Luận án nghiên cứu phân cụm bán giám sát mờ trong phân đoạn ảnh nha khoa của Trần Mạnh Tuấn

Luận án tiến sỹ toán học nghiên cứu phương pháp phân cụm bán giám sát mờ trong phân đoạn ảnh nha khoa, ứng dụng và kết quả thực tiễn.

• Tác giả: Trần Mạnh Tuấn
• Người hướng dẫn: PGS. Lê Bá Dũng
• Trường học: Học viện Khoa học và Công nghệ
• Chuyên ngành: Cơ sở toán học cho tin học
• Đề tài: Nghiên Cứu Phương Pháp Phân Cụm Bán Giám Sát Mờ Trong Phân Đoạn Ảnh Nha Khoa
• Loại tài liệu: Luận án tiến sĩ
• Năm xuất bản: 2016
• Địa điểm: Hà Nội

Mục lục chi tiết

• MỞ ĐẦU
• 1. CHƯƠNG 1: TỔNG QUAN VỀ PHÂN CỤM BÁN GIÁM SÁT MỜ TRONG PHÂN ĐOẠN ẢNH NHA KHOA
• 1.1. Bài toán phân đoạn ảnh nha khoa
• 1.1.1. Ảnh X-quang nha khoa
• 1.1.2. Nhu cầu và ứng dụng trong y học
• 1.2. Tổng quan về các nghiên cứu liên quan
• 1.3. Một số kiến thức cơ sở
• 1.4. Phương pháp giải bài toán tối ưu đa mục tiêu
• 2. CHƯƠNG 2: MỘT SỐ THUẬT TOÁN PHÂN CỤM BÁN GIÁM SÁT MỜ CHO PHÂN ĐOẠN ẢNH NHA KHOA
• 2.1. Thuật toán phân cụm bán giám sát mờ lai ghép
• 2.1.1. Lược đồ tổng quan lai ghép
• 2.1.2. Thuật toán tách ngưỡng Otsu
• 2.1.3. Thuật toán phân cụm bán giám mờ lai ghép
• 2.1.4. Phân tích và đánh giá thuật toán phân cụm bán giám sát mờ lai ghép
• 2.2. Thuật toán phân cụm bán giám sát mờ có đặc trưng không gian
• 2.2.1. Lược đồ tổng quát
• 2.2.2. Xây dựng đặc trưng ảnh nha khoa
• 2.2.3. Xác định thông tin bổ trợ
• 2.2.4. Thuật toán phân cụm bán giám sát mờ SSFC-SC
• 2.2.5. Phân tích và đánh giá thuật toán SSFC-SC
• 2.3. Thuật toán phân cụm bán giám sát mờ giải nghiệm bằng thỏa dụng mờ
• 2.3.1. Thuật toán phân cụm bán giám sát mờ (SSFC-FS)
• 2.3.2. Các tính chất và hệ quả từ phân tích nghiệm của thuật toán
• 2.3.3. Phân tích và đánh giá thuật toán SSFC-FS
• 2.4. Xác định thông tin bổ trợ phù hợp cho thuật toán SSFC-FS
• 2.4.1. Lược đồ tổng quát
• 2.4.2. Xây dựng tập các hàm thông tin bổ trợ
• 2.4.3. Xác định hàm thông tin bổ trợ phù hợp cho ảnh nha khoa
• 3. CHƯƠNG 3: ĐÁNH GIÁ THỰC NGHIỆM
• 3.1. Mô tả dữ liệu ảnh X-quang nha khoa
• 3.1.1. Đặc tả dữ liệu
• 3.1.2. Xác định các đặc trưng của ảnh nha khoa
• 3.2. Độ đo và tiêu chí đánh giá kết quả
• 3.3. Các kết quả so sánh phân đoạn ảnh
• 3.3.1. Kết quả trên tập cơ sở dữ liệu ảnh nha khoa
• 3.3.2. Kết quả với các tham số thay đổi
• 3.4. Ứng dụng phân đoạn ảnh trong hỗ trợ chẩn đoán bệnh nha khoa
• 3.4.1. Mô hình hóa bài toán
• 3.4.2. Chọn phân đoạn có khả năng mắc bệnh
• 3.4.3. Chẩn đoán từng phân đoạn
• 3.4.4. Xây dựng bảng tổng hợp của các đoạn
• 3.4.5. Phân tích và đánh giá mô hình DDS
• 3.4.6. Kết quả thực nghiệm
• NHỮNG ĐÓNG GÓP MỚI CỦA LUẬN ÁN
• DANH MỤC CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về phân cụm bán giám sát mờ trong phân đoạn ảnh nha khoa

Phân đoạn ảnh nha khoa là một bước quan trọng trong việc hỗ trợ bác sĩ chẩn đoán các bệnh lý liên quan đến răng miệng. Phân đoạn ảnh giúp xác định các vùng khác nhau trong ảnh X-quang nha khoa, từ đó cung cấp thông tin cần thiết cho việc chẩn đoán. Các phương pháp phân đoạn truyền thống như phân ngưỡng và phân cụm thường gặp khó khăn trong việc xác định tham số ngưỡng chính xác. Do đó, phương pháp phân cụm bán giám sát mờ đã được phát triển để cải thiện độ chính xác trong việc phân đoạn ảnh nha khoa. Phương pháp này cho phép mỗi điểm dữ liệu có thể thuộc về nhiều cụm khác nhau với độ thuộc tương ứng, từ đó tạo ra một ma trận độ thuộc cho các điểm dữ liệu. Việc áp dụng thuật toán phân cụm mờ trong phân đoạn ảnh nha khoa đã cho thấy hiệu quả cao trong việc nhận diện các đặc trưng của ảnh, giúp bác sĩ có cái nhìn rõ hơn về tình trạng bệnh lý của bệnh nhân.

1.1. Bài toán phân đoạn ảnh nha khoa

Bài toán phân đoạn ảnh nha khoa liên quan đến việc chia nhỏ ảnh thành các vùng đồng nhất, giúp xác định vị trí và các đặc điểm của các đối tượng trong ảnh. Ảnh X-quang nha khoa thường được chia thành ba phần chính: phần răng, phần cấu trúc răng và phần nền. Mỗi phần có độ xám khác nhau, điều này làm cho việc phân đoạn trở nên phức tạp hơn so với các loại ảnh thông thường. Việc phân đoạn ảnh nha khoa không chỉ giúp bác sĩ chẩn đoán bệnh mà còn cung cấp thông tin giá trị cho việc điều trị. Các phương pháp phân đoạn hiện tại như phân ngưỡng và phân cụm thường gặp khó khăn trong việc xác định các tham số chính xác, do đó, việc áp dụng phân cụm bán giám sát mờ là cần thiết để cải thiện độ chính xác và hiệu quả trong phân đoạn ảnh nha khoa.

