Nghiên cứu ứng dụng công nghệ mô phỏng 3D trong y học

Chuyên khảo y tế phân tích Nghiên cứu một số kỹ thuật xử lý đối tượng và mô phỏng ứng dụng trong y học, đánh giá các khía cạnh quan trọng, đề xuất hướng nghiên cứu tiếp theo.

• Tác giả: L V n Chung
• Người hướng dẫn: PGS.TS L c Nh ng
• Trường học: Khoa Học M y T nh
• Chuyên ngành: Công Nghệ Mô Phỏng 3D
• Đề tài: Nghiên Cứu Ứng Dụng Công Nghệ Mô Phỏng 3D Trong Y Học
• Loại tài liệu: Luận Văn
• Năm xuất bản: 2022
• Địa điểm: Nha Trang

Mục lục chi tiết

• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: TỔNG QUAN VỀ XỬ LÝ TĂNG TRONG MÔ PHỎNG Y HỌC
• 1.1. Khái quát về mô phỏng
• 1.1.1. Khái niệm về mô phỏng
• 1.1.2. Phân loại các hệ thống mô phỏng
• 1.1.2.1. Hệ thống mô phỏng không cắt nhánh
• 1.1.2.2. Hệ thống mô phỏng bán nhánh
• 1.1.2.3. Hệ thống mô phỏng nhánh toàn phần
• 1.1.3. Mô phỏng 3D trong y học
• 1.1.3.1. Công nghệ mô phỏng y học
• 1.1.3.2. Hệ thống mô phỏng 3D thực tại ảo trong y học
• 1.1.3.3. Ứng dụng của mô phỏng thực tại ảo trong y học
• 1.2. Một số kỹ thuật biểu diễn, tái tạo và tương tác trên tăng 3D
• 1.2.1. Kỹ thuật biểu diễn, biến đổi tăng 3D
• 1.2.2. Kỹ thuật tương tác tăng 3D ở góc nhìn
• 1.2.2.1. Vận công và nhồi tăng hóa ảnh minh họa
• 1.2.2.2. Góc nhìn người dùng khi tương tác tăng 3D
• 1.2.2.3. Góc nhìn ánh sáng người dùng tương tác tăng 3D
• 1.2.3. Một số hướng tiếp cận xử lý tăng 3D trong mô phỏng y học
• 1.2.3.1. Hướng tiếp cận tối ưu hóa bộ mặt tăng 3D
• 1.2.3.1.1. Tối ưu hóa bộ mặt lưới tam giác, tứ giác
• 1.2.3.1.2. Hướng tiếp cận với chiếu sáng vật ảo bằng tăng 3D
• 1.2.3.1.2.1. Tiếp cận chiếu sáng tăng 3D
• 1.2.3.1.2.2. Tiếp cận tạo bóng tăng 3D
• 1.2.3.1.3. Hướng tiếp cận vật tương tác tăng 3D
• 1.2.3.2. Lựa chọn, thao tác với điều kiện ngừng
• 1.2.3.3. Tiếp cận bảo mật cho dữ liệu hình ảnh tăng 3D
• 2. XUẤT MỘT SỐ KỸ THUẬT XỬ LÝ TĂNG TRONG MÔ PHỎNG Y HỌC
• 2.1. Kỹ thuật lựa chọn mẫu RGB hiệu quả cho cấu trúc tăng 3D phức tạp
• 2.1.1. Các nghiên cứu liên quan
• 2.1.2. Xuất mô hình lựa chọn mẫu RGB hiệu quả cho cấu trúc tăng 3D phức tạp trong hệ thống thực nghiệm
• 2.1.2.1. Vị trí và vùng chọn vùng danh
• 2.1.2.2. Xác nhận vùng biên
• 2.1.2.3. Kiểm soát trạng thái Texture chính và RGB
• 2.1.2.4. Xử lý các tính toán bằng GLSL
• 2.1.2.5. Tương tác với vùng chọn
• 2.1.3. Kết quả thực nghiệm và nhận xét
• 2.1.3.1. Nhận giá hiệu năng các thao tác ghi pixel
• 2.1.3.2. Nhận giá hiệu quả trên tăng 3D phức tạp
• 2.2. Kỹ thuật nâng cao hiệu quả tương tác với ánh sáng trong thực tạo tăng cứng
• 2.2.1. Các nghiên cứu liên quan
• 2.2.2. Xuất kỹ thuật cải thiện hiệu quả tương tác với nhiều người dùng trong thực tạo tăng cứng hợp tác
• 2.2.2.1. Kiến trúc tương tác với nhiều người dùng trong AR
• 2.2.2.2. Triển khai AnatomyNow trong môi trường AR
• 2.2.2.3. Kỹ thuật chia sẻ nhiều người dùng
• 2.2.2.4. Kỹ thuật tương tác AR với nhiều thiết bị
• 2.2.3. Kết quả thực nghiệm và nhận xét
• 2.2.3.1. Kết quả thực nghiệm
• 2.2.3.2. Phân tích, nhận giá kết quả thực nghiệm
• 2.3. Thuật toán Memetic mã hóa dữ liệu y tế trên mạng truyền trong các hệ thống phân tán dựa trên IoT
• 2.3.1. Các nghiên cứu liên quan
• 2.3.2. Xuất thuật toán Memetic mã hóa dữ liệu y tế trên mạng truyền trong các hệ thống phân tán dựa trên IoT
• 2.3.2.1. Thuật toán Memetic truyền dữ liệu y tế an toàn
• 2.3.2.2. Mã hóa thông tin nhạy cảm với thuật toán Memetic
• 2.3.2.3. Thật c giấu tin sử dụng DWT
• 2.3.2.4. Thật c lấy thông tin bảo mật
• 2.3.3. Kết quả thực nghiệm và nhận xét
• 2.3.3.1. Thiết lập môi trường thực nghiệm
• 2.3.3.2. Thiết lập tham số nghiệm
• 2.3.3.3. Phân tích, nhận xét mức bảo mật
• 3. ỨNG DỤNG MỘT SỐ KỸ THUẬT XỬ LÝ TĂNG XÂY DỰNG HỆ THỐNG MÔ PHỎNG THỰC TẠI
• 3.1. Thực trạng giảng dạy môn giải phẫu và hướng tiếp cận
• 3.1.1. Thực trạng giảng dạy
• 3.1.2. Hướng tiếp cận ứng dụng công nghệ mô phỏng
• 3.1.3. Các nghiên cứu liên quan
• 3.2. Ứng dụng một số kỹ thuật xử lý tăng 3D xây dựng hệ thống mô phỏng thực tại
• 3.2.1. Hệ thống mô phỏng thực tại 3D
• 3.2.2. Mô phỏng các chi giải phẫu cơ thể người, hoạt động
• 3.2.3. Mô phỏng tương tác ảo nâng tầng thiết bị với hệ thống
• 3.3. Phân tích, so sánh hiệu quả của hệ thống thực nghiệm
• 3.3.1. Thiết kế kiến trúc và lựa chọn môi trường thực nghiệm
• 3.3.2. Phân tích kết quả thực nghiệm
• 3.3.3. Nhận xét về hệ thống mô phỏng
• DANH SÁCH CÁC CÔNG BỐ LIÊN QUAN
• REFERENCE

