính toán độ cong cục bộ trên từng đa giác.
• Tự động gán nhãn mốc nhân trắc: Các điểm có độ cong cực trị hoặc điểm tiếp giáp đặc biệt trên các gờ xương (như gờ trên ổ mắt, gai mũi trước, điểm cằm...) được thuật toán tự động dò tìm và định danh, làm giảm thời gian chuẩn bị dữ liệu và hạn chế triệt để tính chủ quan của người thao tác.

Chương 6: Kết quả nghiên cứu và bàn luận

• Tổng kết toàn bộ chuỗi thuật toán từ ảnh chụp sọ 2D ban đầu đến mô hình khuôn mặt 3D hoàn chỉnh.
• Đối sánh độ chính xác của phương pháp đề xuất so với phương pháp sử dụng bảng độ dày mô mềm trung bình (Bảng 4.1).
• Trình bày trực quan hai mô hình khuôn mặt 3D kết quả (Hình 4.13) được phục dựng từ các hộp sọ thực nghiệm, chứng minh tính ổn định hình thái của khuôn mặt tại các vùng cằm, gò má và mắt.

---

Kết quả và những đóng góp mới

Luận án tự xác định ba đóng góp khoa học chính:

1. Về kỹ thuật số hóa sọ từ ảnh: Đề xuất thuật toán dựng mô hình ba chiều của sọ từ chuỗi ảnh hai chiều chụp xung quanh hộp sọ kết hợp giải pháp nhận diện và triệt tiêu lỗi trượt của điểm đặc trưng biên. Đóng góp này mang lại phương án tạo mô hình sọ 3D chi phí thấp, tính cơ động cao, không phụ thuộc vào thiết bị quét 3D đắt tiền.
2. Về kỹ thuật khôi phục khuôn mặt cá nhân hóa: Xây dựng quy trình dựng mô hình ba chiều khuôn mặt từ sọ dựa trên hàm bán kính cơ sở (RBF), trong đó độ dày mô mềm được ước lượng động từ các số đo kích thước trên sọ thông qua mô hình hồi quy và mạng nơ-ron, kết hợp thuật toán nội suy mô mềm tại các vùng thiếu mốc. Giải pháp này giúp khuôn mặt phục dựng giảm thiểu sai số biến dạng cục bộ, tăng tính cá nhân hóa và độ chân thực hình thái.
3. Về kỹ thuật tự động hóa nhận dạng mốc nhân trắc: Phát triển thuật toán tự động trích chọn các đặc trưng hình học dạng cạnh và góc trên lưới ba chiều của sọ bằng cách kết hợp phân đoạn lát cắt với phép nhân chập toán tử vi phân. Thuật toán hỗ trợ định vị chính xác các điểm mốc nhân trắc, loại bỏ sai lệch chủ quan do việc đánh dấu thủ công gây ra.

---

Hạn chế và hướng nghiên cứu tiếp

Dựa trên nội dung văn bản luận án, các hạn chế và hướng nghiên cứu mở rộng bao gồm:

• Về dữ liệu giải phẫu: Dữ liệu độ dày mô mềm và số đo nhân trắc sọ mới chỉ khảo sát trên quy mô mẫu hạn chế của người Việt Nam do Viện Pháp y Quân đội cung cấp; chưa bao quát đầy đủ sự đa dạng về các lứa tuổi, thể trạng béo/gầy và các nhóm nhân chủng khác nhau.
• Về chi tiết bề mặt: Quy trình tập trung chủ yếu vào việc khôi phục hình dạng hình học tổng thể (Geometry shape) của khuôn mặt; các chi tiết diện mạo tinh tế như nếp nhăn, kết cấu da, màu da, hình dạng tai, cánh mũi và mắt vẫn phụ thuộc vào việc dán ảnh phủ bề mặt (Texture mapping) từ khuôn mặt mẫu.
• Về tính toán mô phỏng cơ sinh học: Phương pháp dựa trên độ dày mô mềm bỏ qua động học của các bó cơ biểu cảm khuôn mặt. Hướng phát triển tiếp theo là kết hợp phương pháp độ dày mô mềm với mô hình cấu trúc cơ vật lý đa lớp nhằm hỗ trợ tạo chuyển động biểu cảm cho khuôn mặt sau phục dựng.

