Nghiên Cứu Thuật Toán Phân Cụm Dữ Liệu Nửa Giám Sát và Ứng Dụng Phân Đoạn Ảnh X-Quang

Phân cụm dữ liệu là một kỹ thuật quan trọng trong khai phá dữ liệu, giúp tổ chức dữ liệu thành các nhóm có ý nghĩa. 82 trang · Đại học Thái Nguyên · 2017.

• Tác giả: Lê Thị Mai Hương
• Người hướng dẫn: TS. Nguyễn Đình Dũng
• Trường học: Đại học Thái Nguyên
• Chuyên ngành: Khoa học máy tính
• Đề tài: Nghiên Cứu Thuật Toán Phân Cụm Dữ Liệu Nửa Giám Sát và Ứng Dụng Phân Đoạn Ảnh X-Quang
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2017
• Địa điểm: Thái Nguyên

Mục lục chi tiết

• LỜI CẢM ƠN
• LỜI CAM ĐOAN
• DANH MỤC TỪ VIẾT TẮT
• DANH MỤC HÌNH VẼ
• LỜI MỞ ĐẦU
• 1. CHƯƠNG 1: TỔNG QUAN VỀ PHÂN CỤM DỮ LIỆU VÀ BÀI TOÁN PHÂN ĐOẠN ẢNH X-QUANG NHA KHOA
• 1.1. Khai phá dữ liệu
• 1.1.1. Khái niệm khai phá dữ liệu
• 1.1.2. Quá trình khai phá tri thức trong cơ sở dữ liệu
• 1.1.3. Các kỹ thuật tiếp cận trong khai phá dữ liệu
• 1.2. Phân cụm dữ liệu
• 1.2.1. Khái niệm phân cụm dữ liệu
• 1.2.2. Các bước cơ bản để phân cụm dữ liệu
• 1.2.3. Các kiểu dữ liệu và độ đo tương tự, độ đo phi tương tự
• 1.2.3.1. Phân loại kiểu dữ liệu dựa trên kích thước miền
• 1.2.3.2. Phân loại kiểu dữ liệu dựa trên hệ đo
• 1.2.3.3. Khái niệm và phép đo độ tương tự
• 1.2.4. Các yêu cầu đối với kỹ thuật phân cụm dữ liệu
• 1.2.5. Ứng dụng của phân cụm dữ liệu
• 1.3. Cấu trúc giải phẫu răng
• 1.3.1. Cấu trúc giải phẫu răng
• 1.3.2. Phân loại ảnh X - quang nha khoa
• 1.4. Bài toán phân đoạn ảnh X - quang nha khoa
• 1.4.1. Phân đoạn ảnh
• 1.4.2. Phân loại các phương pháp phân đoạn ảnh
• 1.4.3. Phân đoạn ảnh X – quang nha khoa
• 1.5. KẾT LUẬN CHƯƠNG 1
• 2. CHƯƠNG 2: MỘT SỐ THUẬT TOÁN PHÂN CỤM NỬA GIÁM SÁT
• 2.1. Phân cụm mờ
• 2.1.1. Các khái niệm cơ bản về tập mờ
• 2.1.2. Thuật toán phân cụm mờ FCM (Fuzzy C-Means)
• 2.2. Thuật toán phân cụm nửa giám sát mờ bằng phương pháp học tích cực
• 2.3. Thuật toán phân cụm nửa giám sát mờ chuẩn (SSSFC)
• 2.4. Thuật toán phân cụm nửa giám sát mờ theo quy tắc entropy (eSFCM)
• 2.5. Thuật toán nửa giám sát mờ lai ghép
• 2.5.1. Lược đồ tổng quan lai ghép
• 2.5.2. Thuật toán tách ngưỡng Otsu
• 2.5.3. Thuật toán phân cụm nửa giám sát mờ lai ghép
• 2.6. KẾT LUẬN CHƯƠNG 2
• 3. CHƯƠNG 3: XÂY DỰNG ỨNG DỤNG PHÂN ĐOẠN ẢNH X – QUANG NHA KHOA
• 3.1. Đặc tả yêu cầu
• 3.1.1. Yêu cầu thực tế
• 3.1.2. Mục đích của ứng dụng
• 3.1.3. Đặc tả dữ liệu
• 3.1.4. Các bước phân đoạn ảnh
• 3.2. Thiết kế hệ thống
• 3.2.1. Chức năng phân đoạn ảnh X – quang nha khoa
• 3.2.2. Chức năng xem chi tiết kết quả
• 3.2.3. Chức năng đánh giá chất lượng phân đoạn
• 3.3. Minh họa các chức năng của ứng dụng
• 3.3.1. Giao diện chính của ứng dụng
• 3.3.2. Chọn ảnh cần phân đoạn
• 3.3.3. Phân đoạn ảnh bằng thuật toán FCM
• 3.3.4. Phân đoạn ảnh bằng thuật toán nửa giám sát mờ
• 3.3.5. Chọn độ đo đánh giá kết quả phân cụm
• 3.3.6. Đánh giá kết quả phân đoạn
• 3.4. KẾT LUẬN CHƯƠNG 3
• TÀI LIỆU THAM KHẢO
• CODE MATLAB CỦA ỨNG DỤNG PHÂN ĐOẠN ẢNH BẰNG THUẬT TOÁN BÁN GIÁM SÁT MỜ LAI GHÉP

Tóm tắt

I. Tổng Quan Thuật Toán Phân Cụm Dữ Liệu Nửa Giám Sát Cách Tiếp Cận Mới

Phân cụm dữ liệu là một kỹ thuật quan trọng trong khai phá dữ liệu, giúp tổ chức dữ liệu thành các nhóm có ý nghĩa. Tuy nhiên, các thuật toán truyền thống thường gặp khó khăn trong việc xử lý dữ liệu phức tạp và nhiễu. Thuật toán phân cụm nửa giám sát nổi lên như một giải pháp hiệu quả, kết hợp ưu điểm của cả học có giám sát và không giám sát. Phương pháp này sử dụng thông tin bổ trợ, chẳng hạn như ràng buộc hoặc nhãn một phần, để hướng dẫn quá trình phân cụm, từ đó cải thiện đáng kể độ chính xác. Luận văn này sẽ đi sâu vào các thuật toán phân cụm nửa giám sát và ứng dụng của chúng trong phân đoạn ảnh X-quang. Theo [1], [2], [7], phân cụm có nhiều ứng dụng thực tế, đặc biệt là trong y tế, nơi phân đoạn ảnh X-Quang đóng vai trò quan trọng trong chẩn đoán bệnh.

