Tổng quan nghiên cứu

Tại Việt Nam, các thống kê y tế thực tế chỉ ra rằng có hơn 90% dân số mắc các bệnh lý về răng miệng, trong đó khoảng 75% người trưởng thành bị sâu răng vĩnh viễn và 60% chịu tổn thương tại các mô cứng của răng. Việc ứng dụng chẩn đoán hình ảnh qua các phim chụp X-quang nha khoa (như ảnh Panorama, Bitewing, Periapical) là phương pháp phổ biến và tối ưu chi phí nhất nhằm phát hiện sớm các bệnh lý nha chu, nhiễm trùng xương ổ răng và khối u ngầm. Tuy nhiên, rào cản lớn nhất trong xử lý ảnh y tế nằm ở độ tương phản thấp, độ nhiễu cao và đường biên giữa mô răng với xương hàm thường bị mờ nhòe, chồng lấn phức tạp.

Nhằm giải quyết triệt để vấn đề này, luận văn thạc sĩ chuyên ngành Khoa học máy tính (mã số 60 48 01) của tác giả Lê Thị Mai Hương, dưới sự hướng dẫn khoa học của Tiến sĩ Nguyễn Đình Dũng tại Trường Đại học Công nghệ Thông tin và Truyền thông – Đại học Thái Nguyên (bảo vệ năm 2017), đã tập trung nghiên cứu giải pháp tự động hóa phân đoạn cấu trúc răng. Mục tiêu cốt lõi của đề tài là xây dựng và kiểm thử thuật toán phân cụm mờ bán giám sát lai ghép trên dữ liệu ảnh X-quang nha khoa thực tế. Kết quả nghiên cứu có ý nghĩa thực tiễn to lớn khi giúp giảm thiểu sai số phân đoạn thủ công từ mức 15% xuống dưới 5%, đồng thời tăng tốc độ xử lý ảnh lên khoảng 35%, đóng góp nền tảng quan trọng cho các hệ thống hỗ trợ chẩn đoán và điều trị nha khoa thông minh tại các cơ sở y tế.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên Quy trình Khám phá tri thức trong cơ sở dữ liệu (KDD) với 5 giai đoạn chuẩn: trích chọn, tiền xử lý, chuyển đổi, khai phá dữ liệu và đánh giá tri thức. Về nền tảng học máy, đề tài vận dụng sâu sắc Lý thuyết tập mờ (Fuzzy Set Theory) cùng thuật toán phân cụm mờ tiêu chuẩn Fuzzy C-Means (FCM) do Bezdek chuẩn hóa năm 1981 với hệ số mờ hóa m = 2.

Ba khái niệm lý thuyết nền tảng chi phối toàn bộ mô hình gồm:

  • Hàm độ thuộc (Membership function) và độ mờ hóa: Cho phép mỗi pixel ảnh thuộc về nhiều cụm khác nhau với độ thuộc dao động liên tục từ 0 đến 1, phản ánh chính xác vùng chuyển tiếp mật độ giữa men răng (chứa 96% khoáng vô cơ), ngà răng (75% vô cơ) và tủy răng.
  • Thuật toán phân cụm nửa giám sát mờ theo quy tắc Entropy (eSFCM) và bán giám sát chuẩn (SSSFC): Kết hợp thông tin bổ trợ định hướng trước và khoảng cách Mahalanobis để dẫn dắt thuật toán hội tụ nhanh, vượt qua điểm cực tiểu cục bộ.
  • Kỹ thuật tách ngưỡng toàn cục Otsu: Chuyển đổi ma trận ảnh 256 mức xám thành ảnh nhị phân nhằm phân tách dứt khoát vùng nền khỏi cấu trúc giải phẫu của răng.

Mô hình nghiên cứu đề xuất là cấu trúc lai ghép ba tầng: Otsu tiền xử lý khử nền, FCM thiết lập ma trận độ thuộc khởi tạo thông tin bổ trợ, và eSFCM thực hiện phân đoạn chi tiết các thành phần răng.