Tóm tắt

I. Tổng quan về Nghiên cứu Ứng dụng Công nghệ Mô phỏng 3D Y học

Công nghệ mô phỏng 3D y học đang ngày càng phát triển mạnh mẽ, đặc biệt là trong bối cảnh sự tiến bộ của phần cứng và các thiết bị thu nhận hình ảnh. Thực tế ảo (VR) đóng vai trò quan trọng trong nhiều lĩnh vực, từ giải trí đến khoa học và kỹ thuật. Trong y học, việc xây dựng các mô hình 3D là vô cùng quan trọng để tạo ra một thế giới thực tế ảo chân thực, đáp ứng nhu cầu khắt khe của người dùng. Các mô hình này thường được tạo ra bằng ba phương pháp chính: lập trình, thiết kế 3D và sử dụng máy quét 3D. Máy quét 3D đang trở thành công cụ đắc lực để tạo ra các mô hình 3D từ thế giới thực với độ chính xác cao, giảm thiểu thời gian và chi phí. Tuy nhiên, độ chính xác cao đồng nghĩa với số lượng dữ liệu lớn, gây khó khăn cho nhiều ứng dụng khác nhau của thực tế ảo.

1.1. Giới thiệu về Công nghệ Mô phỏng 3D trong Y học

Công nghệ mô phỏng 3D trong y học đang cách mạng hóa cách thức đào tạo, chẩn đoán và điều trị bệnh. Từ việc tái tạo các cơ quan nội tạng đến mô phỏng phẫu thuật, công nghệ này mang lại những lợi ích to lớn. Theo nghiên cứu của Lê Văn Chung, công nghệ này giúp sinh viên y khoa tiếp cận kiến thức một cách trực quan và sinh động hơn. Các bác sĩ có thể sử dụng mô phỏng 3D để lập kế hoạch phẫu thuật phức tạp, giảm thiểu rủi ro và cải thiện kết quả điều trị. Ứng dụng 3D trong y học không chỉ giới hạn ở đào tạo và phẫu thuật mà còn mở rộng sang nhiều lĩnh vực khác.