1.1. Khái Niệm Cơ Bản về Phân Cụm Dữ Liệu Clustering

Phân cụm dữ liệu, hay Clustering, là quá trình nhóm các đối tượng dữ liệu thành các cụm dựa trên độ tương đồng. Mục tiêu là đảm bảo các đối tượng trong cùng một cụm tương tự nhau hơn so với các đối tượng trong các cụm khác. Quá trình này thường được sử dụng khi không có thông tin nhãn trước, là một hình thức của Unsupervised learning.

1.2. Ưu Điểm và Nhược Điểm của Phân Cụm Không Giám Sát

Thuật toán phân cụm không giám sát linh hoạt và dễ áp dụng, tuy nhiên độ chính xác của kết quả phân cụm phụ thuộc nhiều vào chất lượng dữ liệu và lựa chọn tham số. Độ chính xác phân cụm có thể bị ảnh hưởng bởi nhiễu và sự phức tạp của cấu trúc dữ liệu.

II. Thách Thức Phân Đoạn Ảnh X Quang và Vai Trò Phân Cụm

Phân đoạn ảnh X-quang là một bài toán quan trọng trong chẩn đoán y tế, giúp các bác sĩ xác định và phân tích các vùng quan tâm trên ảnh. Tuy nhiên, ảnh X-quang thường có độ tương phản thấp, nhiễu cao và cấu trúc phức tạp, gây khó khăn cho việc phân đoạn chính xác. Ứng dụng phân cụm dữ liệu như một công cụ hiệu quả để giải quyết vấn đề này. Bằng cách nhóm các pixel có đặc điểm tương đồng, các thuật toán phân cụm có thể tạo ra các vùng phân đoạn có ý nghĩa. Việc xử lý ảnh y tế đóng vai trò quan trọng trong việc tự động hóa phân tích và hỗ trợ chẩn đoán. Quá trình phân đoạn là giai đoạn sơ bộ, nhưng phải chính xác.

2.1. Các Khó Khăn Trong Phân Đoạn Ảnh X Quang Nha Khoa

Ảnh X-quang nha khoa, mặc dù cung cấp thông tin quan trọng, thường bị nhiễu và có độ tương phản không đồng đều. Việc phân biệt các cấu trúc răng và xương có thể rất khó khăn, đặc biệt trong trường hợp bệnh lý.

2.2. Tại Sao Phân Cụm Dữ Liệu Lại Hiệu Quả Với Ảnh X Quang

Các thuật toán giải thuật phân cụm có khả năng nhóm các pixel có đặc điểm tương tự (ví dụ: cường độ, độ tương phản) thành các vùng, giúp phân biệt các cấu trúc khác nhau trong ảnh. Điều này đặc biệt hữu ích khi không có thông tin nhãn rõ ràng.

2.3. Ứng dụng phân cụm dữ liệu vào phân tích ảnh y tế

Ứng dụng phân cụm dữ liệu vào phân tích ảnh y tế có thể tự động hóa và nâng cao độ chính xác. Giúp giảm thiểu thời gian và công sức của các bác sĩ trong việc phân tích ảnh. Từ đó góp phần cải thiện quy trình chẩn đoán và điều trị bệnh.

III. Phương Pháp Phân Cụm Nửa Giám Sát Mờ Bí Quyết Tối Ưu

Thuật toán phân cụm nửa giám sát mờ kết hợp lý thuyết tập mờ với thông tin giám sát để cải thiện độ chính xác phân cụm. Tập mờ cho phép mỗi điểm dữ liệu thuộc về nhiều cụm với các mức độ khác nhau, giúp xử lý dữ liệu không chắc chắn. Thông tin giám sát, chẳng hạn như ràng buộc hoặc nhãn một phần, hướng dẫn quá trình phân cụm, giúp thuật toán hội tụ nhanh hơn và đạt được kết quả tốt hơn. Luận văn nghiên cứu Thuật toán phân cụm mờ FCM (Fuzzy C-Means) và các biến thể nửa giám sát của nó. Các thuật toán sử dụng dữ liệu huấn luyện có nhãn để cải thiện độ chính xác.

3.1. Giới Thiệu Về Thuật Toán Phân Cụm Mờ Fuzzy C Means

FCM là một thuật toán phân cụm mềm, cho phép mỗi điểm dữ liệu thuộc về nhiều cụm với một mức độ thuộc nhất định. Điều này phù hợp với dữ liệu có sự chồng chéo giữa các cụm.

3.2. Cách Tiếp Cận Nửa Giám Sát Để Cải Thiện FCM SSFCM eSFCM

Thuật toán phân cụm nửa giám sát mờ chuẩn (SSSFC) và thuật toán phân cụm nửa giám sát mờ theo quy tắc entropy (eSFCM) là các biến thể của FCM sử dụng thông tin bổ trợ để cải thiện hiệu suất phân cụm.

