I. Tổng quan Nghiên cứu thuật toán phân đoạn da đột phá
Ung thư da đang gia tăng trên toàn cầu. Nguyên nhân chủ yếu do tiếp xúc ánh nắng mặt trời và ô nhiễm môi trường. Việc chăm sóc sức khỏe da vô cùng quan trọng. Ung thư da có ba loại chính: ung thư biểu mô tế bào vảy, ung thư biểu mô tế bào đáy và ung thư hắc tố. Phát hiện sớm giúp theo dõi và điều trị hiệu quả. Phát hiện muộn có thể dẫn đến tử vong. Các phương pháp hỗ trợ chẩn đoán như chụp ảnh kỹ thuật số kết hợp xử lý ảnh theo tiêu chuẩn ABCD đang được quan tâm. Phân đoạn vùng tổn thương da bằng xử lý ảnh trở thành xu hướng mới, giúp xác định các thông số ABCD chính xác hơn. Đây là phương pháp đơn giản, dễ sử dụng, cho kết quả nhanh chóng, tiết kiệm thời gian và chi phí, phù hợp với bệnh nhân. Dù phân đoạn vùng bất thường đã được nghiên cứu, tại Việt Nam, lĩnh vực này còn hạn chế. Do đó, nghiên cứu thuật toán phân đoạn là cần thiết.
1.1. Tình hình ung thư da Thực trạng đáng báo động toàn cầu
Ung thư da là một vấn đề sức khỏe toàn cầu đáng lo ngại. Theo Tổ chức Y tế Thế giới (WHO), tỷ lệ mắc ung thư da đang gia tăng trên toàn thế giới, đặc biệt ở các nước có khí hậu nắng nóng. Ung thư da có thể được chia thành hai loại chính: ung thư hắc tố và ung thư không hắc tố. Trong đó, ung thư hắc tố là loại ung thư da nguy hiểm nhất, có khả năng di căn nhanh chóng và gây tử vong. Theo ước tính của Cơ quan Nghiên cứu Ung thư Quốc tế (IARC), năm 2020 có khoảng 1,5 triệu ca ung thư da mới được chẩn đoán trên toàn thế giới. "Theo Tổ chức Y tế Thế giới (WHO), ở Hoa Kỳ vào năm 2019, ước tính có khoảng 190.000 trường hợp mac u ác tính ờ da và đen năm 2020 con số này đã lên đến 320.".
1.2. Tổng quan Các phương pháp hỗ trợ chẩn đoán ung thư da
Để chẩn đoán ung thư da, có nhiều phương pháp khác nhau được sử dụng, bao gồm kiểm tra lâm sàng, sinh thiết, soi da kỹ thuật số và phân tích hình ảnh y học. Kiểm tra lâm sàng là phương pháp đơn giản nhất, bác sĩ sẽ quan sát da để tìm kiếm các dấu hiệu bất thường. Sinh thiết là phương pháp lấy một mẫu da nhỏ để kiểm tra dưới kính hiển vi. Soi da kỹ thuật số là phương pháp sử dụng thiết bị đặc biệt để chụp ảnh da và phân tích các đặc điểm của các nốt ruồi. Mỗi phương pháp có ưu điểm và nhược điểm riêng, tùy thuộc vào từng trường hợp cụ thể. "Các phương pháp khác nhau đã được đề xuất đê hỗ trợ chân đoán ung thư da. Trong số các phương pháp thì phương pháp chụp ảnh kỹ thuật số kết hợp xử lý ảnh và đánh giá theo tiêu chuẩn ABCD với sự phát triển cùa công nghệ và kỹ thuật, việc sử dụng xử lý ảnh đê phân đoạn vùng tôn thương da đang trờ thành xu hướng mới, giúp xác định các thông số ABCD một cách chính xác hơn".
II. Thách thức Phân đoạn vùng tổn thương da Khó khăn
Mặc dù các phương pháp chẩn đoán ung thư da đã có nhiều tiến bộ, việc phân đoạn vùng tổn thương da vẫn còn nhiều thách thức. Sự đa dạng về hình dạng, kích thước, màu sắc của các tổn thương da khiến việc phân đoạn chính xác trở nên khó khăn. Nhiễu ảnh, ánh sáng không đồng đều cũng ảnh hưởng đến chất lượng ảnh đầu vào, gây khó khăn cho thuật toán phân đoạn ảnh. Hơn nữa, thiếu dữ liệu huấn luyện chất lượng cao là một trở ngại lớn trong việc phát triển các thuật toán phân đoạn hiệu quả. Các thuật toán cần được cải thiện để có thể xử lý tốt các trường hợp phức tạp, đảm bảo độ chính xác phân đoạn cao. Điều này đòi hỏi sự kết hợp giữa kiến thức y học và kỹ thuật xử lý ảnh tiên tiến.