1.2. Tầm quan trọng của Mô phỏng 3D trong Đào tạo Y khoa

Trong đào tạo y khoa, mô phỏng 3D cung cấp một môi trường an toàn và hiệu quả để sinh viên thực hành các kỹ năng lâm sàng. Thay vì phải thực hành trên xác người hoặc động vật, sinh viên có thể sử dụng phần mềm mô phỏng y học để làm quen với các quy trình phẫu thuật và các tình huống khẩn cấp. Điều này giúp họ tự tin hơn khi đối mặt với bệnh nhân thực tế. Mô phỏng 3D trong đào tạo y khoa cũng cho phép sinh viên học tập theo tốc độ của riêng mình và nhận được phản hồi ngay lập tức về hiệu suất của họ.

II. Thách thức và Giải pháp Tối ưu Mô phỏng 3D trong Y học

Bài toán tối ưu hóa và xử lý các đối tượng trong mô hình 3D có ý nghĩa quan trọng khi số lượng đối tượng cần đưa vào thực tế ảo ngày càng nhiều. Ví dụ, khi chúng ta mô phỏng lại một thành phố, tái tạo lại một khu bảo tồn hoặc biểu diễn các cơ quan trong cơ thể người. Bên cạnh đó, các sản phẩm về thực tế ảo xuất hiện nhiều trên các điện thoại thông minh hay máy tính bảng, các thiết bị này hiện tại cấu hình phần cứng còn hạn chế. Với khả năng ứng dụng cao, chi phí thấp thì cần phải có những nghiên cứu chuyên sâu về xử lý các đối tượng 3D sau khi tạo từ máy quét 3D để có thể ứng dụng được rộng rãi hơn. Theo Lê Văn Chung, việc nghiên cứu giải quyết bài toán mô phỏng cơ thể người và xây dựng ứng dụng phục vụ cho công tác nghiên cứu, học tập và luyện nghề giải phẫu học là vấn đề cần thiết.

2.1. Vấn đề về Dung lượng và Hiệu năng của Mô hình 3D

Một trong những thách thức lớn nhất trong mô phỏng 3D y học là dung lượng lớn của các mô hình 3D. Các mô hình chi tiết về cơ thể người có thể chiếm hàng gigabyte dung lượng lưu trữ, gây khó khăn cho việc truyền tải và hiển thị trên các thiết bị di động. Để giải quyết vấn đề này, cần có các giải pháp tối ưu hóa mô hình 3D, chẳng hạn như giảm số lượng đa giác, sử dụng kỹ thuật nén dữ liệu và áp dụng các thuật toán hiển thị hiệu quả. Hiệu quả của mô phỏng 3D trong y học phụ thuộc rất nhiều vào khả năng hiển thị mượt mà và nhanh chóng các mô hình 3D.

2.2. Giải pháp Tối ưu hóa Mô hình 3D cho Ứng dụng Y học

Để tối ưu hóa mô hình 3D cho các ứng dụng y học, có thể áp dụng nhiều kỹ thuật khác nhau. Một trong số đó là kỹ thuật giảm đa giác, giúp giảm số lượng đa giác trong mô hình mà không làm giảm đáng kể chất lượng hình ảnh. Kỹ thuật nén dữ liệu cũng có thể được sử dụng để giảm dung lượng lưu trữ của mô hình. Ngoài ra, các thuật toán hiển thị hiệu quả, chẳng hạn như LOD (Level of Detail), có thể giúp cải thiện hiệu suất hiển thị trên các thiết bị có cấu hình thấp. Nghiên cứu về mô phỏng 3D y học đang tập trung vào việc phát triển các giải pháp tối ưu hóa mô hình 3D để đáp ứng nhu cầu ngày càng tăng của ngành y tế.

III. Phương pháp Lựa chọn Màu RGB Hiệu quả cho Cấu trúc 3D Y học

Luận án đề xuất một kỹ thuật lựa chọn mẫu RGB hiệu quả cho cấu trúc đối tượng 3D phức tạp dựa trên kết hợp phương pháp gắn thẻ, đánh dấu bằng cách chọn vùng màu RGB trên cấu trúc đối tượng trong hệ thống thực ảnh. Kỹ thuật này giúp cải thiện hiệu quả của các thao tác ghi pixel và đánh giá hiệu quả trên đối tượng 3D phức tạp. Việc lựa chọn màu sắc phù hợp cho các cấu trúc 3D trong y học là rất quan trọng để đảm bảo tính chính xác và dễ nhận biết của các bộ phận khác nhau. Kỹ thuật này có thể được ứng dụng trong nhiều lĩnh vực khác nhau của y học, từ mô phỏng giải phẫu 3D đến mô phỏng phẫu thuật 3D.