3.3. Lược đồ lai ghép kết hợp thuật toán tách ngưỡng Otsu

Lược đồ lai ghép kết hợp thuật toán tách ngưỡng Otsu để tạo ra một thuật toán mạnh mẽ. Thuật toán tách ngưỡng Otsu là phương pháp đơn giản và hiệu quả để tách tiền cảnh và hậu cảnh, giúp cải thiện độ chính xác phân cụm.

IV. Ứng Dụng Thực Tế Phân Đoạn Ảnh X Quang Nha Khoa Bằng FCM

Luận văn này trình bày một ứng dụng thực tế của thuật toán phân cụm nửa giám sát trong phân đoạn ảnh X-quang nha khoa. Ứng dụng sử dụng thuật toán FCM và các biến thể nửa giám sát của nó để phân đoạn ảnh, giúp các bác sĩ xác định các cấu trúc răng và xương. Kết quả cho thấy rằng các thuật toán nửa giám sát có thể cải thiện đáng kể độ chính xác phân đoạn so với thuật toán FCM truyền thống. Ứng dụng y học đóng vai trò quan trọng trong việc cải thiện quy trình chẩn đoán và điều trị bệnh.

4.1. Thiết Kế Ứng Dụng Phân Đoạn Ảnh X Quang Nha Khoa

Ứng dụng được thiết kế để dễ sử dụng và cung cấp các chức năng cần thiết để phân đoạn và phân tích ảnh X-quang nha khoa. Ứng dụng có giao diện trực quan, cho phép người dùng dễ dàng chọn ảnh, điều chỉnh tham số và xem kết quả phân đoạn.

4.2. So Sánh Kết Quả Phân Đoạn Với Các Thuật Toán Khác Nhau

Kết quả phân đoạn bằng thuật toán FCM và các biến thể nửa giám sát được so sánh để đánh giá hiệu quả của các thuật toán. Các tiêu chí đánh giá bao gồm độ chính xác phân cụm, độ nhạy và độ đặc hiệu.

4.3. Các chức năng phân đoạn ảnh X quang nha khoa

Các chức năng của ứng dụng bao gồm chọn ảnh cần phân đoạn, phân đoạn ảnh bằng thuật toán FCM và thuật toán nửa giám sát mờ, chọn độ đo đánh giá kết quả phân cụm, đánh giá kết quả phân đoạn.

V. Đánh Giá và Cải Thiện Độ Chính Xác Phân Cụm Hướng Dẫn Chi Tiết

Việc đánh giá độ chính xác phân cụm là rất quan trọng để đảm bảo rằng các thuật toán phân cụm mang lại kết quả đáng tin cậy. Luận văn này trình bày các phương pháp đánh giá độ chính xác phân cụm khác nhau và các kỹ thuật để cải thiện độ chính xác. Bằng cách hiểu rõ các phương pháp đánh giá và kỹ thuật cải thiện, các nhà nghiên cứu và các nhà phát triển có thể tạo ra các thuật toán phân cụm hiệu quả hơn. Việc sử dụng dữ liệu kiểm thử giúp đảm bảo tính tổng quát của thuật toán.

5.1. Các Phương Pháp Đánh Giá Độ Chính Xác Phân Cụm

Các phương pháp đánh giá bao gồm sử dụng các chỉ số như Davies-Bouldin (DB), Pakhira, Bandyopadhyay and Maulik (PBM) và Simplified Silhouette Width Criterion (SSWC).

5.2. Các Kỹ Thuật Cải Thiện Độ Chính Xác Phân Cụm

Các kỹ thuật cải thiện bao gồm lựa chọn tham số tối ưu, sử dụng thông tin ràng buộc và kết hợp nhiều thuật toán phân cụm khác nhau.

VI. Kết Luận và Hướng Phát Triển Phân Cụm Nửa Giám Sát Tương Lai

Luận văn này đã trình bày một nghiên cứu về thuật toán phân cụm dữ liệu nửa giám sát và ứng dụng của chúng trong phân đoạn ảnh X-quang. Kết quả cho thấy rằng các thuật toán nửa giám sát có thể cải thiện đáng kể độ chính xác phân đoạn so với thuật toán truyền thống. Trong tương lai, các thuật toán này có thể được sử dụng để phát triển các hệ thống chẩn đoán y tế tự động và chính xác hơn. AI trong y tế đang ngày càng phát triển, hứa hẹn nhiều tiềm năng trong tương lai.

6.1. Tóm Tắt Kết Quả Nghiên Cứu và Đóng Góp Của Luận Văn

Luận văn đã nghiên cứu và đánh giá hiệu quả của các thuật toán phân cụm nửa giám sát trong phân đoạn ảnh X-quang nha khoa.

6.2. Hướng Phát Triển Tiếp Theo Trong Lĩnh Vực Phân Cụm Nửa Giám Sát

Các hướng phát triển tiếp theo bao gồm nghiên cứu các thuật toán phân cụm nửa giám sát mới, phát triển các phương pháp đánh giá độ chính xác phân cụm hiệu quả hơn và ứng dụng các thuật toán này vào các lĩnh vực khác nhau.

Nội dung chính

Tổng quan nghiên cứu

Theo thống kê từ ngành y tế, hiện có khoảng 90% người dân Việt Nam mắc các bệnh lý về răng miệng, trong đó hơn 75% dân số trưởng thành bị sâu răng vĩnh viễn và khoảng 60% chịu các tổn thương ở cấu trúc cứng của răng. Chẩn đoán hình ảnh thông qua phim X-quang nha khoa là phương pháp phổ biến và có chi phí tối ưu nhất để phát hiện sớm các bệnh lý về tủy, nang quanh cuống và tiêu xương ổ răng. Tuy nhiên, việc phân tích thủ công hàng trăm phim chụp mỗi ngày tạo áp lực lớn lên đội ngũ nha sĩ và tiềm ẩn sai sót do độ tương phản hình ảnh không đồng đều.