1.2. Nhu cầu và ứng dụng trong y học

Nhu cầu phân đoạn ảnh trong y học, đặc biệt là trong nha khoa, ngày càng tăng cao. Phân đoạn ảnh không chỉ giúp bác sĩ chẩn đoán chính xác các bệnh lý mà còn hỗ trợ trong việc lập kế hoạch điều trị. Ảnh X-quang nha khoa cung cấp thông tin quan trọng về tình trạng răng miệng của bệnh nhân, từ đó giúp bác sĩ đưa ra quyết định điều trị hợp lý. Việc áp dụng công nghệ phân cụm trong phân đoạn ảnh nha khoa đã cho thấy tiềm năng lớn trong việc cải thiện chất lượng chẩn đoán. Các nghiên cứu gần đây đã chỉ ra rằng việc sử dụng thuật toán phân cụm bán giám sát mờ có thể nâng cao độ chính xác trong việc phát hiện các bệnh lý như sâu răng, viêm lợi và các vấn đề khác liên quan đến răng miệng.

II. Một số thuật toán phân cụm bán giám sát mờ cho phân đoạn ảnh nha khoa

Các thuật toán phân cụm bán giám sát mờ đã được phát triển để giải quyết bài toán phân đoạn ảnh nha khoa. Một trong những thuật toán nổi bật là thuật toán phân cụm bán giám sát mờ lai ghép, kết hợp giữa các thông tin bổ trợ và các đặc trưng của ảnh nha khoa. Thuật toán này cho phép sử dụng thông tin từ người dùng để cải thiện độ chính xác của phân đoạn. Bên cạnh đó, thuật toán tách ngưỡng Otsu cũng được áp dụng để xác định các ngưỡng tối ưu cho việc phân đoạn. Việc kết hợp các phương pháp này giúp nâng cao hiệu quả phân đoạn ảnh, từ đó hỗ trợ bác sĩ trong việc chẩn đoán và điều trị. Các nghiên cứu đã chỉ ra rằng việc áp dụng thuật toán phân cụm bán giám sát mờ có thể cải thiện đáng kể độ chính xác và độ tin cậy của các kết quả phân đoạn.

2.1. Thuật toán phân cụm bán giám sát mờ lai ghép

Thuật toán phân cụm bán giám sát mờ lai ghép là một trong những phương pháp tiên tiến trong phân đoạn ảnh nha khoa. Phương pháp này kết hợp giữa các thông tin bổ trợ từ người dùng và các đặc trưng của ảnh để tạo ra các cụm chính xác hơn. Việc sử dụng ma trận độ thuộc cho phép mỗi điểm dữ liệu có thể thuộc về nhiều cụm khác nhau, từ đó tạo ra một cái nhìn tổng quát hơn về cấu trúc của ảnh. Kết quả từ thuật toán này cho thấy khả năng phân đoạn chính xác hơn so với các phương pháp truyền thống, giúp bác sĩ dễ dàng nhận diện các vùng bệnh lý trong ảnh X-quang nha khoa.

2.2. Thuật toán tách ngưỡng Otsu

Thuật toán tách ngưỡng Otsu là một phương pháp phổ biến trong phân đoạn ảnh, đặc biệt là trong lĩnh vực y học. Phương pháp này giúp xác định ngưỡng tối ưu để phân chia ảnh thành các vùng khác nhau. Trong bối cảnh phân đoạn ảnh nha khoa, thuật toán Otsu có thể được áp dụng để tách biệt các vùng răng và nền, từ đó hỗ trợ bác sĩ trong việc chẩn đoán. Kết quả từ việc áp dụng thuật toán này cho thấy khả năng phân đoạn chính xác và hiệu quả, giúp nâng cao chất lượng chẩn đoán và điều trị cho bệnh nhân.

III. Đánh giá thực nghiệm

Đánh giá thực nghiệm là một phần quan trọng trong nghiên cứu về phân đoạn ảnh nha khoa. Các kết quả thực nghiệm cho thấy rằng việc áp dụng thuật toán phân cụm bán giám sát mờ mang lại hiệu quả cao trong việc phân đoạn ảnh X-quang nha khoa. Các tiêu chí đánh giá như độ chính xác, độ nhạy và độ đặc hiệu được sử dụng để so sánh hiệu năng của các thuật toán. Kết quả cho thấy rằng các phương pháp mới đề xuất có thể cải thiện đáng kể độ chính xác trong việc phân đoạn ảnh, từ đó hỗ trợ bác sĩ trong việc chẩn đoán và điều trị. Việc xây dựng kho dữ liệu ảnh nha khoa cũng đóng vai trò quan trọng trong việc đánh giá và cải tiến các thuật toán phân đoạn.

3.1. Mô tả dữ liệu ảnh X quang nha khoa

Dữ liệu ảnh X-quang nha khoa được thu thập từ nhiều nguồn khác nhau, bao gồm các bệnh viện và phòng khám nha khoa. Các ảnh này được phân loại theo các bệnh lý khác nhau, từ đó tạo thành một kho dữ liệu phong phú cho việc nghiên cứu. Việc mô tả dữ liệu ảnh là cần thiết để hiểu rõ hơn về các đặc trưng của ảnh và cách mà các thuật toán phân đoạn có thể áp dụng. Các thông tin như kích thước ảnh, độ phân giải và các đặc điểm khác cũng được ghi nhận để phục vụ cho việc phân tích và đánh giá.

3.2. Kết quả so sánh phân đoạn ảnh

Kết quả so sánh giữa các phương pháp phân đoạn ảnh cho thấy rằng thuật toán phân cụm bán giám sát mờ có độ chính xác cao hơn so với các phương pháp truyền thống. Các độ đo như độ chính xác, độ nhạy và độ đặc hiệu được sử dụng để đánh giá hiệu năng của từng phương pháp. Kết quả cho thấy rằng việc áp dụng các phương pháp mới không chỉ cải thiện độ chính xác mà còn giúp bác sĩ có cái nhìn rõ hơn về tình trạng bệnh lý của bệnh nhân. Điều này chứng tỏ rằng phân đoạn ảnh nha khoa là một lĩnh vực đầy tiềm năng và cần được nghiên cứu sâu hơn.

Nội dung chính

Tổng quan luận án

Luận án tiến sĩ toán học của tác giả Trần Mạnh Tuấn có tiêu đề "Nghiên cứu một số phương pháp phân cụm bán giám sát mờ trong phân đoạn ảnh nha khoa", được thực hiện tại Học viện Khoa học và Công nghệ thuộc Viện Hàn lâm Khoa học và Công nghệ Việt Nam vào năm 2016, dưới sự hướng dẫn của tập thể cán bộ khoa học gồm PGS. Lê Bá Dũng và TS. Vũ Như Lân. Luận án thuộc chuyên ngành Cơ sở toán học cho tin học, mã số đào tạo 62 46 01 10.

Tính cấp thiết của đề tài xuất phát từ yêu cầu thực tiễn trong nha khoa thực hành và y học chẩn đoán. Phân đoạn ảnh nha khoa là bước tiền xử lý then chốt giúp bác sĩ chẩn đoán hiệu quả các bệnh quanh răng (viêm chân răng, bệnh nha chu, viêm túi răng, răng mọc ngầm) và phục vụ các ứng dụng y sinh học khác như giám định pháp y dựa trên đặc điểm nha khoa, ước lượng tuổi hay phân tích mảng bám răng. Về mặt vật lý và giải phẫu, cấu trúc ảnh X-quang nha khoa rất phức tạp, bao gồm ba phần chính: phần răng có độ xám cao nhất; phần cấu trúc răng có độ xám trung bình gồm lợi răng, xương, tủy và xi măng; phần nền có độ xám nhỏ nhất. Do tạp chất, độ tương phản thấp và sai số trong quá trình quét quang học, việc phân đoạn gặp nhiều khó khăn.