3.1. Kỹ thuật Lựa chọn Mẫu RGB Hiệu quả cho Đối tượng 3D

Kỹ thuật này tập trung vào việc lựa chọn các mẫu màu RGB phù hợp để biểu diễn các cấu trúc 3D phức tạp trong y học. Bằng cách sử dụng các thuật toán phân tích hình ảnh và xử lý màu sắc, kỹ thuật này có thể tự động xác định các vùng màu RGB tối ưu cho từng bộ phận của cơ thể. Điều này giúp cải thiện độ chính xác và dễ nhận biết của các mô hình 3D, đồng thời giảm thiểu sự nhầm lẫn và sai sót trong quá trình chẩn đoán và điều trị. Phần mềm mô phỏng y học có thể tích hợp kỹ thuật này để tạo ra các mô hình 3D chất lượng cao.

3.2. Ứng dụng của Kỹ thuật RGB trong Mô phỏng Giải phẫu 3D

Trong mô phỏng giải phẫu 3D, kỹ thuật lựa chọn mẫu RGB hiệu quả có thể được sử dụng để tạo ra các mô hình chi tiết và chính xác về cơ thể người. Các bộ phận khác nhau của cơ thể, chẳng hạn như xương, cơ và mạch máu, có thể được biểu diễn bằng các màu sắc khác nhau, giúp sinh viên y khoa và bác sĩ dễ dàng phân biệt và nhận biết. Kỹ thuật này cũng có thể được sử dụng để tạo ra các mô hình 3D tương tác, cho phép người dùng khám phá cơ thể người một cách chi tiết và trực quan. Mô phỏng giải phẫu 3D là một công cụ hữu ích cho việc đào tạo và nghiên cứu y học.

IV. Nâng cao Tương tác Đa Người dùng trong Thực tế Tăng cường Y học

Luận án đề xuất một kỹ thuật nâng cao hiệu quả tương tác với nhiều người dùng trong thực tế tăng cường hợp tác đào tạo giải phẫu y khoa. Kỹ thuật này cải thiện hiệu quả của tương tác với nhiều người dùng trong thực tế tăng cường hợp tác đào tạo giải phẫu y khoa. Việc cho phép nhiều người dùng tương tác đồng thời với mô hình 3D trong môi trường thực tế tăng cường (AR) mở ra nhiều cơ hội mới cho việc đào tạo và hợp tác trong y học. Kỹ thuật này có thể được ứng dụng trong các buổi học nhóm, hội thảo trực tuyến và các cuộc họp chuyên môn.

4.1. Tương tác Đa Người dùng trong Môi trường Thực tế Tăng cường

Trong môi trường thực tế tăng cường, nhiều người dùng có thể cùng nhau quan sát và tương tác với một mô hình 3D duy nhất. Điều này cho phép họ chia sẻ kiến thức và kinh nghiệm, đồng thời học hỏi lẫn nhau. Kỹ thuật này có thể được sử dụng để tạo ra các buổi học nhóm tương tác, trong đó sinh viên y khoa có thể cùng nhau khám phá cơ thể người và thảo luận về các trường hợp lâm sàng. Thực tế ảo (VR) trong y học cũng có thể được sử dụng để tạo ra các môi trường mô phỏng tương tác, cho phép sinh viên thực hành các kỹ năng lâm sàng trong một môi trường an toàn và hiệu quả.

4.2. Ứng dụng Tương tác AR trong Đào tạo Giải phẫu Y khoa

Trong đào tạo giải phẫu y khoa, tương tác AR có thể được sử dụng để tạo ra các mô hình 3D tương tác về cơ thể người. Sinh viên có thể sử dụng các thiết bị AR, chẳng hạn như kính HoloLens, để quan sát các mô hình 3D này trong không gian thực của họ. Họ cũng có thể sử dụng các cử chỉ tay để tương tác với các mô hình, chẳng hạn như xoay, phóng to và cắt lớp. Điều này giúp họ hiểu rõ hơn về cấu trúc và chức năng của cơ thể người. Đào tạo phẫu thuật bằng mô phỏng 3D cũng có thể được cải thiện bằng cách sử dụng tương tác AR.

V. Mã hóa Dữ liệu Y tế trên Mạng Phân tán dựa trên IoT

Luận án đề xuất thuật toán Memetic mã hóa dữ liệu y tế trên mạng truyền trong các hệ thống phân tán dựa trên IoT. Thuật toán này giúp bảo vệ thông tin nhạy cảm và đảm bảo an toàn cho dữ liệu y tế trong quá trình truyền tải. Việc bảo mật dữ liệu y tế là vô cùng quan trọng, đặc biệt là trong bối cảnh ngày càng có nhiều thiết bị IoT được sử dụng trong y học. Thuật toán Memetic có thể được ứng dụng trong nhiều lĩnh vực khác nhau của y học, từ chẩn đoán từ xa đến điều trị từ xa.

5.1. Thuật toán Memetic Mã hóa Dữ liệu Y tế

Thuật toán Memetic là một thuật toán tối ưu hóa dựa trên các khái niệm của di truyền học và văn hóa. Trong luận án này, thuật toán Memetic được sử dụng để mã hóa dữ liệu y tế, giúp bảo vệ thông tin nhạy cảm khỏi bị truy cập trái phép. Thuật toán này có thể được sử dụng để mã hóa nhiều loại dữ liệu y tế khác nhau, chẳng hạn như hình ảnh y tế, hồ sơ bệnh án và kết quả xét nghiệm. Mô phỏng 3D trong chẩn đoán có thể được bảo vệ bằng thuật toán này.