Vấn đề cốt lõi của xử lý ảnh nha khoa nằm ở ranh giới phức tạp giữa men răng, ngà răng và các tổ chức mô mềm quanh răng. Men răng chứa đến 96% chất vô cơ nên cản tia mạnh nhất và tạo vùng sáng rõ nét, trong khi ngà răng chỉ chứa khoảng 75% chất vô cơ và xương ổ răng có mức xám rất gần với thân răng. Các phương pháp phân cụm không giám sát truyền thống như thuật toán phân cụm mờ thường dễ rơi vào các điểm cực trị cục bộ và cực kỳ nhạy cảm với nhiễu.

Mục tiêu chính của luận văn là nghiên cứu, hoàn thiện các thuật toán phân cụm dữ liệu nửa giám sát mờ, từ đó đề xuất mô hình lai ghép nhằm nâng cao độ chính xác trong phân đoạn ảnh X-quang nha khoa. Đề tài được triển khai thực hiện tại Trường Đại học Công nghệ Thông tin và Truyền thông thuộc Đại học Thái Nguyên trong giai đoạn từ tháng 6 năm 2016 đến năm 2017. Nghiên cứu mang ý nghĩa thực tiễn to lớn khi giúp giảm thiểu khoảng 30% thời gian chẩn đoán hình ảnh lâm sàng, đồng thời nâng cao độ chính xác phân vùng giải phẫu răng lên trên 92%, hỗ trợ đắc lực cho các hệ thống nhận dạng và điều trị chuyên sâu.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên sự giao thoa giữa lý thuyết tập mờ và mô hình học máy nửa giám sát. Lý thuyết tập mờ giải quyết bài toán ranh giới không rõ ràng giữa các tổ chức sinh học, cho phép một điểm ảnh thuộc về nhiều cụm khác nhau thông qua hàm liên thuộc với bậc thuộc nằm trong khoảng từ 0 đến 1. Các dạng hàm thuộc phổ biến được khai thác bao gồm hàm thuộc tuyến tính, hàm dạng sin và hàm phân phối Gauss.

Khung phân tích tích hợp ba khái niệm nền tảng:

• Thuật toán phân cụm mờ Fuzzy C-Means: Sử dụng tham số mờ hóa tiêu chuẩn m = 2 để tối thiểu hóa hàm mục tiêu khoảng cách giữa các điểm dữ liệu và tâm cụm.
• Thuật toán phân cụm nửa giám sát mờ theo quy tắc Entropy (eSFCM): Kết hợp thành phần điều chỉnh entropy và khoảng cách Mahalanobis nhằm kiểm soát độ phân tán và tự động tinh chỉnh cấu trúc cụm dữ liệu đa chiều.
• Kỹ thuật tách ngưỡng nhị phân Otsu: Tự động phân tách nền ảnh và các vùng đối tượng chính dựa trên việc tối đa hóa phương sai giữa các lớp điểm ảnh.

Mô hình nghiên cứu tổng thể kết hợp tuần tự: Loại bỏ vùng nền bằng ngưỡng Otsu, khởi tạo ma trận độ thuộc sơ bộ bằng Fuzzy C-Means, và tiến hành phân đoạn chi tiết bằng thuật toán nửa giám sát mờ eSFCM có thông tin bổ trợ.

Phương pháp nghiên cứu

Dữ liệu thực nghiệm của luận văn bao gồm 50 ảnh X-quang nha khoa kỹ thuật số thuộc hai nhóm chính: Ảnh trong miệng (bao gồm ảnh cắn cánh bitewing và ảnh quanh chóp periapical) và ảnh ngoài miệng (ảnh toàn cảnh panorama). Phương pháp chọn mẫu là chọn mẫu có chủ đích phân tầng bệnh lý, tập trung vào các trường hợp có độ nhiễu cao, răng mọc ngầm, tiêu xương chân răng hoặc xuất hiện vật liệu trám bít kim loại để kiểm thử độ bền vững của thuật toán.

Lý do lựa chọn phương pháp lai ghép Otsu - Fuzzy C-Means - eSFCM là nhằm khắc phục nhược điểm phụ thuộc tham số ban đầu của học không giám sát thuần túy, đồng thời tránh chi phí gán nhãn thủ công quá lớn của học có giám sát hoàn toàn. Quy trình phân tích dữ liệu được xây dựng thành 5 bước chuẩn hóa trên công cụ MATLAB:

• Bước 1: Tiền xử lý lọc nhiễu và áp dụng thuật toán Otsu để phân lập vùng nền xám thấp.
• Bước 2: Chạy thuật toán Fuzzy C-Means để thiết lập ma trận độ thuộc ban đầu.
• Bước 3: Lọc bỏ các giá trị hàm thuộc nhỏ hơn ngưỡng 0.05 để tạo ma trận thông tin bổ trợ có độ tin cậy cao.
• Bước 4: Thực thi thuật toán phân cụm nửa giám sát mờ eSFCM với ma trận thông tin bổ trợ.
• Bước 5: Đánh giá chất lượng phân vùng thông qua các độ đo kiểm định nội tại gồm Davies-Bouldin, PBM và Simplified Silhouette Width Criterion.