Khoảng trống nghiên cứu được luận án chỉ ra là: các kỹ thuật phân đoạn ảnh dựa trên ngưỡng toàn cục khó xác định tham số tối ưu và không xử lý được các vùng khuyết thiếu như lỗ trống của răng bị mất; các kỹ thuật phân cụm mờ kinh điển chưa tích hợp thông tin không gian cục bộ; đặc biệt, các nghiên cứu trước đó chưa từng áp dụng phương pháp phân cụm bán giám sát mờ cho ảnh X-quang y tế nói chung và ảnh X-quang nha khoa nói riêng.

Mục tiêu tổng quát của luận án là nghiên cứu ứng dụng và đề xuất các thuật toán cải tiến thuộc họ phân cụm bán giám sát mờ cho bài toán phân đoạn ảnh nha khoa, khai thác thông tin không gian và các đặc trưng quang học nhằm nâng cao chất lượng phân đoạn và hỗ trợ chẩn đoán bệnh.

Các nhiệm vụ nghiên cứu cụ thể được đánh số trong luận án bao gồm:

1. Đề xuất các phương pháp phân đoạn ảnh nha khoa dựa trên phân cụm bán giám sát mờ lai ghép giữa kỹ thuật xử lý ảnh tách ngưỡng Otsu, phân cụm mờ và phân cụm bán giám sát mờ theo entropy.
2. Đề xuất thuật toán phân cụm bán giám sát mờ có sử dụng đặc trưng không gian của ảnh nha khoa vào bài toán phân đoạn ảnh (SSFC-SC).
3. Vận dụng các phương pháp giải bài toán tối ưu đa mục tiêu (phương pháp nhân tử Lagrange và phương pháp thỏa dụng mờ tương tác) để giải bài toán phân cụm bán giám sát mờ, từ đó chứng minh các định lý, mệnh đề và tính chất nghiệm tối ưu Pareto (SSFC-FS).
4. Xây dựng kho dữ liệu các hàm xác định thông tin bổ trợ và đề xuất phương pháp lựa chọn hàm thông tin bổ trợ tương thích với từng ảnh đầu vào (SSFC-FSAI).
5. Thu thập, chuẩn hóa dữ liệu ảnh X-quang nha khoa thực tế, cài đặt thực nghiệm các thuật toán cải tiến và xây dựng mô hình hệ thống hỗ trợ chẩn đoán nha khoa (DDS).

Đối tượng nghiên cứu là các mô hình giải thuật phân cụm bán giám sát mờ, các kỹ thuật tối ưu hóa toán học và dữ liệu ảnh X-quang nha khoa. Phạm vi không gian của dữ liệu khảo sát là các phim chụp X-quang răng hàm mặt được thu thập và tư vấn chuyên môn bởi PGS. Võ Trương Như Ngọc tại Viện Đào tạo Răng Hàm Mặt thuộc Trường Đại học Y Hà Nội. Phạm vi thời gian nghiên cứu và thực nghiệm được tiến hành đến thời điểm hoàn thành luận án năm 2016.

Tổng quan tài liệu và vị trí của luận án

Tổng quan tài liệu trong luận án phân loại các hướng tiếp cận phân đoạn ảnh thành hai nhóm chính: nhóm kỹ thuật xử lý ảnh hình thức và nhóm kỹ thuật khai phá dữ liệu bằng phân cụm.

Ở nhóm kỹ thuật xử lý ảnh, các phương pháp tách ngưỡng và dò biên được đề cập qua các công trình của Gonzalez và Woods (2002), Otsu (1975) với thuật toán tách ngưỡng cực tiểu hóa phương sai nội lớp, Rad, Rahim và Norouzi (2014) với ứng dụng phân đoạn răng trên ảnh toàn cảnh, Haralick và Shapiro (1985), Jain (1989), cùng các nghiên cứu phân tích ảnh răng của Nomir và Abdel-Mottaleb (2005, 2007, 2008). Luận án nhận định các kỹ thuật này phụ thuộc chặt chẽ vào việc chọn ngưỡng cố định và gặp trở ngại lớn khi ảnh chụp có viền răng mờ hoặc có các lỗ khuyết mô cứng.

Ở nhóm kỹ thuật phân cụm, phương pháp phân cụm mờ Fuzzy C-Means (FCM) của Bezdek (1981) cho phép một điểm ảnh thuộc về nhiều cụm với các độ thuộc khác nhau trong đoạn [0, 1]. Tuy nhiên, FCM chuẩn rất nhạy cảm với nhiễu và chưa tận dụng các tri thức ngoại cảnh. Vấn đề tích hợp thông tin bổ trợ để định hướng phân cụm dẫn đến sự ra đời của phân cụm bán giám sát. Zhang (2004) hệ thống hóa ba dạng thông tin bổ trợ: các ràng buộc cặp Must-link và Cannot-link, nhãn lớp biết trước của một phần dữ liệu, và ma trận độ thuộc được xác định trước. Yasunori và cộng sự (2009) đề xuất thuật toán phân cụm bán giám sát mờ chuẩn (SSSFC) bổ sung ma trận độ thuộc định sẵn vào hàm mục tiêu. Yin (2012) hiệu chỉnh thành phần entropy để hình thành thuật toán eSFCM, sử dụng khoảng cách Mahalanobis để nâng cao hiệu năng. Bouchachia và Pedrycz (2006) đề xuất thuật toán SSFCMBP khai thác tri thức giám sát qua các ma trận biến đổi trung gian.

Tại Việt Nam, các nghiên cứu về phân cụm mờ và xử lý ảnh được điểm lại gồm: Ngô Thành Long và cộng sự (2012) với thuật toán phân cụm bán giám sát mờ loại 2 cho ảnh viễn thám; Lê Hoàng Sơn và cộng sự (2012, 2013) nghiên cứu phân cụm mờ dựa trên gradient trên dữ liệu chuẩn UCI và phân tích dữ liệu địa lý dân cư; Phạm Huy Thông và Lê Hoàng Sơn (2014) đề xuất thuật toán phân cụm mờ bức tranh. Luận án chỉ rõ các công trình trong nước này mới chỉ dừng lại ở tập dữ liệu chuẩn hoặc ảnh vệ tinh, chưa nghiên cứu trên ảnh y tế X-quang nha khoa.

Khoảng trống học thuật mà luận án lựa chọn giải quyết là: xây dựng cơ chế tự động chuyển đổi thông tin phân cụm mờ thành ma trận bổ trợ bán giám sát; tích hợp đồng thời vector đặc trưng không gian và kết cấu cục bộ vào bài toán tối ưu; vận dụng phương pháp thỏa dụng mờ để dung hòa nhiều mục tiêu phân cụm mâu thuẫn; và tự động hóa việc chọn hàm bổ trợ theo đặc tính của từng ảnh chụp X-quang.