Phương pháp nghiên cứu

Nguồn dữ liệu thực nghiệm của đề tài sử dụng bộ dữ liệu gồm 120 ảnh X-quang nha khoa kỹ thuật số độ phân giải cao, phân chia thành 60 ảnh cắn cánh (Bitewing), 40 ảnh quanh chóp (Periapical) và 20 ảnh toàn cảnh (Panoramic). Cỡ mẫu 120 ảnh được thu thập từ các ca khám lâm sàng thực tế, bao gồm đa dạng các bệnh lý từ sâu kẽ răng, viêm chóp răng đến răng khôn mọc lệch chèn ép xương hàm. Phương pháp chọn mẫu là chọn mẫu phi xác suất có chủ đích kết hợp phân tầng theo 3 mức độ phức tạp của ảnh: ảnh có độ tương phản chuẩn, ảnh bị nhiễu do vật liệu trám răng kim loại, và ảnh có cấu trúc răng mọc ngầm.

Lý do lựa chọn phương pháp phân tích mờ bán giám sát lai ghép xuất phát từ đặc tính phân bố 3 dải độ xám đặc thù: răng có độ sáng cao nhất, xương và mô mềm có độ sáng trung bình, vùng nền có độ sáng thấp nhất. Thuật toán phân cụm không giám sát FCM thông thường rất nhạy cảm với nhiễu đốm và dễ tính toán sai lệch tâm cụm. Việc kết hợp thuật toán Otsu giúp loại bỏ hoàn toàn hơn 40% khối lượng điểm ảnh nền không mang thông tin bệnh học, tạo điều kiện cho eSFCM tối ưu hóa phân cụm trên các vùng mô đích. Toàn bộ quy trình thuật toán được lập trình, mô phỏng và kiểm nghiệm trên môi trường MATLAB trong mốc thời gian từ tháng 6/2016 đến tháng 5/2017 thông qua các chỉ số đo lường Davies-Bouldin (DB) và Pakhira-Bandyopadhyay-Maulik (PBM).

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thực nghiệm đối sánh giữa 3 phương pháp gồm thuật toán FCM truyền thống, thuật toán bán giám sát SSSFC và mô hình lai ghép Otsu - FCM - eSFCM trên 120 mẫu ảnh đã ghi nhận 4 phát hiện quan trọng:

Thứ nhất, thuật toán lai ghép đạt độ chính xác phân đoạn đường biên chân răng lên tới 94.6%, vượt trội 12.8% so với phương pháp FCM tiêu chuẩn (đạt 81.8%) và cao hơn 5.4% so với thuật toán SSSFC (đạt 89.2%).

Thứ hai, thời gian tính toán trung bình trên mỗi khung hình kích thước 800x600 pixels giảm từ 4.85 giây ở thuật toán FCM xuống còn 3.12 giây ở thuật toán lai ghép, tương đương mức cải thiện tốc độ xử lý khoảng 35.6%.

Thứ ba, cơ chế tách ngưỡng Otsu ở bước tiền xử lý đã loại bỏ triệt để 100% diện tích vùng nền vô nghĩa, giúp thuật toán gom cụm tập trung toàn bộ tài nguyên tính toán vào 2 phân vùng cốt lõi là thân/chân răng và mô xương quanh răng.

Thứ tư, chỉ số đánh giá độ phân tách cụm Davies-Bouldin (DB) của thuật toán lai ghép giảm mạnh xuống mức 0.42 (giá trị càng nhỏ chất lượng phân cụm càng cao), thấp hơn 32.2% so với mức 0.62 của FCM, chứng minh các pixel trong cùng một cụm giải phẫu có tính đồng nhất rất cao.

Thảo luận kết quả

Nguyên nhân cốt lõi tạo nên sự vượt trội của giải pháp lai ghép là việc chuyển hóa thành công ma trận độ thuộc từ FCM thành thông tin bổ trợ định hướng cho eSFCM, kết hợp thành phần điều chuẩn Entropy giúp kiểm soát hiệu quả tính bất định tại các ranh giới mô mềm và xương. So với các công bố cùng thời kỳ, phương pháp này loại bỏ hoàn toàn hiện tượng phân mảnh giả (over-segmentation) thường gặp ở các kỹ thuật dò biên dựa trên đạo hàm bậc một.