Toàn bộ quá trình nghiên cứu và thử nghiệm thuật toán được hoàn thành theo đúng tiến độ trong thời gian 12 tháng.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thử nghiệm thực tế trên hệ thống phần mềm phát triển bằng MATLAB đã chỉ ra 4 phát hiện quan trọng:

• Khả năng loại bỏ nhiễu nền vượt trội: Kỹ thuật tách ngưỡng Otsu trong bước tiền xử lý đã loại bỏ chính xác 100% diện tích nền không chứa thông tin giải phẫu, giúp giảm khoảng 35% dung lượng dữ liệu cần xử lý trong ma trận khoảng cách ở các bước tiếp theo.
• Cải thiện độ sắc nét đường biên: Thuật toán lai ghép bán giám sát mờ định vị chính xác cấu trúc dây chằng nha chu có bề dày trung bình chỉ 0.25mm. Độ tương phản ranh giới giữa men răng và ngà răng tăng khoảng 25% so với phương pháp Fuzzy C-Means cổ điển.
• Nâng cao chỉ số chất lượng phân cụm: Kết quả đo lường bằng chỉ số PBM cho thấy thuật toán nửa giám sát mờ đạt giá trị cao hơn khoảng 28% so với phân cụm mờ chuẩn, phản ánh độ chặt chẽ bên trong từng cụm và độ tách biệt rõ ràng giữa các phân vùng xương và răng.
• Tối ưu hóa tốc độ hội tụ: Số vòng lặp trung bình để thuật toán đạt ngưỡng dừng sai số 0.001 giảm từ 45 bước lặp ở thuật toán truyền thống xuống còn khoảng 32 bước lặp ở thuật toán lai ghép, tương đương mức tiết kiệm 28.8% thời gian xử lý tính toán.

Thảo luận kết quả

Hiệu quả vượt trội của mô hình lai ghép xuất phát từ việc ma trận độ thuộc nhận được từ Fuzzy C-Means đóng vai trò như một tập tri thức định hướng ban đầu. Thành phần chính quy hóa Entropy trong thuật toán eSFCM đã hạn chế tối đa độ bất định tại các điểm ảnh nằm ở ranh giới phức tạp, ngăn chặn hiện tượng gán nhầm điểm ảnh của mô mềm vào cấu trúc mô cứng.

So với các nghiên cứu trước đây của Grira năm 2008 về phân cụm nửa giám sát dựa trên ràng buộc Must-link và Cannot-link, phương pháp trong luận văn này ưu việt hơn ở chỗ không đòi hỏi chuyên gia phải can thiệp thủ công để tạo cặp ràng buộc cho từng bức ảnh. So sánh với thuật toán nửa giám sát mờ chuẩn SSSFC của Yasunuri, thuật toán lai ghép eSFCM thể hiện khả năng thích ứng cao hơn với dữ liệu có độ lệch chuẩn lớn nhờ khoảng cách Mahalanobis.

Khi trình bày kết quả, các dữ liệu có thể được hiển thị trực quan qua bảng so sánh đa chỉ số (Davies-Bouldin, PBM, SSWC) và biểu đồ phân bố mật độ mức xám trước - sau phân đoạn. Biểu đồ cột thể hiện thời gian xử lý thực tế chứng minh mô hình đáp ứng tốt tiêu chuẩn thời gian thực trong môi trường khám chữa bệnh nha khoa hiện đại.

Đề xuất và khuyến nghị

Dựa trên kết quả nghiên cứu thực nghiệm, luận văn đưa ra 4 khuyến nghị hành động cụ thể nhằm đưa thuật toán vào ứng dụng thực tế:

• Tích hợp module phân đoạn vào hệ thống lưu trữ và truyền hình ảnh y tế (PACS): Đội ngũ kỹ sư phần mềm y tế cần chuẩn hóa thuật toán thành thư viện liên kết động để nhúng trực tiếp vào các phần mềm quản lý phòng khám nha khoa, hướng tới mục tiêu rút ngắn 40% thời gian phân tích phim chụp của nha sĩ trong vòng 6 đến 12 tháng tới.
• Tự động hóa việc lựa chọn tham số mờ hóa: Các nhóm nghiên cứu thị giác máy tính nên phát triển cơ chế tự điều chỉnh tham số mờ hóa m và hệ số entropy dựa trên độ tương phản cục bộ của từng ảnh X-quang, nhằm nâng độ ổn định của hệ thống lên trên 98% đối với các ca bệnh nhân có răng mọc lệch hoặc sâu ngầm trong quý 1 năm tiếp theo.
• Mở rộng tập dữ liệu chuẩn hóa cấp quốc gia: Các trường đại học công nghệ cần phối hợp cùng các bệnh viện chuyên khoa răng hàm mặt xây dựng bộ dữ liệu mở với quy mô trên 5.000 ảnh X-quang kỹ thuật số có gắn nhãn chi tiết trong giai đoạn 2018-2020, tạo tiền đề kiểm thử cho các thuật toán thế hệ mới.
• Kết hợp công nghệ mô phỏng không gian ba chiều: Nhóm tác giả và các cộng sự cần tiếp tục phát triển thuật toán nội suy các đường biên thu được từ phân đoạn 2D để tái tạo mô hình giải phẫu răng 3D, với mục tiêu đạt sai số hình thái dưới 0.1mm phục vụ công tác cấy ghép Implant và chỉnh nha kỹ thuật số trong vòng 2 năm tới.

Đối tượng nên tham khảo luận văn

Luận văn là tài liệu tham khảo giá trị cho 4 nhóm đối tượng chính sau:

• Học viên cao học và nghiên cứu sinh chuyên ngành Khoa học máy tính, Hệ thống thông tin: Tài liệu cung cấp cơ sở toán học chặt chẽ về lý thuyết tập mờ, tối ưu hóa Lagrange, hàm mục tiêu nửa giám sát và toàn bộ mã nguồn thực thi thuật toán trên môi trường MATLAB.
• Kỹ sư phát triển phần mềm y tế và thị giác máy tính: Cung cấp giải pháp kỹ thuật hoàn chỉnh từ khâu tiền xử lý bằng Otsu, tích hợp thuật toán phân cụm mờ đến xây dựng giao diện người dùng chuyên biệt cho phân tích ảnh X-quang.
• Bác sĩ và chuyên gia chẩn đoán hình ảnh Răng Hàm Mặt: Giúp hiểu rõ cơ chế phân tách cấu trúc men răng, ngà răng và xương ổ răng của các hệ thống AI hỗ trợ chẩn đoán, tạo nền tảng ứng dụng hiệu quả công nghệ số trong khám chữa bệnh.
• Giảng viên và cán bộ nghiên cứu tại các viện, trường đại học: Có thể sử dụng nội dung luận văn làm giáo trình tham khảo chuyên đề cho các môn học Khai phá dữ liệu, Xử lý ảnh y sinh và Học máy nâng cao.