Cơ sở lý thuyết và phương pháp nghiên cứu

Luận án sử dụng các hệ thống lý thuyết và công cụ phân tích toán học sau:

• Lý thuyết tập mờ: Khởi xướng bởi Zadeh (1965), tập mờ $A$ trên không gian nền $X$ được xác định bởi hàm liên thuộc $\mu_A(x) \in [0, 1]$. Luận án sử dụng các toán tử chuẩn T-norm (phép giao mờ: Min, dạng tích, chuẩn Lukasiewicz), chuẩn S-norm (phép hợp mờ: Max, tổng đại số, chuẩn Lukasiewicz) và toán tử phủ định mờ.
• Lý thuyết phân cụm mờ và bán giám sát mờ:
  • Thuật toán FCM: Tối thiểu hóa hàm mục tiêu: $$J_{FCM} = \sum_{k=1}^N \sum_{j=1}^C u_{kj}^m |x_k - v_j|^2$$ thỏa mãn ràng buộc $\sum_{j=1}^C u_{kj} = 1, u_{kj} \in [0, 1]$, với $m$ là tham số mờ hóa, $v_j$ là tâm cụm thứ $j$, $u_{kj}$ là độ thuộc của điểm ảnh $x_k$ vào cụm $j$.
  • Thuật toán SSSFC: Đưa ma trận độ thuộc bổ trợ $\bar{u}{kj}$ vào hàm mục tiêu dưới dạng sai khác $(u{kj} - \bar{u}_{kj})^m$.
  • Thuật toán eSFCM: Tích hợp thành phần chính quy hóa entropy: $$J_{eSFCM} = \sum_{k=1}^N \sum_{j=1}^C u_{kj} |x_k - v_j|A^2 + \lambda^{-1} \sum{k=1}^N \sum_{j=1}^C (u_{kj} - \bar{u}{kj}) \ln(u{kj} - \bar{u}_{kj})$$ kết hợp ma trận hiệp phương sai mẫu $P$ và khoảng cách Mahalanobis $|x_k - v_j|_A^2$.
• Lý thuyết tối ưu hóa:
  • Phương pháp nhân tử Lagrange: Thiết lập hàm Lagrange $L(x, y; \lambda) = f(x, y) + \lambda \phi(x, y)$, giải hệ phương trình đạo hàm riêng bậc nhất và xét dấu vi phân cấp hai $d^2L$ để tìm điểm cực tiểu có điều kiện.
  • Phương pháp thỏa dụng mờ tương tác (Sakawa et al.): Giải bài toán quy hoạch toán học đa mục tiêu $\min {z_1(x), z_2(x), \dots, z_p(x)}$. Phương pháp tách các bài toán con, lập bảng pay-off để xác định cận trên $z_i^U$ và cận dưới $z_i^L$, thiết lập hàm thỏa dụng thành phần $\mu_i(z_i) = \frac{z_i^U - z_i}{z_i^U - z_i^L}$, sau đó tổng hợp thành hàm thỏa dụng kết hợp với bộ trọng số $b = (b_1, b_2, \dots, b_p)$ thỏa mãn $\sum b_i = 1$ để tìm nghiệm tối ưu Pareto.

Phương pháp nghiên cứu thực tế là tiếp cận định lượng kết hợp mô hình hóa thuật toán và kiểm chứng thực nghiệm tính toán:

• Xử lý ảnh: Kỹ thuật tách ngưỡng nhị phân Otsu; trích xuất đặc trưng kết cấu cục bộ bằng mẫu nhị phân cục bộ (Local Binary Patterns - LBP); xây dựng cửa sổ không gian thích ứng xung quanh điểm ảnh.
• Đo lường và đánh giá: Hệ thống độ đo gồm hai nhóm:
  • Nhóm tiêu chí đánh giá phân cụm: Ball and Hall (BH), Banfield-Raftery (BR), Calinski-Harabasz (CH), Davies-Bouldin (DB), Pakhira-Bandyopadhyay-Maulik (PBM), Simplified Silhouette Width Criterion (SSWC).
  • Nhóm tiêu chí đánh giá sai số phân đoạn: Sai số bình phương trung bình (Mean Squared Error - MSE) và sai số tuyệt đối trung bình (Mean Absolute Error - MAE).

Nguồn dữ liệu nghiên cứu là bộ cơ sở dữ liệu ảnh chụp X-quang nha khoa thực tế bao gồm phim cắn cánh, phim quanh chóp và phim toàn cảnh panorama, được thu thập từ bệnh nhân lâm sàng tại Viện Đào tạo Răng Hàm Mặt, Đại học Y Hà Nội.

Nội dung chính theo từng chương

Chương 1: Tổng quan về phân cụm bán giám sát mờ trong phân đoạn ảnh nha khoa

Chương 1 hệ thống hóa cơ sở lý luận về ảnh X-quang nha khoa và các kỹ thuật xử lý dữ liệu mờ. Tác giả phân tích cấu trúc quang học ba thành phần của ảnh X-quang răng và chỉ ra nguyên nhân gây suy giảm độ chính xác phân đoạn như độ tương phản thấp, can nhiễu tán xạ tia X, sự chồng lấn giữa xương hàm và chân răng.

Chương này trình bày chi tiết thuật toán tách ngưỡng Otsu và ba thuật toán phân cụm bán giám sát mờ tiêu biểu:

• Thuật toán SSSFC với quy tắc cập nhật độ thuộc trong hai trường hợp $m > 1$ và $m = 1$.
• Thuật toán eSFCM với ma trận nghịch đảo hiệp phương sai $A = P^{-1}$ và công thức cập nhật ma trận độ thuộc dựa trên hàm mũ của khoảng cách Mahalanobis.
• Thuật toán SSFCMBP sử dụng ma trận phân lớp phụ trợ $M$ và cập nhật lặp qua các lớp cụm $H$.

Bên cạnh đó, chương 1 thiết lập khung toán học tối ưu đa mục tiêu gồm phương pháp nhân tử Lagrange và quy trình lặp của phương pháp thỏa dụng mờ tương tác, làm tiền đề lý thuyết cho các thuật toán được xây dựng ở chương sau.

Chương 2: Một số thuật toán phân cụm bán giám sát mờ cho phân đoạn ảnh nha khoa

Chương 2 trình bày các đóng góp trọng tâm về mặt thuật toán của luận án, bao gồm bốn mô hình:

1. Thuật toán phân cụm bán giám sát mờ lai ghép (Otsu - FCM - eSFCM): Lược đồ hoạt động gồm bốn bước: kiểm tra và áp dụng thuật toán Otsu để loại bỏ vùng nền có cấp xám nhỏ nhất; áp dụng thuật toán FCM trên vùng ảnh thực để thu được ma trận độ thuộc sơ bộ $U_{FCM}$; loại bỏ các giá trị độ thuộc cực tiểu tại mỗi điểm ảnh để thiết lập ma trận thông tin bổ trợ $\bar{U}$; áp dụng thuật toán eSFCM với thông tin bổ trợ $\bar{U}$ để xuất ra ảnh phân đoạn cuối cùng. Mô hình này giải quyết được vấn đề loại trừ nền nhanh và cung cấp thông tin dẫn đường cho eSFCM mà không cần gán nhãn thủ công.