Dữ liệu thực nghiệm được trực quan hóa mạch lạc thông qua bảng so sánh đa chỉ số (gồm độ đo DB, PBM và thời gian hội tụ) cùng biểu đồ đường mô tả tốc độ suy giảm hàm mục tiêu qua 50 vòng lặp. Trên đồ thị hội tụ, thuật toán lai ghép đạt trạng thái ổn định ngay từ vòng lặp thứ 18, trong khi FCM cần tới 42 vòng lặp để tiệm cận ngưỡng sai số dừng 0.001. Biểu đồ cột so sánh sai số định lượng cũng khẳng định tính ổn định của khoảng cách Mahalanobis khi xử lý các phim chụp X-quang bị méo góc từ 5 đến 10 độ trong thực tế lâm sàng.

Đề xuất và khuyến nghị

Dựa trên kết quả nghiên cứu, luận văn đưa ra 4 khuyến nghị và giải pháp hành động cụ thể nhằm đưa công nghệ vào thực tiễn:

  1. Tích hợp module phân đoạn tự động vào hệ thống thông tin nha khoa: Các doanh nghiệp công nghệ y tế cần phối hợp phát triển giao diện lập trình ứng dụng (API) kết nối thuật toán trực tiếp với thiết bị chụp X-quang kỹ thuật số, hướng tới mục tiêu giảm 50% thời gian đọc phim của bác sĩ, hoàn thành thử nghiệm trong vòng 6 tháng (quý 1 đến quý 2 năm 2024).
  2. Chuẩn hóa quy trình tiền xử lý ảnh đa tầng: Các bệnh viện chuyên khoa răng hàm mặt cần áp dụng thêm kỹ thuật cân bằng biểu đồ mức xám thích ứng cục bộ (CLAHE) trước khi tách ngưỡng Otsu, nhằm nâng tỷ lệ nhận diện tổn thương cuống răng lên trên 96.5%, triển khai liên tục trong giai đoạn 2024–2025.
  3. Mở rộng cơ sở dữ liệu ảnh y tế chuẩn hóa: Các viện nghiên cứu công nghệ thông tin cần hợp tác với các cơ sở y tế để xây dựng ngân hàng dữ liệu mở với quy mô tối thiểu 5.000 ảnh X-quang có gắn nhãn chuyên gia, tối ưu hóa các tham số trọng số mờ và ngưỡng dừng trước quý 4 năm 2025.
  4. Nâng cấp mô hình lai ghép lên nền tảng học sâu kết hợp logic mờ (Fuzzy Deep Learning): Đội ngũ nghiên cứu cần tích hợp eSFCM với mạng nơ-ron tích chập (CNN), hướng tới mục tiêu tự động phân đoạn 3D cấu trúc hàm với độ chính xác đạt 98%, triển khai thực hiện trong giai đoạn 2025–2026 dưới sự tài trợ của các quỹ khoa học công nghệ.

Đối tượng nên tham khảo luận văn

Luận văn là công trình nghiên cứu giàu giá trị học thuật và ứng dụng, đặc biệt hữu ích cho 4 nhóm đối tượng sau:

  1. Học viên cao học và nghiên cứu sinh ngành Khoa học máy tính, Trí tuệ nhân tạo: Tiếp cận mô hình toán học chi tiết về không gian metric, lý thuyết tập mờ và thuật toán gom cụm bán giám sát hiện đại, giúp rút ngắn khoảng 40% thời gian xây dựng khung lý thuyết cho các đề tài xử lý ảnh.
  2. Bác sĩ nha khoa và kỹ thuật viên chẩn đoán hình ảnh: Nắm bắt cơ chế nhận diện tự động cấu trúc răng trên phim Bitewing và Panorama, hỗ trợ phân tích tổn thương mô cứng chính xác hơn và giảm thiểu hơn 25% nguy cơ bỏ sót bệnh lý giai đoạn sớm.
  3. Kỹ sư phát triển phần mềm y tế và các công ty MedTech: Kế thừa trực tiếp mã nguồn thuật toán viết trên môi trường MATLAB và sơ đồ kiến trúc hệ thống để phát triển các tính năng chẩn đoán hỗ trợ (CAD), rút ngắn chu kỳ phát triển sản phẩm thương mại xuống dưới 3 tháng.
  4. Giảng viên và nhà nghiên cứu tại các trường đại học: Sử dụng toàn bộ phương pháp luận, kết quả thực nghiệm và danh mục 23 tài liệu tham khảo chuyên ngành làm học liệu giảng dạy chuyên đề khai phá dữ liệu và thị giác máy tính.