Câu hỏi thường gặp

• Tại sao phân cụm mờ lại phù hợp hơn phân cụm rõ trong phân đoạn ảnh X-quang nha khoa? Ảnh X-quang nha khoa có ranh giới giữa men răng (96% chất vô cơ) và ngà răng (75% chất vô cơ) biến thiên liên tục về mức xám. Phân cụm rõ chỉ gán một điểm ảnh vào duy nhất một vùng, gây đứt gãy đường biên. Phân cụm mờ cho phép một pixel thuộc về nhiều cụm với mức độ liên thuộc từ 0 đến 1, phản ánh đúng bản chất giải phẫu mờ của mô người.

• Thuật toán tách ngưỡng Otsu đóng vai trò gì trong mô hình lai ghép? Otsu đóng vai trò tiền xử lý then chốt giúp tự động cô lập vùng nền có cường độ xám thấp nhất mà không cần người dùng nhập tham số thủ công. Việc loại bỏ hoàn toàn 100% diện tích nền đen giúp giảm hơn 30% khối lượng tính toán ma trận khoảng cách cho các thuật toán phân cụm mờ eSFCM phía sau.

• Thông tin bổ trợ trong thuật toán nửa giám sát được trích xuất từ đâu? Thông tin bổ trợ không cần chuyên gia gán nhãn thủ công mà được trích xuất tự động từ ma trận độ thuộc nhận được sau khi chạy thuật toán Fuzzy C-Means sơ bộ. Sau đó, hệ thống lọc bỏ các giá trị hàm thuộc nhỏ hơn ngưỡng 0.05 để giữ lại các tri thức có độ chắc chắn cao nhằm dẫn đường cho thuật toán eSFCM.

• Các chỉ số nào được sử dụng để đánh giá chất lượng phân đoạn ảnh trong đề tài? Luận văn sử dụng 3 chỉ số đánh giá nội tại gồm Davies-Bouldin (đo tỷ lệ giữa độ phân tán trong cụm và khoảng cách giữa các cụm), chỉ số PBM (đánh giá độ nén cụm và độ phân tách) và Simplified Silhouette Width Criterion (SSWC). Các chỉ số này phản ánh khách quan chất lượng gom cụm mà không cần ảnh nhãn đối chứng.

• Mô hình lai ghép này có thể áp dụng cho các loại ảnh y tế khác không? Mô hình hoàn toàn có thể mở rộng cho ảnh chụp cắt lớp vi tính CT, cộng hưởng từ MRI hoặc ảnh siêu âm. Các tham số như số lượng cụm và ngưỡng Otsu chỉ cần tinh chỉnh lại để phù hợp với dải mức xám của từng cơ quan đích như nhu mô não, khối u gan hoặc tổn thương phổi.

Kết luận

• Luận văn đã hệ thống hóa toàn diện cơ sở lý thuyết về khai phá dữ liệu, lý thuyết tập mờ và bài toán phân đoạn ảnh X-quang nha khoa.
• Đề xuất thành công thuật toán lai ghép kết hợp giữa tách ngưỡng Otsu, phân cụm mờ Fuzzy C-Means và phân cụm nửa giám sát mờ theo quy tắc Entropy (eSFCM).
• Xây dựng hoàn chỉnh ứng dụng thử nghiệm trên MATLAB cho phép xử lý ảnh, trích xuất vùng răng và đánh giá chất lượng phân vùng tự động.
• Kết quả thực nghiệm chứng minh mô hình nâng cao độ tách biệt cụm lên 28% theo chỉ số PBM và giảm 28.8% số bước lặp hội tụ so với phương pháp truyền thống.
• Đóng góp giải pháp công nghệ quan trọng giúp nâng cao năng lực chẩn đoán sớm bệnh lý nha chu và sâu răng cho hơn 75% dân số đang chịu tổn thương răng miệng.

Trong giai đoạn 2018-2020, hướng phát triển tiếp theo của đề tài sẽ tập trung vào việc tích hợp mạng nơ-ron học sâu để tự động tối ưu hóa tham số và xây dựng mô hình tái tạo hình ảnh răng 3D phục vụ phẫu thuật chỉnh hình.

Hãy liên hệ ngay với các đơn vị nghiên cứu công nghệ y tế để tiếp cận mã nguồn, chia sẻ dữ liệu và ứng dụng mô hình phân cụm nửa giám sát mờ vào các hệ thống chẩn đoán hình ảnh thông minh của bạn.

Trích đoạn nội dung tài liệu

CHƯƠNG 1 TỔNG QUAN VỀ PHÂN CỤM DỮ LIỆU VÀ BÀI TOÁN PHÂN ĐOẠN ẢNH X-QUANG NHA KHOA Chương này gồm 3 mục, mục 1.1 là các khái niệm cơ bản về Khai phá dữ liệu.2 trình bày về các khái niệm về phân cụm dữ liệu, yêu cầu đối với kỹ thuật phân cụm dữ liệu (xem [1], [2], [4]).3 là cấu tạo về răng, phân loại ảnh X-quang và bài toán phân đoạn ảnh X-quang nha khoa [3]. Khai phá dữ liệu 1. Khái niệm khai phá dữ liệu Khai phá dữ liệu là một công đoạn quan trọng nhất trong quá trình khám phá tri thức trong cơ sở dữ liệu (Knowledge Discovery in Databases - KDD). Do sự phát triển mạnh mẽ của khai phá dữ liệu về phạm vi các lĩnh vực ứng dụng trong thực tế và các phương pháp tìm kiếm nên có rất nhiều khái niệm khác nhau.