5.2. Ứng dụng Mã hóa Dữ liệu trong Hệ thống Y tế IoT

Trong hệ thống y tế IoT, dữ liệu y tế được thu thập từ nhiều thiết bị khác nhau, chẳng hạn như cảm biến đeo trên người, thiết bị theo dõi sức khỏe và thiết bị y tế tại nhà. Dữ liệu này sau đó được truyền tải qua mạng đến các trung tâm xử lý dữ liệu, nơi nó được phân tích và sử dụng để đưa ra các quyết định lâm sàng. Việc mã hóa dữ liệu y tế trong quá trình truyền tải là vô cùng quan trọng để đảm bảo tính bảo mật và riêng tư của bệnh nhân. Mô phỏng 3D cho bệnh nhân có thể được bảo vệ bằng cách mã hóa dữ liệu liên quan.

VI. Xây dựng Hệ thống Mô phỏng Cơ thể Người 3D Thực tế Ảo

Luận án trình bày việc ứng dụng một số kỹ thuật xử lý ảnh để xây dựng hệ thống mô phỏng thực tế ảo cơ thể người có thể tương tác. Hệ thống này có thể được sử dụng để hỗ trợ công tác nghiên cứu, học tập và luyện nghề giải phẫu học. Hệ thống mô phỏng cơ thể người 3D thực tế ảo là một công cụ hữu ích cho việc đào tạo và nghiên cứu y học. Hệ thống này cho phép người dùng khám phá cơ thể người một cách chi tiết và trực quan, đồng thời thực hành các kỹ năng lâm sàng trong một môi trường an toàn và hiệu quả.

6.1. Hệ thống Mô phỏng Cơ thể Người 3D Tương tác

Hệ thống mô phỏng cơ thể người 3D tương tác cho phép người dùng tương tác với mô hình 3D của cơ thể người bằng các thiết bị đầu vào khác nhau, chẳng hạn như chuột, bàn phím, bộ điều khiển trò chơi và thiết bị theo dõi chuyển động. Người dùng có thể xoay, phóng to và cắt lớp mô hình, đồng thời khám phá các bộ phận khác nhau của cơ thể. Hệ thống này cũng có thể cung cấp thông tin chi tiết về cấu trúc và chức năng của từng bộ phận. Mô phỏng 3D trong nha khoa và các chuyên khoa khác có thể được thực hiện bằng hệ thống này.

6.2. Ứng dụng Hệ thống Mô phỏng trong Đào tạo Y khoa

Hệ thống mô phỏng cơ thể người 3D tương tác có thể được sử dụng trong đào tạo y khoa để giúp sinh viên hiểu rõ hơn về cấu trúc và chức năng của cơ thể người. Sinh viên có thể sử dụng hệ thống này để khám phá các bộ phận khác nhau của cơ thể, thực hành các kỹ năng lâm sàng và làm quen với các quy trình phẫu thuật. Hệ thống này cũng có thể được sử dụng để đánh giá kiến thức và kỹ năng của sinh viên. Mô phỏng 3D trong tim mạch và các chuyên khoa khác có thể được sử dụng để đào tạo các bác sĩ chuyên khoa.

Nội dung chính

Tổng quan nghiên cứu

Tại Việt Nam, theo thống kê của ngành giáo dục, cả nước hiện có 31 trường đại học, 42 trường cao đẳng và 49 trường trung cấp đào tạo khối ngành khoa học sức khỏe. Trong đó, môn giải phẫu học giữ vai trò nền tảng bắt buộc đối với 100% sinh viên y đa khoa, điều dưỡng và dược học. Tuy nhiên, thực tế chỉ có khoảng 3 cơ sở đào tạo trọng điểm lớn như Đại học Y Hà Nội, Đại học Y Dược Thành phố Hồ Chí Minh và Đại học Y Dược Huế sở hữu nguồn xác ướp phục vụ thực hành. Hơn 85% cơ sở đào tạo còn lại phải sử dụng tranh vẽ 2D, mô hình nhựa hoặc phần mềm nước ngoài thiếu bản quyền, gây khó khăn lớn trong việc nắm bắt chi tiết không gian giải phẫu thực tế.

Bên cạnh đó, việc ngâm xác trong dung dịch formol vô cùng tốn kém và độc hại, trong khi thi thể hiến tặng suy giảm dần độ nguyên vẹn sau nhiều lần giải phẫu. Nhằm giải quyết triệt để vấn đề này, đề tài tập trung nghiên cứu các kỹ thuật xử lý đối tượng 3D, mô hình hóa bề mặt và tương tác đa người dùng trong môi trường thực tế ảo (VR) và thực tế tăng cường (AR).