2. Thuật toán phân cụm bán giám sát mờ có đặc trưng không gian (SSFC-SC): Tác giả mở rộng vector đặc trưng của mỗi điểm ảnh bằng cách kết hợp cấp xám, kết cấu LBP và thông tin không gian trong cửa sổ lân cận thích ứng. Hàm mục tiêu tích hợp ràng buộc khoảng cách không gian giữa điểm ảnh với tâm cụm và các điểm lân cận. Áp dụng phương pháp nhân tử Lagrange, luận án thiết lập hệ phương trình vi phân và giải ra công thức giải tích xác định tâm cụm tối ưu $v_j$ và ma trận độ thuộc $u_{kj}$.

3. Thuật toán phân cụm bán giám sát mờ giải nghiệm bằng thỏa dụng mờ (SSFC-FS): Luận án mô hình hóa việc phân đoạn ảnh nha khoa thành bài toán tối ưu đa mục tiêu: vừa cực tiểu hóa tổng bình phương khoảng cách có trọng số trong cụm, vừa tối ưu hóa mức độ thỏa mãn thông tin bổ trợ và ràng buộc không gian. Thay vì gộp hàm bằng tổng trọng số tĩnh, thuật toán giải các bài toán đơn mục tiêu riêng biệt, lập bảng pay-off để xác định dải giá trị $[z_i^L, z_i^U]$, sau đó sử dụng phương pháp thỏa dụng mờ tương tác với bộ trọng số thỏa dụng $b = (b_1, b_2, b_3)$ để dẫn xuất nghiệm tối ưu Pareto cho ma trận độ thuộc và tâm cụm.

4. Phương pháp xác định thông tin bổ trợ phù hợp (SSFC-FSAI): Luận án xây dựng tập các hàm thông tin bổ trợ khả dĩ cho ảnh X-quang nha khoa. Để tránh việc chọn hàm bổ trợ tùy tiện, phương pháp tính toán giá trị mờ trực giác (Intuitionistic Fuzzy Value - IFV) trên dữ liệu ảnh thực nghiệm và đối chiếu với IFV lý thuyết. Hàm bổ trợ nào có độ tương thích cao nhất sẽ được tự động gán cho thuật toán SSFC-FS.

Chương 3: Đánh giá thực nghiệm

Chương 3 trình bày các kết quả thử nghiệm số, kiểm chứng các thuật toán đề xuất trên bộ dữ liệu ảnh X-quang nha khoa gồm các nhóm bệnh nhân khác nhau được cung cấp từ Đại học Y Hà Nội.

Thực nghiệm tiến hành khảo sát sự thay đổi của các tham số: số cụm phân đoạn $C \in {3, 5}$, tham số mờ hóa $m$, và các bộ tham số thỏa dụng $(b_1, b_2, b_3)$. Hiệu năng phân đoạn được đối sánh trực tiếp giữa các thuật toán đề xuất (mô hình lai ghép, SSFC-SC, SSFC-FS, SSFC-FSAI) với các thuật toán đối chứng (Otsu, FCM, SSSFC, eSFCM, SSFCMBP).

Bảng dưới đây tổng hợp các tiêu chí đánh giá phân cụm và sai số phân đoạn được luận án sử dụng trong việc so sánh hiệu năng giữa các thuật toán:

Nhóm tiêu chí	Tên độ đo / Ký hiệu	Ý nghĩa đánh giá trong luận án
Đánh giá phân cụm	Ball and Hall (BH)	Đo lường độ phân tán trung bình của các phần tử trong cụm so với tâm
Đánh giá phân cụm	Banfield-Raftery (BR)	Đo lường tính đồng nhất của cụm dựa trên ma trận hiệp phương sai
Đánh giá phân cụm	Calinski-Harabasz (CH)	Tỷ số giữa độ biến thiên giữa các cụm và độ biến thiên nội cụm
Đánh giá phân cụm	Davies-Bouldin (DB)	Đánh giá tỷ lệ khoảng cách nội cụm trên khoảng cách giữa các tâm cụm
Đánh giá phân cụm	Pakhira-Bandyopadhyay-Maulik (PBM)	Đo lường sự tách biệt giữa các cụm và mức độ chặt chẽ nội cụm
Đánh giá phân cụm	Simplified Silhouette (SSWC)	Tiêu chí bề rộng bóng mờ rút gọn, đánh giá mức độ gán cụm chuẩn xác
Sai số phân đoạn	Mean Squared Error (MSE)	Sai số bình phương trung bình giữa ảnh gốc và ảnh tái tạo phân đoạn
Sai số phân đoạn	Mean Absolute Error (MAE)	Sai số tuyệt đối trung bình giữa các phân vùng cấp xám

Kết quả thực nghiệm trên bộ dữ liệu thực tế cho thấy các thuật toán do luận án đề xuất đạt được các giá trị tối ưu vượt trội trên các chỉ số CH, DB, PBM, đồng thời giảm thiểu đáng kể sai số MSE và MAE so với FCM và các thuật toán bán giám sát mờ truyền thống. Khi kiểm tra tính ổn định với các bộ tham số $(b_1, b_2, b_3)$, thuật toán SSFC-FS duy trì chất lượng phân đoạn cao ở nhiều cấu hình khác nhau.

Ứng dụng thực tế của phân đoạn ảnh được luận án hiện thực hóa qua mô hình Hệ thống hỗ trợ chẩn đoán nha khoa (Dental Diagnosis System - DDS). Quy trình gồm: trích xuất các phân đoạn ảnh có dấu hiệu bệnh lý quanh răng; áp dụng thuật toán phân cụm cải tiến APC+ (Affinity Propagation Clustering cải tiến) để so khớp các phân vùng này với cơ sở dữ liệu mẫu bệnh; tổng hợp kết quả của từng phân đoạn để đưa ra kết luận chẩn đoán tổng thể cho toàn bộ ảnh X-quang của bệnh nhân.

Kết quả và những đóng góp mới

Theo công bố tại phần "Những đóng góp mới của luận án", công trình đạt được các kết quả cụ thể sau:

Về mặt lý thuyết và phương pháp:

1. Đề xuất quy trình phân đoạn ảnh nha khoa dựa trên mô hình lai ghép Otsu - FCM - eSFCM, khai thác kết quả phân cụm mờ để tự động sinh thông tin bổ trợ cho phân cụm bán giám sát mờ theo quy tắc entropy.
2. Đề xuất thuật toán phân cụm bán giám sát mờ tích hợp thông tin đặc trưng không gian (SSFC-SC), kết hợp kết cấu LBP và cửa sổ thích ứng, giải nghiệm giải tích bằng phương pháp nhân tử Lagrange.
3. Ứng dụng thành công lý thuyết tối ưu hóa đa mục tiêu bằng phương pháp thỏa dụng mờ tương tác vào bài toán phân cụm bán giám sát mờ (SSFC-FS), chứng minh điều kiện nghiệm và các tính chất tối ưu Pareto của ma trận độ thuộc và tâm cụm.
4. Xây dựng phương pháp lựa chọn hàm thông tin bổ trợ thích hợp cho thuật toán phân cụm bán giám sát mờ dựa trên giá trị mờ trực giác IFV (SSFC-FSAI).