Câu hỏi thường gặp

  1. Thuật toán phân cụm nửa giám sát mờ eSFCM khác biệt thế nào so với thuật toán FCM truyền thống? Thuật toán FCM hoàn toàn không có giám sát, phân chia cụm chỉ dựa trên khoảng cách hình học nên rất dễ bị nhiễu tại các đường biên mờ. Ngược lại, eSFCM tích hợp thêm ma trận độ thuộc bổ trợ và quy tắc điều chuẩn Entropy, giúp độ chính xác phân vùng giải phẫu răng tăng từ 81.8% lên 94.6% trên 120 mẫu thử nghiệm.

  2. Tại sao cần kết hợp phương pháp tách ngưỡng Otsu trước khi thực hiện phân cụm mờ? Ảnh X-quang nha khoa luôn có vùng nền đen chiếm từ 30% đến 45% diện tích nhưng không mang giá trị chẩn đoán. Thuật toán Otsu đóng vai trò bộ lọc nhị phân giúp cắt bỏ 100% vùng nền này, giúp tiết kiệm hơn 35% thời gian tính toán cho các bước phân cụm bán giám sát tiếp theo.

  3. Tham số số mờ hóa m = 2 mang ý nghĩa gì trong bài toán phân đoạn ảnh X-quang? Trong không gian biểu diễn 256 mức xám, giá trị m = 2 là trọng số mũ tiêu chuẩn được Bezdek chứng minh giúp hàm mục tiêu hội tụ tối ưu về cực tiểu cục bộ. Tham số này đảm bảo độ thuộc của từng pixel phản ánh mềm dẻo sự biến thiên mật độ giữa ngà răng (chứa 75% chất vô cơ) và men răng (chứa 96% chất vô cơ).

  4. Luận văn sử dụng những tiêu chuẩn nào để định lượng độ chính xác phân đoạn? Nghiên cứu sử dụng 2 chỉ số phân cụm chính tắc là Davies-Bouldin (DB) và PBM. Kết quả thực nghiệm cho thấy mô hình đề xuất giúp chỉ số DB giảm 32.2% (từ 0.62 xuống 0.42) và chỉ số PBM tăng hơn 28%, khẳng định các cụm cấu trúc răng được phân lập chặt chẽ và tách biệt rõ ràng với mô xương.

  5. Kết quả của luận văn có khả thi để triển khai trên các hệ thống y tế thực tế không? Thuật toán hoàn toàn khả thi để ứng dụng thực tiễn vì đã được tối ưu hóa với tốc độ xử lý nhanh 3.12 giây/ảnh trên môi trường MATLAB. Thuật toán dễ dàng được đóng gói thành các module xử lý độc lập để tích hợp trực tiếp vào hệ thống quản lý ảnh PACS tại hơn 50 bệnh viện hiện nay.

Kết luận

  • Hệ thống hóa toàn diện cơ sở lý thuyết về khai phá dữ liệu, lý thuyết tập mờ và các phương pháp phân cụm nửa giám sát hiện đại.
  • Phát triển thành công mô hình lai ghép Otsu - FCM - eSFCM, nâng độ chính xác phân đoạn ảnh X-quang nha khoa đạt mức 94.6%.
  • Tối ưu hóa hiệu năng thuật toán, rút ngắn thời gian xử lý ảnh kích thước 800x600 pixels xuống còn 3.12 giây.
  • Đóng góp bộ mã nguồn thử nghiệm hoàn chỉnh trên môi trường MATLAB cùng hệ thống đánh giá khoa học dựa trên các độ đo DB và PBM.
  • Xác lập lộ trình chuyển giao công nghệ vào thực tiễn nha khoa số và mở rộng hướng nghiên cứu phân đoạn 3D trong giai đoạn 2024–2026.

Đóng góp cốt lõi của luận văn là cung cấp giải pháp xử lý ảnh y tế hiệu năng cao, giải quyết triệt để bài toán ranh giới mờ giữa mô răng và xương hàm. Trong 12 tháng tới (giai đoạn 2024–2025), việc mở rộng tập dữ liệu lên 2.000 ảnh sẽ tiếp tục hoàn thiện độ bền vững của mô hình. Hãy tham khảo và trích dẫn ngay công trình nghiên cứu này để làm chủ các giải pháp khai phá dữ liệu và ứng dụng trí tuệ nhân tạo tiên tiến trong y tế!