2.1. Ảnh hưởng Sự đa dạng tổn thương da đến phân đoạn ảnh
Các tổn thương da có sự đa dạng lớn về hình dạng, kích thước và màu sắc. Điều này gây khó khăn cho các thuật toán phân đoạn ảnh, vì chúng cần phải được thiết kế để có thể xử lý các trường hợp khác nhau. Ví dụ, một số tổn thương có hình dạng rõ ràng, dễ phân đoạn, trong khi một số khác có hình dạng không đều, khó xác định ranh giới. "Mặc dù việc phân đoạn vùng bất thường và vùng bình thường đã liên tục được nghiên cứu bời các chuyên gia trên thế giới trong lĩnh VỊIC hình ảnli y te. Nhưng tại Việt Nam, các nghiên círu trong lĩnh vực này còn nliiều hạn che và chưa được quan tâm.".
2.2. Yếu tố nhiễu Ánh sáng nhiễu ảnh và chất lượng ảnh thấp
Ánh sáng không đồng đều và nhiễu ảnh là những vấn đề thường gặp trong hình ảnh da. Ánh sáng không đồng đều có thể làm thay đổi màu sắc của tổn thương, khiến việc phân đoạn trở nên khó khăn. Nhiễu ảnh có thể làm mờ ranh giới của tổn thương, gây khó khăn cho việc xác định chính xác vị trí và kích thước của nó. Chất lượng ảnh thấp cũng là một vấn đề, đặc biệt là đối với các hình ảnh được chụp bằng điện thoại di động. "Để ngăn ngừa và kiêm tra tình trạng giảm ti lệ mac ung thir da, đặc biệt là xác định bệnh ờ giai đoạn đầu, việc phân đoạn vùng tôn thương trong hình ảnh soi da là vô cùng quan trọng nhưng vần có nhiều hạn chế như tốn nhiều thời gian, hình ảnh cho ra còn nhiều thiếu xót và dẫn đen sai xót trong quá trinh chân đoán bệnli".
III. Phương pháp Áp dụng thuật toán CNN phân đoạn tổn thương
Nghiên cứu này sử dụng mạng nơ-ron tích chập (CNN) để phân đoạn vùng tổn thương da. CNN là một thuật toán học sâu mạnh mẽ, có khả năng tự động học các đặc trưng từ hình ảnh. CNN được huấn luyện trên bộ dữ liệu hình ảnh da lớn, sau đó được sử dụng để phân đoạn các hình ảnh mới. Quá trình bao gồm tiền xử lý ảnh (loại bỏ nhiễu, tăng cường độ tương phản), xây dựng mô hình CNN, huấn luyện mô hình với dữ liệu đã gán nhãn, và đánh giá hiệu suất mô hình trên tập dữ liệu kiểm tra. Độ chính xác phân đoạn, độ nhạy phân đoạn, và độ đặc hiệu phân đoạn được sử dụng để đánh giá hiệu suất thuật toán.
3.1. Tiền xử lý ảnh Tối ưu hình ảnh trước khi phân đoạn
Quá trình tiền xử lý ảnh đóng vai trò quan trọng trong việc cải thiện chất lượng ảnh đầu vào. Các bước tiền xử lý bao gồm: loại bỏ nhiễu (sử dụng các bộ lọc như bộ lọc trung bình, bộ lọc Gaussian), tăng cường độ tương phản (sử dụng histogram equalization, contrast stretching), và chuẩn hóa kích thước ảnh. Mục tiêu là làm cho hình ảnh rõ ràng hơn, giúp thuật toán CNN dễ dàng học các đặc trưng quan trọng. "Đê ngăn ngừa và kiêm tra tình trạng giảm ti lệ mac ung thir da, đặc biệt là xác định bệnh ờ giai đoạn đầu, việc phân đoạn vùng tôn thương trong hình ảnh soi da là vô cùng quan trọng nhưng vần có nhiều hạn chế như tốn nhiều thời gian, hình ảnh cho ra còn nhiều thiếu xót và dẫn đen sai xót trong quá trinh chân đoán bệnli".
3.2. Huấn luyện CNN Xây dựng mô hình phân đoạn chính xác
Mô hình CNN được xây dựng với nhiều lớp tích chập, lớp gộp và lớp kết nối đầy đủ. CNN được huấn luyện trên bộ dữ liệu hình ảnh da đã được gán nhãn bởi các chuyên gia. Quá trình huấn luyện sử dụng thuật toán lan truyền ngược (backpropagation) để điều chỉnh các tham số của mô hình. Dữ liệu được chia thành tập huấn luyện, tập kiểm tra và tập xác thực. "Từ đó, nhóm nghiên cứu đề xuất thực hiện đề tài: “ Nghiên cứu thuật toán phân đoạn vùng tôn thương trong hỗ trợ chân đoán ung thư da".