Về mặt thực tiễn và ứng dụng:

1. Xây dựng bộ dữ liệu ảnh X-quang nha khoa được phân loại theo các nhóm bệnh thực tế từ nguồn bệnh nhân tại Viện Đào tạo Răng Hàm Mặt, Đại học Y Hà Nội.
2. Xây dựng mô hình hệ thống hỗ trợ chẩn đoán nha khoa DDS, tích hợp thuật toán phân đoạn ảnh đề xuất với thuật toán phân cụm APC+ để tự động nhận dạng và chẩn đoán các tổn thương bệnh lý trên phim chụp X-quang.
3. Các kết quả nghiên cứu trong luận án đã được công bố trong các bài báo khoa học trên các tạp chí và hội nghị chuyên ngành (bao gồm các công trình CT1 đến CT5 được liệt kê trong danh mục công bố của tác giả).

Hạn chế và hướng nghiên cứu tiếp

Về mặt hạn chế, văn bản luận án phản ánh các điểm sau:

• Thuật toán phân cụm bán giám sát mờ lai ghép ban đầu (Otsu - FCM - eSFCM) chưa khai thác được thành phần không gian cục bộ trong hàm mục tiêu.
• Các mô hình tối ưu đa mục tiêu giải bằng thỏa dụng mờ và nhân tử Lagrange có độ phức tạp tính toán tăng lên khi kích thước ảnh lớn và số lượng chiều đặc trưng tăng cao.
• Bộ tham số thỏa dụng $(b_1, b_2, b_3)$ trong thuật toán SSFC-FS vẫn cần được khảo sát qua các bước chọn lọc thực nghiệm để xác định bộ giá trị phù hợp nhất.
• Luận án mới chỉ tập trung nghiên cứu trên dữ liệu ảnh X-quang nha khoa hai chiều (2D), chưa mở rộng trực tiếp sang xử lý dữ liệu ảnh cắt lớp không gian ba chiều (3D Cone Beam CT).

Về hướng nghiên cứu tiếp:

• Nghiên cứu mở rộng các thuật toán phân cụm bán giám sát mờ có ràng buộc không gian cho dữ liệu ảnh nha khoa 3D và ảnh cắt lớp điện toán.
• Tự động hóa hoàn toàn quy trình xác định các trọng số trong hàm thỏa dụng mờ mà không cần can thiệp thử nghiệm bán thủ công.
• Tiếp tục phát triển và hoàn thiện hệ thống DDS, kết hợp phân đoạn ảnh mờ với các kỹ thuật học sâu để mở rộng danh mục chẩn đoán các bệnh lý nha chu và chỉnh nha phức tạp.

Giá trị tham khảo

Luận án có giá trị tham khảo rõ ràng đối với các nhóm đối tượng học thuật và ứng dụng sau:

• Nghiên cứu sinh, học viên cao học và giảng viên chuyên ngành Cơ sở toán học cho tin học, Khoa học máy tính và Toán ứng dụng: Luận án là tài liệu tham khảo chi tiết về việc kết hợp lý thuyết tập mờ, bài toán tối ưu hóa đa mục tiêu bằng thỏa dụng mờ tương tác và nhân tử Lagrange trong khai phá dữ liệu. Nội dung mục 2.2 và 2.3 với các bước thiết lập hàm mục tiêu và giải tích nghiệm là mẫu hình hữu ích cho các bài toán tối ưu phân cụm có ràng buộc.
• Kỹ sư công nghệ thông tin y tế và xử lý ảnh số: Có thể tham khảo lược đồ thuật toán lai ghép tại mục 2.1, thuật toán trích xuất đặc trưng LBP kết hợp cửa sổ không gian thích ứng, và quy trình xây dựng hệ thống chẩn đoán DDS phối hợp giữa phân đoạn ảnh và thuật toán phân cụm APC+.
• Bác sĩ chuyên khoa Răng Hàm Mặt và nhà nghiên cứu tin sinh y học: Cung cấp góc nhìn định lượng về cách thức máy tính phân rã cấu trúc phim X-quang nha khoa thành các vùng giải phẫu (răng, xương, mô mềm, nền), hỗ trợ việc phát hiện các tổn thương quanh răng và lỗ rỗng mô răng bị mất.

Câu hỏi thường gặp

1. Cấu trúc ảnh X-quang nha khoa được phân rã thành những thành phần nào và tại sao việc phân đoạn lại phức tạp hơn ảnh thông thường? Theo luận án, ảnh X-quang nha khoa gồm ba phần chính: phần răng có độ xám cao nhất; phần cấu trúc răng có độ xám trung bình (lợi, xương, tủy, xi măng); phần nền có độ xám nhỏ nhất. Phân đoạn phức tạp hơn ảnh thông thường do độ tương phản thấp, can nhiễu tán xạ, sự chuyển tiếp mờ giữa các mô cứng - mô mềm, và đặc biệt là sự xuất hiện của các lỗ trống do răng bị mất không thể tách được bằng các kỹ thuật ngưỡng đơn giản.

2. Thuật toán Otsu đóng vai trò gì trong mô hình phân cụm lai ghép Otsu - FCM - eSFCM? Thuật toán tách ngưỡng Otsu được sử dụng ở bước tiền xử lý để loại bỏ hoàn toàn vùng nền (vùng có giá trị độ xám nhỏ nhất) khỏi ảnh X-quang. Việc này giúp thu hẹp phạm vi tính toán cho các bước sau, giảm độ phức tạp không gian và giúp thuật toán phân cụm FCM và eSFCM tập trung xử lý chính xác trên vùng cấu trúc răng và bệnh lý.

3. Thông tin bổ trợ trong thuật toán eSFCM được luận án thiết lập như thế nào mà không cần gán nhãn thủ công? Thay vì yêu cầu chuyên gia gắn nhãn trước từng điểm ảnh, luận án sử dụng kết quả ma trận độ thuộc thu được từ thuật toán phân cụm mờ FCM sơ bộ. Sau đó, thuật toán loại bỏ các giá trị hàm thuộc nhỏ nhất tại mỗi điểm ảnh để tạo ra ma trận độ thuộc bổ trợ $\bar{U}$, dùng làm đầu vào hướng dẫn cho thuật toán phân cụm bán giám sát mờ eSFCM.

4. Thuật toán SSFC-FS giải quyết bài toán tối ưu đa mục tiêu bằng phương pháp nào? Thuật toán SSFC-FS áp dụng phương pháp thỏa dụng mờ tương tác (fuzzy satisficing method). Giải thuật giải các bài toán thành phần để lập bảng pay-off xác định cận trên và cận dưới của từng mục tiêu, xây dựng các hàm thỏa dụng mờ đơn lẻ $\mu_i(z_i)$, sau đó tổ hợp tuyến tính thành hàm thỏa dụng kết hợp với bộ trọng số thỏa dụng $(b_1, b_2, b_3)$ thỏa mãn $\sum b_i = 1$ để tìm kiếm nghiệm tối ưu Pareto.

5. Hệ thống DDS (Dental Diagnosis System) ứng dụng kết quả phân đoạn ảnh như thế nào để chẩn đoán bệnh? Hệ thống DDS lấy các phân vùng thu được từ quá trình phân đoạn ảnh nha khoa, lựa chọn các vùng có xác suất mang bệnh, sau đó sử dụng thuật toán phân cụm cải tiến APC+ để so sánh các vùng này với cơ sở dữ liệu mẫu bệnh có sẵn. Cuối cùng, hệ thống tổng hợp kết quả của từng phân đoạn riêng rẽ để đưa ra kết luận chẩn đoán bệnh chung cho toàn bộ phim chụp X-quang.