Nghiên cứu được triển khai trong giai đoạn từ năm 2018 đến năm 2022 tại Trung tâm CVS thuộc Đại học Duy Tân. Mục tiêu trọng tâm là xây dựng hoàn chỉnh hệ thống mô phỏng 8 hệ cơ quan cơ thể người (hệ xương, cơ, tuần hoàn, thần kinh, hô hấp, tiêu hóa, bài tiết và sinh dục) theo tỷ lệ chuẩn xác 1:1. Hệ thống đạt tốc độ dựng hình ổn định trên 60 khung hình/giây (FPS), giảm thiểu 65% chi phí thực hành tiêu bản giải phẫu và nâng cao 26.8% hiệu quả tiếp thu kiến thức lâm sàng cho sinh viên y khoa.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn xây dựng trên nền tảng kết hợp giữa hình học tính toán, tương tác người - máy và an toàn thông tin phân tán:

• Lý thuyết biểu diễn và tái tạo bề mặt tham số 3D: Ứng dụng đường cong B-spline, NURBS và kỹ thuật xấp xỉ lặp lũy tiến (Progressive Iterative Approximation - PIA, LSPIA) trên lưới tam giác. Phương pháp này tối ưu hóa độ chi tiết (Level of Detail - LOD), loại bỏ hình học dư thừa và kiểm soát biến dạng cục bộ khi chuyển động giải phẫu.
• Lý thuyết thị sai và phối cảnh đa người dùng trong VR/AR: Khắc phục hiện tượng thị sai (Parallax) dựa trên phép chiếu Omnistereo và kỹ thuật làm cong vênh đối tượng (Object warping). Giải pháp này đảm bảo đồng bộ góc nhìn không gian ba chiều theo thời gian thực cho nhiều người dùng cùng tương tác.
• Lý thuyết an toàn dữ liệu y tế trên nền tảng IoT: Khung truyền thông tin y tế (Health Information Exchange - HIE) kết hợp thuật toán di truyền lai (Memetic Algorithm) và phép biến đổi Wavelet rời rạc 2 mức (Discrete Wavelet Transform - DWT-2L) nhằm mã hóa dữ liệu nhạy cảm trên ảnh y tế chuẩn DICOM.
• Các khái niệm cốt lõi: Phép đổ bóng thời gian thực qua ngôn ngữ GLSL, kênh màu trong suốt Colorkey Alpha, định danh nút ghim (Put Information Note - PIN) và tương tác Ray-casting.

Phương pháp nghiên cứu

• Nguồn dữ liệu và cỡ mẫu: Luận văn sử dụng bộ dữ liệu quét 3D từ máy quét laser chuyên dụng kết hợp dữ liệu ảnh cắt lớp vi tính CT Scanner và cộng hưởng từ MRI chuẩn DICOM từ các cơ sở y tế. Thử nghiệm sư phạm được tiến hành trên mẫu gồm 120 sinh viên y khoa năm thứ nhất và năm thứ hai.
• Phương pháp chọn mẫu: Phương pháp chọn mẫu ngẫu nhiên phân tầng được áp dụng để chia đều 120 sinh viên thành 3 nhóm đối chứng độc lập (40 sinh viên/nhóm): nhóm học trên mô hình nhựa truyền thống (Manikin), nhóm học trên xác người thực tế (Cadaver) và nhóm học trên hệ thống mô phỏng thực tế ảo 3D (VR/AR).
• Phương pháp phân tích: Hiệu năng hệ thống được đo lường bằng thông lượng ghi pixel, điểm chuẩn FPS trên bộ xử lý đồ họa GPU và các chỉ số chất lượng ảnh gồm tỷ số tín hiệu đỉnh trên nhiễu (PSNR), sai số toàn phương trung bình (MSE), tỷ lệ lỗi bit (BER) và chỉ số tương đồng cấu trúc (SSIM). Dữ liệu học tập được xử lý bằng kiểm định t-test và phân tích phương sai ANOVA để đánh giá độ tin cậy trong suốt lộ trình nghiên cứu từ năm 2018 đến năm 2022.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Hiệu năng xử lý màu texture RGB vượt trội: Thuật toán lựa chọn mẫu màu RGB trên cấu trúc 3D phức tạp thông qua ngôn ngữ GLSL giúp tăng tốc độ ghi pixel lên 1.8 lần so với phương pháp dò tia truyền thống. Đồng thời, giải pháp này giảm hơn 42% dung lượng bộ nhớ đệm mà vẫn duy trì độ mịn bề mặt của các tạng phức tạp như tim và não.
2. Kiểm soát thị sai trong tương tác AR đa người dùng: Hệ thống AnatomyNow triệt tiêu sai lệch thị sai giữa các thiết bị đầu cuối, giảm khoảng cách sai lệch vị trí từ 0.4 mét xuống dưới 0.05 mét. Độ trễ truyền nhận tín hiệu giữa kính HoloLens và điện thoại thông minh qua mạng không dây đạt mức dưới 15 mili-giây, giữ vững tốc độ hiển thị từ 55 đến 60 FPS.
3. Độ an toàn tuyệt đối của thuật toán mã hóa Memetic: Thuật toán Memetic kết hợp DWT-2L trên dữ liệu ảnh y tế đạt chỉ số PSNR vượt mức 48.5 dB và sai số MSE nhỏ hơn 0.012. Tỷ lệ lỗi bit BER duy trì tuyệt đối ở mức bằng 0 đối với các kích thước gói tin nhúng từ 15 đến 256 bytes.
4. Cải thiện rõ rệt kết quả học tập y khoa: Điểm thi lý thuyết và thực hành giải phẫu của nhóm sinh viên học qua hệ thống 3D VR đạt trung bình 8.45/10 điểm, cao hơn 26.8% so với nhóm học trên mô hình nhựa (6.66/10 điểm) và tương đương với nhóm học trực tiếp trên xác người (8.25/10 điểm).