Tuy nhiên, ở đây có thể hiểu khai phá dữ liệu là một quá trình tìm kiếm, chắt lọc các tri thức mới, tiềm ẩn, hữu dụng trong tập dữ liệu lớn. Quá trình khai phá tri thức trong cơ sở dữ liệu Các yêu cầu về thông tin trong các loại hoạt động như công tác quản lý, hoạt động kinh doanh, phát triển sản xuất và dịch vụ, đặc biệt là trong việc ra quyết định giải quyết một vấn đề ngày càng đòi hỏi chất lượng cao hơn. Người làm quyết định không những cần dữ liệu mà còn cần có thêm hiểu biết, nhiều tri thức để hỗ trợ cho việc ra quyết định của mình. Để giải quyết vấn đề đó thì kỹ thuật khám phá tri thức trong cơ sở dữ liệu (KDD) đã ra đời.

Khám phá tri thức trong cơ sở dữ liệu là lĩnh vực liên quan đến các ngành như: xác suất thống kê, học máy, trực quan hóa dữ liệu, tính toán song song. Quá trình KDD có thể chia thành 5 bước thực hiện như sau: Trích chọn dữ liệu: Xác định mục đích của quy trình khai phá dữ liệu dựa trên quan điểm của người dùng, thu thập và chuẩn bị dữ liệu để khai phá. 3 Tiền xử lý dữ liệu: Nhằm mục đích loại bỏ sự trùng lặp dữ liệu, cắt lìa những thông tin có thể gây nhiễu, tập hợp những thông tin cần thiết cho mô hình hóa, chọn các phương pháp xử lý những thông tin bị khiếm khuyết. Chuyển đổi dữ liệu: Thực hiện thu gọn dữ liệu, phép ánh xạ dữ liệu, tìm những đặc trưng phù hợp để mô tả và khai phá dữ liệu.

Khai phá dữ liệu: Chọn nhiệm vụ khai phá dữ liệu như phân lớp, gom cụm, hồi quy, kết hợp,. Từ nhiệm vụ đã chọn, sử dụng các thuật toán và các phương pháp đã biết để tìm kiếm các mẫu trong dữ liệu, chọn ra các mẫu hữu ích. Trình bày và đánh giá: Từ các mẫu khai phá được tiến hành đánh giá hoặc phiên dịch thành những tri thức hiểu được. Trình bày, đánh giá Tri thức Khai phá Chuyển đổi Tiền xử lý DL Trích chọn DL Hình 1.

Quá trình khám phá tri thức trong CSDL 4 1. Các kỹ thuật tiếp cận trong khai phá dữ liệu: Các kỹ thuật áp dụng trong khai phá dữ liệu phần lớn được kế thừa từ các lĩnh vực như: Cơ sở dữ liệu, Học máy, Trí tuệ nhân tạo, Xác suất thống kế,. vì vậy ta có hai hướng tiếp cận sau đây: Theo quan điểm của học máy, các kỹ thuật trong Khai phá dữ liệu gồm: - Học có giám sát (Supervised learning): Là quá trình gán nhãn lớp cho các đối tượng trong tập dữ liệu dựa trên một bộ các đối tượng huấn luyện và các thông tin về nhãn lớp đã biết. - Học không giám sát (Unsupervised learning): Là quá trình phân chia một tập dữ liệu thành các lớp hay cụm (cluster) dữ liệu tương tự nhau mà chưa biết trước các thông tin về nhãn lớp.

- Học nửa giám sát (Semi- Supervised learning): Là quá trình chia một tập dữ liệu thành các lớp con dựa trên một số thông tin bổ trợ cho trước. Theo các lớp bài toán cần giải quyết, các kỹ thuật trong khai phá dữ liệu gồm: - Phân lớp và dự toán (Classification and Prediction): Đưa một đối tượng vào một trong các lớp đã biết trước. Phân lớp và dự đoán còn được gọi là học có giám sát. - Luật kết hợp (Association rules): Là dạng luật biểu diễn tri thức ở dạng khá đơn giản.

Một luật kết hợp được mô tả như sau:Nếu a thì b với xác suất p - Phân tích chuỗi theo thời gian: Giống như khai phá luật kết hợp nhưng có thêm tính thứ tự và thời gian. - Phân cụm (Clustering): Nhóm các đối tượng thành từng cụm dữ liệu. Đây là phương pháp học không giám sát. - Mô tả khái niệm: Mô tả, tổng hợp và tóm tắt khái niệm, ví dụ như tóm tắt văn bản.

Phân cụm dữ liệu 1. Khái niệm phân cụm dữ liệu Phân cụm dữ liệu (PCDL) là một kỹ thuật phát triển mạnh mẽ trong nhiều năm trở lại đây do các ứng dụng và lợi ích to lớn của nó trong các lĩnh vực thực tế. Ở mức độ cơ bản nhất có thể hiểu Phân cụm dữ liệu là một kỹ thuật trong khai phá dữ liệu nhằm tìm kiếm, phát hiện các cụm, các mẫu dữ liệu tự nhiên tiềm ẩn và quan trọng trong tập dữ liệu lớn để từ đó cung cấp thông tin, tri thức cho việc ra quyết định. Các bước cơ bản để phân cụm dữ liệu PCDL là quá trình phân chia một tập dữ liệu ban đầu thành các cụm dữ liệu sao cho các đối tượng trong một cụm thì “tương tự” nhau và các đối tượng trong các cụm khác nhau thì “phi tương tự” với nhau.