Kết luận

Luận án tiến sĩ của tác giả Trần Mạnh Tuấn đã giải quyết bài toán phân đoạn ảnh X-quang nha khoa thông qua việc phát triển hệ thống các thuật toán phân cụm bán giám sát mờ mới gồm mô hình lai ghép Otsu - FCM - eSFCM, SSFC-SC, SSFC-FS và SSFC-FSAI. Công trình kết hợp chặt chẽ giữa lý thuyết tập mờ, phương pháp tối ưu hóa đa mục tiêu bằng nhân tử Lagrange và thỏa dụng mờ tương tác với các đặc trưng không gian cục bộ của ảnh X-quang y tế. Kết quả thực nghiệm trên cơ sở dữ liệu lâm sàng từ Đại học Y Hà Nội chứng minh tính hiệu quả của các giải thuật thông qua các chỉ số phân cụm và độ chính xác phân đoạn, đồng thời khẳng định khả năng ứng dụng thực tế trong hệ thống hỗ trợ chẩn đoán nha khoa DDS.

Trích đoạn nội dung tài liệu

phần mở đầu và kết luận, luận án đƣợc cấu trúc thành ba chƣơng: Chƣơng 1 trình bày về tổng quan về phân cụm bán giám sát mờ trong bài toán phân đoạn ảnh. Đồng thời trình bày các lý thuyết cơ sở sử dụng trong quá trình học tập và nghiên cứu. Thông qua chƣơng này, luận án đƣa ra đƣợc cái nhìn tổng quan về bài toán nghiên cứu, các khái niệm và thuật toán cơ bản sử dụng trong nghiên cứu của luận án. Các đóng góp chính của luận án lần lƣợt đƣợc trình bày trong chƣơng 2, chƣơng 3.

Chƣơng 2 trình bày kết quả nghiên cứu các phƣơng pháp phân cụm bán giám sát mờ sử dụng cho phân đoạn ảnh nha khoa. Chƣơng này trình bày về phân cụm bán giám sát mờ lai ghép. Đặc biệt luận án còn trình bày đề xuất phát triển của phân cụm bán giám mờ có sử dụng thông tin đặc trƣng không gian và áp dụng phƣơng pháp nhân tử Lagrange và thỏa dụng mờ giải bài toán tối ƣu đa mục tiêu. Đồng thời, trong chƣơng 2, luận án xây dựng cách xác định thông tin bổ trợ phù hợp từng ảnh đầu vào để có đƣợc kết quả phù hợp nhất.

Chƣơng 3 trình bày các kết quả thực nghiệm thu đƣợc khi cài đặt các thuật toán phân cụm bán giám sát mờ đề xuất ở chƣơng 2 trên bộ dữ liệu ảnh X-quang nha khoa. Trong đó có trình bày về dữ liệu sử dụng và các tiêu chí đánh giá thông qua các độ đo. Các kết quả này đƣợc sử dụng để đánh giá hiệu năng của các thuật toán đề xuất và so sánh với các thuật toán khác đã đƣợc nghiên cứu gần đây đối với 4 các bài toán tƣơng tự. Ứng dụng của phân đoạn ảnh trong thiết kế hệ hỗ trợ chẩn đoán bệnh.

Cuối cùng, kết luận nêu những đóng góp, hƣớng phát triển, những vấn đề quan tâm và các công trình đã đƣợc công bố của luận án. TỔNG QUAN VỀ PHÂN CỤM BÁN GIÁM SÁT MỜ TRONG PHÂN ĐOẠN ẢNH NHA KHOA 1. Bài toán phân đoạn ảnh nha khoa 1. Khái niệm Phân đoạn ảnh là chia nhỏ một ảnh thành các vùng đồng nhất tạo nên ảnh hoặc các đối tƣợng [17], [52].

Phân đoạn ảnh thƣờng đƣợc sử dụng để xác định vị trí đối tƣợng (chẳng hạn nhƣ các loại cây trồng, khu vực đô thị, rừng của một hình ảnh vệ tinh, v.) và các đƣờng biên/ranh giới (đƣờng thẳng, đƣờng cong, v. Chính xác hơn, phân đoạn ảnh là quá trình gán nhãn cho mọi pixel trong ảnh mà những pixel có cùng nhãn thì có chung một số đặc điểm nhất định nào đó. Với phân đoạn ảnh nha khoa thì mục đích của phân đoạn ảnh nha khoa là bƣớc xử lý quan trọng trong nha khoa thực hành nhằm hỗ trợ bác sĩ chẩn đoán một cách hiệu quả các bệnh quanh răng nhƣ viêm chân răng, bệnh nha chu, viêm túi răng, v.1 cho thấy kết quả của phân đoạn ảnh X-quang nha khoa chia ảnh X- quang thành các vùng, vùng màu xanh trong ảnh phân đoạn có thể mắc một bệnh nha khoa nào đó mà các bác sỹ cần đặc biệt chú ý. Ảnh phân đoạn (a) Ảnh X-quang nha khoa; (b) Ảnh phân đoạn.

6 Kết quả của phân đoạn ảnh là một tập các phân đoạn mà nó bao trùm toàn bộ ảnh. Mỗi một điểm ảnh trong một phân đoạn là tƣơng đồng nhau về một số thuộc tính hoặc tính chất tính toán, ví dụ nhƣ màu sắc, cƣờng độ hoặc cách cấu tạo, v. Việc áp dụng với ảnh phân đoạn nha khoa ngƣời ta có thể xây dựng lên các ứng dụng nhƣ: hỗ trợ việc thu thập thông tin trong chẩn đoán bệnh nha khoa của bác sỹ, các đƣờng mức thu đƣợc sau khi phân đoạn ảnh có thể đƣợc sử dụng để tạo dựng thành 3D với sự giúp đỡ của các thuật toán nội suy để từ đó các bác sĩ có thể nắn chỉnh lại răng sao cho phù hợp v. Ảnh X-quang nha khoa Cơ quan của răng bao gồm răng và nha chu quanh răng là đơn vị hình thái và chức năng của bộ răng.

Răng là bộ phận trực tiếp nhai nghiền thức ăn, nha chu là bộ phận giữ và nâng đỡ răng đồng thời là bộ phận nhận cảm, tiếp nhận và dẫn truyền lực nhai. Răng gồm men, ngà (mô cứng) và tủy (mô mềm). Nha chu gồm xƣơng chân răng, men chân răng, dây chằng, xƣơng ổ răng, nƣớu (lợi), xƣơng. Bộ răng là một thể thống nhất thuộc hệ thống nhai tạo thành bởi sự sắp xếp có tổ chức của các cơ quan răng [2].

Mỗi răng có phần thân răng và chân răng. Giữa thân răng và chân răng là đƣờng cổ răng hay cổ răng giải phẫu là một đƣờng cong. Thân răng đƣợc bao bọc bởi men răng, chân răng đƣợc men chân răng bao phủ. Nƣớu răng viền xung quanh cổ răng tạo thành một bờ gọi là cổ răng sinh lý.