Thảo luận kết quả

Các kết quả thực nghiệm được minh họa rõ ràng thông qua biểu đồ đường so sánh chỉ số FPS theo độ phức tạp của lưới đa giác và biểu đồ cột biểu diễn phân phối điểm số của 3 nhóm sinh viên qua 2 đợt kiểm tra. Bảng ma trận đối sánh giá trị PSNR và MSE giữa thuật toán Memetic với các chuẩn mã hóa AES truyền thống chứng minh khả năng giấu tin tối ưu mà không làm suy giảm chất lượng ảnh chẩn đoán.

Nguyên nhân chính dẫn đến sự bứt phá về điểm số là môi trường thực tế ảo cho phép người học tự do xoay 360 độ, phóng to và bóc tách từng lớp màng cơ, bó mạch máu mà mô hình tĩnh không thể đáp ứng. Phát hiện này hoàn toàn tương đồng với các nghiên cứu của Phòng thí nghiệm Thị giác Máy tính tại ETH Zurich (Thụy Sĩ) và hệ thống SpectoVive, nhưng có tính ứng dụng cao hơn nhờ khả năng tương tác đa người dùng chi phí thấp. Về mặt học thuật, công trình đã công bố thành công 6 công trình khoa học uy tín, bao gồm 2 bài báo thuộc danh mục SCIE, 1 bài Scopus và 3 chương sách chuyên khảo do các nhà xuất bản quốc tế Springer và Wiley ấn hành.

Đề xuất và khuyến nghị

1. Chuẩn hóa chương trình đào tạo giải phẫu số 3D: Bộ Y tế cùng Bộ Giáo dục và Đào tạo cần phối hợp ban hành khung chuẩn số hóa bài giảng giải phẫu ứng dụng công nghệ 3D VR/AR, mục tiêu đưa vào giảng dạy tại 100% các trường đại học y khoa trước quý 4 năm 2026.
2. Nâng cấp hạ tầng tính toán đồ họa tại các trường Y Dược: Ban giám hiệu các cơ sở đào tạo cần dành tối thiểu 15% kinh phí thực hành hằng năm để đầu tư hệ thống máy tính GPU hiệu năng cao và kính thực tế ảo, đảm bảo mỗi sinh viên đạt tối thiểu 30 giờ thực hành tương tác trực tiếp trước năm 2027.
3. Áp dụng chuẩn mã hóa Memetic-DWT trong hệ thống Telehealth: Các bệnh viện và trung tâm y tế triển khai tích hợp giao thức Memetic-DWT vào hệ thống lưu trữ và truyền hình ảnh y tế (PACS), nhằm bảo vệ 100% dữ liệu nhạy cảm của bệnh nhân trong các phiên hội chẩn từ xa từ năm 2025.
4. Mở rộng thư viện mô phỏng bệnh lý lâm sàng: Nhóm tác giả và các chuyên gia y học tiếp tục phát triển bổ sung hơn 50 mô hình bệnh học can thiệp ngoại khoa và nội soi, đồng thời tích hợp phản hồi lực xúc giác (Haptic) trong giai đoạn 2026 - 2028.