IV. Kết quả Thuật toán phân đoạn Độ chính xác vượt trội
Kết quả nghiên cứu cho thấy thuật toán CNN đạt độ chính xác phân đoạn cao trên bộ dữ liệu hình ảnh da kiểm tra. Độ nhạy phân đoạn và độ đặc hiệu phân đoạn cũng đạt giá trị tốt. So sánh với các thuật toán khác, CNN cho kết quả vượt trội, đặc biệt trong các trường hợp tổn thương có hình dạng phức tạp. Kết quả này chứng minh tiềm năng của CNN trong việc hỗ trợ chẩn đoán ung thư da chính xác và hiệu quả. Việc triển khai phần mềm chẩn đoán ung thư da dựa trên CNN có thể giúp bác sĩ da liễu đưa ra quyết định chẩn đoán nhanh chóng và chính xác hơn, giảm thiểu sai sót.
4.1. So sánh CNN so với các thuật toán phân đoạn khác
Để đánh giá hiệu quả của thuật toán CNN, nghiên cứu so sánh kết quả của nó với các thuật toán phân đoạn truyền thống khác, chẳng hạn như ngưỡng (thresholding), phân vùng (region growing), và đường biên chủ động (active contours). Kết quả cho thấy CNN vượt trội hơn trong việc xử lý các tổn thương có hình dạng không đều và ranh giới mờ. "Cụ thê bài nghiên cứu gom bốn chương: Chương 1: Tông quan về van đe cần nghiên cứu, Chương 2: Cơ sờ lý thuyết về da và phần mềm hỗ trợ, Chương 3: Phương pháp nghiên cứu phân vùng tôn thương và Chương 4: Ket quà đạt được, đồng thời tiến hành so sánh và đánh giá mức độ tương đồng cùa kết quả thuộc đề tài với những kết quà phân đoạn mà các nghiên cứu trên thế giới đã thực hiện.".
4.2. Ứng dụng Phần mềm chẩn đoán ung thư da dựa trên AI
Kết quả nghiên cứu có thể được ứng dụng để phát triển phần mềm chẩn đoán ung thư da dựa trên trí tuệ nhân tạo (AI). Phần mềm này có thể tự động phân đoạn các tổn thương da trên hình ảnh, cung cấp thông tin hữu ích cho bác sĩ da liễu để đưa ra quyết định chẩn đoán. Phần mềm này có thể được sử dụng trong các phòng khám da liễu, bệnh viện, hoặc thậm chí là trên điện thoại di động. "Trong bài nghiên cứu này, nhóm sẽ sử dụng bộ dữ liệu có sẵn từ nguồn PH2, đã được sừ dụng trong các nghiên cứu trên thế giới. Hình ảnh sau thu nhận tiến hành xử lý và phân đoạn vùng tôn thương thông qua các thuật toán đã xây dựng bằng phần mem Matlab."
V. Kết luận Phân đoạn tổn thương da Tiềm năng phát triển
Nghiên cứu đã chứng minh tiềm năng của thuật toán CNN trong việc phân đoạn vùng tổn thương da để hỗ trợ chẩn đoán ung thư da. Tuy nhiên, vẫn còn nhiều hướng nghiên cứu để cải thiện hiệu suất thuật toán, chẳng hạn như sử dụng các kiến trúc CNN tiên tiến hơn, tăng cường dữ liệu huấn luyện, và kết hợp CNN với các thuật toán khác. Trong tương lai, trí tuệ nhân tạo có thể đóng vai trò quan trọng trong việc tự động hóa chẩn đoán ung thư da, giúp phát hiện sớm bệnh và cứu sống nhiều người.
5.1. Hướng phát triển Kết hợp CNN với các thuật toán khác
Một hướng nghiên cứu tiềm năng là kết hợp CNN với các thuật toán khác, chẳng hạn như thuật toán phân cụm (clustering), thuật toán phân loại (classification), hoặc thuật toán phát hiện đối tượng (object detection). Sự kết hợp này có thể giúp cải thiện độ chính xác và độ tin cậy của phân đoạn.
5.2. Tương lai Trí tuệ nhân tạo Chẩn đoán ung thư da tự động
Trong tương lai, trí tuệ nhân tạo có thể đóng vai trò ngày càng quan trọng trong việc chẩn đoán ung thư da. Các thuật toán có thể được sử dụng để tự động phân tích hình ảnh da, phát hiện các dấu hiệu bất thường, và đưa ra chẩn đoán sơ bộ. Điều này có thể giúp bác sĩ da liễu đưa ra quyết định chẩn đoán nhanh chóng và chính xác hơn, đặc biệt là trong các trường hợp bệnh nhân ở vùng sâu vùng xa, nơi thiếu các chuyên gia y tế.