---

Giá trị tham khảo

Luận án là tài liệu tham khảo có giá trị chuyên môn cao cho các nhóm đối tượng:

• Nghiên cứu sinh và học viên ngành Khoa học máy tính, Thị giác máy tính: Cung cấp chi tiết toán học và thuật toán thực thi về biến dạng bề mặt đa giác bằng RBF, Thin-Plate Splines, hình học epipolar từ ảnh 2D, và các toán tử vi phân trích chọn đặc trưng trên lưới tam giác (Chương 3, Chương 5, Phụ lục 2 và Phụ lục 3).
• Chuyên viên giám định pháp y và điều tra hình sự: Tham khảo quy trình số hóa hộp sọ tại hiện trường bằng máy ảnh thông thường và phương pháp tính toán độ dày mô mềm cá nhân hóa từ các kích thước sọ não (Chương 2, Chương 4, Bảng 4.4 và Bảng 6.5) phục vụ tái dựng chân dung nạn nhân vô danh.
• Nhà nghiên cứu khảo cổ học và nhân trắc học: Sử dụng phương pháp luận kết hợp giữa số liệu nhân trắc sọ mặt với kỹ thuật đồ họa 3D để tái tạo diện mạo các di cốt người cổ một cách khách quan.

---

Câu hỏi thường gặp

1. Tại sao luận án lựa chọn phương pháp dựa trên độ dày mô mềm thay vì phương pháp giải phẫu?

Theo tác giả trình bày tại phần Mở đầu và Mục 2.1, phương pháp giải phẫu đòi hỏi hiểu biết y sinh rất sâu rộng về cấu trúc của từng bó cơ, tuyến và sụn, đồng thời việc mô phỏng sắp xếp các lớp cơ rất tốn thời gian và công sức tính toán. Ngược lại, phương pháp dựa trên độ dày mô mềm không đòi hỏi quá sâu về cơ sinh học, tính toán nhanh hơn và tận dụng triệt để năng lực của máy tính trong việc thống kê, đo đạc và ước lượng các tham số nhân trắc từ dữ liệu hộp sọ.

2. "Lỗi trượt" (sliding error) trong Chương 3 là gì và ảnh hưởng thế nào đến mô hình sọ?

Lỗi trượt là sai số hình thái phát sinh khi trích chọn đặc trưng 2D trên các bức ảnh chụp quanh hộp sọ. Do bề mặt sọ cong mượt, điểm biên nhìn thấy trên ảnh chụp ở một góc này không cố định về mặt vật lý trên xương mà sẽ bị "trượt" sang vị trí khác khi đổi góc chụp. Nếu thuật toán coi đây là một điểm cố định trong không gian 3D, quá trình đối sánh sẽ tính sai tọa độ độ sâu, dẫn đến mô hình bề mặt sọ ba chiều bị méo mó, giảm độ chính xác.

3. Tác giả giải quyết vấn đề thiếu mốc đo nhân trắc ở các vùng như trán và má bằng cách nào?

Các nghiên cứu trước đây chỉ cắm kim đo tại các mốc nhân trắc có sẵn trong cơ sở dữ liệu, khiến các vùng ít mốc như trán và má có độ chính xác phục dựng thấp. Tác giả giải quyết bằng cách: (1) thiết lập công thức tính độ dày mô mềm từ số đo sọ bằng hồi quy tuyến tính và mạng nơ-ron; và (2) đưa ra cơ chế nội suy độ dày mô mềm tại các vị trí mới dựa trên quan hệ không gian với độ dày mô mềm tại các điểm mốc chuẩn xung quanh, tạo mạng lưới chốt đo phủ kín bề mặt.

4. Luận án sử dụng cấu trúc dữ liệu nào để biểu diễn bề mặt sọ và khuôn mặt?

Luận án sử dụng biểu diễn lưới đa giác, cụ thể là lưới tam giác (Triangular mesh), thay vì bề mặt tham số Spline bậc cao hay hàm ẩn. Ưu điểm của lưới tam giác là: dễ dàng phân bố mật độ đỉnh linh hoạt theo độ phức tạp của từng vùng giải phẫu (vùng mắt, miệng dùng nhiều tam giác; vùng má dùng ít tam giác hơn), tốc độ hiển thị nhanh, chi phí tính toán thấp và tương thích tối ưu với các thuật toán đồ họa xử lý mặt ẩn, chiếu sáng và tô bóng.

---

Kết luận

Luận án tiến sĩ của tác giả Ma Thị Châu đã giải quyết một cách có hệ thống bài toán tái tạo khuôn mặt người ba chiều từ hộp sọ thông qua các kỹ thuật tiên tiến của thị giác máy tính và xử lý hình học. Bằng việc đề xuất thuật toán bù trừ lỗi trượt khi dựng sọ từ ảnh, phương pháp ước lượng và nội suy độ dày mô mềm kết hợp biến dạng mạng RBF, cùng kỹ thuật tự động trích chọn đặc trưng góc/cạnh trên lưới sọ, công trình đã nâng cao đáng kể độ chính xác và tính tự động hóa của quy trình phục dựng. Kết quả nghiên cứu đóng góp thiết thực cho chuyên ngành Khoa học máy tính cũng như mở ra tiềm năng ứng dụng trực tiếp trong thực tiễn điều tra pháp y và khảo cổ học tại Việt Nam.