Đối tượng nên tham khảo luận văn

• Lãnh đạo và giảng viên các trường đào tạo Y Dược: 31 trường đại học và 42 trường cao đẳng y dược có thể ứng dụng kết quả luận văn để đổi mới phương pháp giảng dạy, giảm 60% chi phí mua sắm tiêu bản và khắc phục tình trạng thiếu hụt thi hài hiến tặng.
• Kỹ sư phần mềm và chuyên gia phát triển đồ họa 3D: Tham khảo thuật toán xử lý màu texture bằng GLSL, cơ chế đồng bộ không gian AR và phương pháp tối ưu hóa lưới đa giác cho các ứng dụng thực tế ảo đòi hỏi độ chính xác cao.
• Bác sĩ ngoại khoa và chuyên gia chẩn đoán hình ảnh: Sử dụng khung mô hình 3D trong việc lập kế hoạch tiền phẫu (Preoperative planning), giả lập phẫu thuật nội soi ổ bụng và hội chẩn liên viện qua mạng an toàn.
• Học viên cao học và nghiên cứu sinh ngành Khoa học máy tính: Khai thác các mô hình toán học về xấp xỉ bề mặt tham số PIA, thuật toán tối ưu hóa Memetic và các giải pháp an ninh dữ liệu y tế trong môi trường IoT.

Câu hỏi thường gặp

1. Hệ thống mô phỏng 3D trong luận văn có thể thay thế hoàn toàn việc học trên xác người không? Hệ thống không thay thế 100% cảm giác xúc giác cơ học thực tế, nhưng hỗ trợ hoàn hảo cho việc học giải phẫu. Khảo sát trên 120 sinh viên cho thấy nhóm học VR đạt điểm số 8.45/10, tương đương nhóm học trên xác người (8.25/10) và khắc phục hoàn toàn nhược điểm biến dạng của tiêu bản ngâm formol.

2. Kỹ thuật lựa chọn mẫu màu RGB tối ưu hóa hiệu năng render 3D như thế nào? Kỹ thuật sử dụng thuật toán gán thẻ và ánh xạ màu RGB qua shader GLSL, giúp tốc độ ghi pixel tăng 1.8 lần so với thuật toán Ray-casting. Giải pháp này giúp hệ thống duy trì ổn định tốc độ 60 FPS ngay cả khi hiển thị cấu hình giải phẫu hàng triệu đa giác.

3. Giải pháp tương tác đa người dùng trong AnatomyNow xử lý sai số thị sai ra sao? Hệ thống kết hợp phép chiếu theo điểm nhìn người dùng với kỹ thuật làm cong vênh đối tượng (Object warping), giúp giảm độ lệch thị sai từ 0.4 mét xuống dưới 0.05 mét. Nhờ đó, nhiều người dùng đeo kính HoloLens có thể cùng quan sát chính xác một vị trí giải phẫu trong không gian thực.

4. Thuật toán Memetic kết hợp biến đổi DWT mang lại lợi ích gì cho bảo mật y tế IoT? Thuật toán tìm kiếm vị trí tối ưu để nhúng dữ liệu mật vào hệ số Wavelet, đạt tỷ số tín hiệu đỉnh trên nhiễu PSNR trên 48.5 dB và sai số MSE dưới 0.012. Tỷ lệ lỗi bit BER bằng 0 giúp bảo vệ dữ liệu bệnh án toàn vẹn khi truyền qua mạng Internet.

5. Ứng dụng mô phỏng có hoạt động tốt trên các thiết bị di động cấu hình phổ thông không? Có. Nhờ việc tối ưu hóa mức độ chi tiết (LOD) và kỹ thuật rút gọn lưới tam giác, hệ thống chạy mượt mà trên cả trình duyệt web, smartphone và máy tính bảng với độ trễ phản hồi mạng luôn duy trì dưới 15 mili-giây.

Kết luận

• Đề tài đã giải quyết trọn vẹn bài toán thiếu hụt nguồn thi thể giải phẫu tại các cơ sở đào tạo y khoa thông qua việc xây dựng hệ thống mô phỏng cơ thể người 3D hoàn chỉnh 8 hệ cơ quan với tỷ lệ chuẩn xác 1:1.
• Đóng góp 4 giải pháp học thuật cốt lõi: Kỹ thuật chọn màu RGB tối ưu trên cấu trúc 3D, kiến trúc tương tác AR đa người dùng AnatomyNow, thuật toán mã hóa dữ liệu y tế IoT Memetic-DWT và hệ thống phần mềm giải phẫu đa nền tảng.
• Tính chính xác và giá trị khoa học được bảo chứng bởi 6 công trình công bố quốc tế, gồm 2 bài báo SCIE, 1 bài báo Scopus và 3 chương sách chuyên khảo từ các nhà xuất bản Springer và Wiley.
• Trong giai đoạn 2025 - 2027, nhóm nghiên cứu sẽ tiếp tục tích hợp công nghệ phản hồi lực xúc giác và mở rộng thêm 50 kịch bản mô phỏng bệnh lý ngoại khoa phức tạp.
• Các cơ sở giáo dục y khoa, bệnh viện và viện nghiên cứu công nghệ có thể tiếp cận, chuyển giao và triển khai ngay giải pháp này nhằm hiện đại hóa toàn diện công tác đào tạo và khám chữa bệnh số.