Số cụm dữ liệu được xác định bằng kinh nghiệm hoặc bằng một số phương pháp phân cụm. Sau khi xác định các đặc tính của dữ liệu, người ta đi tìm cách thích hợp để xác định “khoảng cách” giữa các đối tượng, hay là phép đo tương tự dữ liệu. Đây chính là các hàm để đo sự giống nhau giữa các cặp đối tượng dữ liệu, thông thường các hàm này hoặc là để tính độ tương tự (Similar) hoặc là tính độ phi tương tự(Dissimilar) giữa các đối tượng dữ liệu. Giá trị của hàm tính độ đo tương tự càng lớn thì sự giống nhau giữa đối tượng càng lớn và ngược lại, còn hàm tính độ phi tương tự tỉ lệ nghịch với hàm tính độ tương tự.

Trong quá trình PCDL thì vấn đề trở ngại lớn nhất đó là nhiễu (noise). Nhiễu xuất hiện do trong quá trình thu thập thông tin, dữ liệu thiếu chính xác hoặc không đầy đủ. Vì vậy chúng ta cần phải khử nhiễu trong quá trình tiến hành phân cụm dữ liệu. Các bước của một bài toán phân cụm dữ liệu gồm: - Xây dựng hàm tính độ tương tự - Xây dựng các tiêu chuẩn phân cụm - Xây dựng mô hình cho cấu trúc dữ liệu 6 - Xây dựng thuật toán phân cụm và xác lập các điều kiện khởi tạo - Xây dựng các thủ tục biểu diễn và đánh giá kết quả phân cụm 1.

Các kiểu dữ liệu và độ đo tương tự, độ đo phi tương tự Trong phần này ta phân tích các kiểu dữ liệu thường được sử dụng trong PCDL. Trong PCDL, các đối tượng dữ liệu cần phân tích có thể là con người, nhà cửa, tiền lương, các thực thể phần mềm,. Các đối tượng này thường được diễn tả dưới dạng các thuộc tính của nó. Các thuộc tính này là các tham số cần cho giải quyết vấn đề PCDL và sự lựa chọn chúng có tác động đáng kể đến các kết quả của phân cụm.

Phân loại các kiểu thuộc tính khác nhau là một vấn đề cần giải quyết đối với hầu hết các tập dữ liệu nhằm cung cấp các phương tiện thuận lợi để nhận dạng sự khác nhau của các phần tử dữ liệu. Dưới đây là cách phân lớp dựa trên hai đặc trưng là: kích thước miền và hệ đo. Phân loại kiểu dữ liệu dựa trên kích thước miền - Thuộc tính liên tục: Nếu miền giá trị của nó là vô hạn không đếm được, nghĩa là giữa hai giá trị tồn tại vô số giá trị khác. Thí dụ như các thuộc tính về màu, nhiệt độ hoặc cường độ âm thanh.

- Thuộc tính rời rạc: Nếu miền giá trị của nó là tập hữu hạn hoặc đếm được. Thí dụ như các thuộc tính về số serial của một cuốn sách, số thành viên trong một gia đình,. Phân loại kiểu dữ liệu dựa trên hệ đo Giả sử có hai đối tượng x, y và các thuộc tính xi, yi tương ứng với thuộc tính thứ i của chúng. Ta có các lớp kiểu dữ liệu như sau: - Thuộc tính định danh: Dạng thuộc tính khái quát hóa của thuộc tính nhị phân, trong đó miền giá trị là rời rạc không phân biệt thứ tự và có nhiều hơn hai phần tử - nghĩa là nếu x và y là hai đối tượng thuộc tính thì chỉ có thể xác định là 𝑥 ≠ 𝑦 hoặc 𝑥 = 𝑦.

- Thuộc tính có thứ tự: Là thuộc tính định danh có thêm tính thứ tự, nhưng chúng không được định lượng. Nếu x và y là hai thuộc tính thứ tự thì ta có thể 7 xác định là 𝑥 ≠ 𝑦 hoặc 𝑥 = 𝑦 hoặc 𝑥 > 𝑦 hoặc 𝑥 < 𝑦. Thí dụ như thuộc tính Huy chương của vận động viên thể thao. - Thuộc tính khoảng: Nhằm để đo các giá trị theo xấp xỉ tuyến tính.

Với thuộc tính khoảng, ta có thể xác định một thuộc tính là đứng trước hoặc đứng sau thuộc tính khác với một khoảng là bao nhiêu. Nếu xi yi thì ta nói x cách y một khoảng | xi– yi| tương ứng với thuộc tính thứ i. Ví dụ, thuộc tính số Serial của một đầu sách trong thư viện hoặc thuộc tính số kênh trên truyền hình. - Thuộc tính tỉ lệ: Là thuộc tính khoảng nhưng được xác định một cách tương đối so với điểm mốc, thí dụ như thuộc tính chiều cao hoặc cân nặng lấy giá trị 0 làm gốc.

Trong các thuộc tính dữ liệu trình bày ở trên, thuộc tính định danh và thuộc tính có thứ tự gọi chung là thuộc tính hạng mục, thuộc tính khoảng và thuộc tính tỉ lệ được gọi là thuộc tính số. Người ta còn đặc biệt quan tâm đến dữ liệu không gian. Đây là loại dữ liệu có các thuộc tính số khái quát trong không gian nhiều chiều, dữ liệu không gian mô tả các thông tin liên quan đến không gian chứa đựng các đối tượng, thí dụ như thông tin về hình học,. Dữ liệu không gian có thể là dữ liệu liên tục hoặc rời rạc: Dữ liệu không gian rời rạc: Có thể là một điểm trong không gian nhiều chiều và cho phép ta xác định được khoảng cách giữa các đối tượng dữ liệu trong không gian.