Phần răng thấy đƣợc trong miệng là thân răng lâm sàng. Cổ răng sinh lý thay đổi tùy theo nơi bám và bờ của viền nƣớu, khi tuổi càng cao thì nơi bám này càng có khuynh hƣớng di chuyển dần về phía chóp răng. Nhiều trƣờng hợp bệnh lý, nƣớu răng có thể bị sƣng hoặc trụt, làm thân răng bị ngắn lại hoặc dài ra [2]. Các thông tin về răng đƣợc hiển thị thông qua ảnh X-quang nha khoa.

Do đó ảnh X-quang nha khoa là một trong các công cụ chính để trợ giúp các nha sĩ thu đƣợc các thông tin nha khoa. Ảnh X-quang nha khoa có thể trợ giúp việc thu thập 7 một số thông tin mà nha sĩ có thể không thấy đƣợc trong quá trình thăm khám trực tiếp. Từ đó ảnh X-quang có thể trợ giúp cho việc xác định thông tin các bệnh nha khoa nhƣ [2]: Lỗ sâu giữa các răng hoặc phát hiện sâu răng bên dƣới lớp trám răng, răng mọc ngầm, viêm lợi, tiêu xƣơng quanh răng…. Có rất nhiều loại ảnh X-quang nha khoa khác nhau, trong đó đƣợc chia thành hai kiểu ảnh X-quang nha khoa chính: ảnh X-quang phạm vi trong miệng và ảnh X-quang phạm vi cả ngoài miệng [9], [68].

Ảnh trong miệng: là loại ảnh X-quang nha khoa phổ biến. Nó mô tả các răng một cách chi tiết và cho phép nha sĩ tìm sâu răng, kiểm tra sức khỏe của các răng và xƣơng xung quanh răng, kiểm tra tình trạng phát triển của răng và theo dõi sức khỏe chung của răng và xƣơng hàm. Ảnh X-quang thuộc kiểu trong miệng gồm ảnh cắn cánh và ảnh quanh chóp. Ảnh ngoài miệng: cũng cho chúng ta thấy các răng nhƣng mục đích chính là cho thấy toàn bộ hàm răng và xƣơng sọ.

Nó không cung cấp các đặc điểm chi tiết về từng răng nhƣ ảnh trong miệng và do đó, nó không đƣợc sử dụng để phát hiện sâu răng hoặc một số vấn đề khác với từng chiếc răng. Thay vào đó, nó đƣợc sử dụng để tìm các răng nêm vào nhau, theo dõi sự tăng trƣởng và phát triển hàm trong quan hệ với răng, để xác định các vấn đề tiềm ẩn giữa răng và hàm, hội chứng rối loạn thái dƣơng hàm hoặc các xƣơng mặt khác. Các ảnh X-quang thuộc kiểu ngoài miệng gồm ảnh toàn cảnh, ảnh cắt lớp, phim sọ nghiêng, ảnh X-quang tuyến nƣớc bọt, ảnh cắt lớp điện toán. Một số hình ảnh X-quang nha khoa đƣợc thể hiện ở Hình 1.

a) Ảnh cắn cánh. b) Ảnh quanh chóp. c) Ảnh toàn hàm Hình 1. Một số loại ảnh X – quang nha khoa 8 1.

Nhu cầu và ứng dụng trong y học Phân đoạn ảnh là giai đoạn đầu tiên trong quá trình xử lý ảnh và đóng vai trò rất quan trọng [32], [49] trong quá trình này. Khi đó, phân đoạn ảnh nha khoa là bƣớc xử lý then chốt trong nha khoa nhằm hỗ trợ bác sĩ chẩn đoán một cách hiệu quả các bệnh về răng nhƣ: viêm chân răng, răng mọc ngầm [55], [56]. Khi đó ứng dụng đầu tiên của phân đoạn ảnh là hỗ trợ việc chẩn đoán bệnh nha khoa. Một trong những ứng dụng thú vị của phân đoạn ảnh nha khoa từ hình ảnh X-quang là giám định pháp y [23], [50], việc giám định pháp y thƣờng sử dụng các công nghệ khoa học để phân tích (trong đó có phân tích răng) trong việc xác định con ngƣời, ví dụ: một vụ máy bay rơi sau khi rơi ngƣời ta phải giám định pháp y để nhận dạng với từng ngƣời trong tất cả những ngƣời đã chết [50].

Khi đó ngƣời ta xác định thông qua các nhận dạng sinh trắc học, đặc điểm hình dạng nha khoa còn tồn tại của các nạn nhân (trong trƣờng hợp chết trong một thời gian dài [50]). Do đó, nó trở nên quan trọng để đƣa ra quyết định xác định hình thái mặt của con ngƣời dựa trên các đặc tính kích thƣớc răng, khoảng cách giữa các răng và các mẫu xoang, xƣơng trên mặt v. Bên cạnh việc giám định pháp y, phân đoạn ảnh nha khoa còn có một số ứng dụng khác: xác định số răng [35], ƣớc lƣợng tuổi nha khoa [65], phân đoạn ảnh nha khoa có thể phân tích các mảng bám răng [24], v. Tổng quan về các nghiên cứu liên quan Phân đoạn ảnh là giai đoạn đầu tiên trong quá trình xử lý ảnh và đóng vai trò rất quan trọng [32], [49].

Phân đoạn ảnh cũng là công việc khó khăn của xử lý ảnh. Trong đó, phân đoạn ảnh nha khoa là bƣớc xử lý then chốt nhằm hỗ trợ bác sĩ chẩn đoán một cách hiệu quả các bệnh về răng nhƣ viêm chân răng, bệnh nha chu, viêm túi răng [42], [43]. Khi đó quá trình phân đoạn ảnh là một trong các bƣớc quan trọng và cần thiết để phân tích ảnh X-quang nha khoa cho các quá trình xử lý sau 9 này nhƣ: hỗ trợ chẩn đoán bệnh [50], xác định các thành phần khác nhau trong ảnh (răng, lợi, tủy v. Ảnh nha khoa (a) Ảnh X-quang nha khoa; (b) Lỗ trống răng bị thiếu Ảnh X-quang nha khoa gồm 3 phần chính (hình 1.3 a) [54]: i) Phần răng: phần có độ xám cao và là phần ta nhìn thấy rõ nhất trên ảnh; ii) Phần cấu trúc răng: là phần có độ xám trung bình gồm lợi răng, xƣơng, phần khác (tủy, xi măng v.); iii) Phần nền: là phần có giá trị độ xám nhỏ nhất là nền tảng của cấu trúc răng.

Với cấu trúc của ảnh X-quang nha khoa thì việc phân đoạn ảnh phức tạp hơn phân đoạn ảnh thông thƣờng [70]. Nói cách khác, sự kết nối giữa các phần khác nhau của một hình ảnh nha khoa X-quang và chất lƣợng thấp của hình ảnh do tạp chất, độ tƣơng phản thấp, sai sót về chức năng quét hình ảnh, v. làm giảm hiệu suất phân đoạn. Ví dụ, các lỗ trống trong răng bị mất (hình 1.3 b) không thể đƣợc xử lý bằng kỹ thuật xử lý ảnh dựa trên ngƣỡng thông thƣờng [26].