MỞ ĐẦU 1. Lý do chọn đề tài Hiện nay đã có nhiều nghiên cứu về các hệ thống tự động phát hiện đối tƣợng trong lĩnh vực thị giác máy tính. Phát hiện đối tƣợng đƣợc dùng trong nhiều lĩnh vực khác nhau nhƣ : Phát hiện biểu hiện tổn thƣơng da, phát hiện loại sản phẩm, nhận dạng khuôn mặt,… Phát hiện đối tƣợng cụ thể là biểu hiện của tổn thƣơng da để phân loại các bệnh về khối u ác tính, đã đƣợc quan tâm trong thời gian gần đây. Cùng với yêu cầu phát triển xã hội, hiệu quả các hệ thống phát hiện đòi hỏi ngày càng đƣợc cải thiện và nâng cấp.
Có nhiều hƣớng tiếp cận khác nhau để giải bài toán phát hiện khác nhau nhƣ: xác định biên, tìm kiếm sâu trong việc nhận dạng. Trong những thập niên cuối của thế kỷ XX và đầu thế kỷ XXI, tình hình bệnh dịch có nhiều diễn biến phức tạp, những bệnh dịch mới đã xuất hiện nhƣ : Ung thƣ, HIV/AIDS, viêm gan, sởi, bạch hầu, sốt virus. Cho tới nay, Các bệnh gây tổn thƣơng da vẫn là nguyên nhân hàng đầu trong mô hình bệnh tật tại các nƣớc đang phát triển nhƣ Việt Nam. Hiện nay, Việt Nam đang là một điểm nóng trong khu vực cũng nhƣ trên thế giới về nguy cơ xuất hiện các bệnh dịch mới nổi, bệnh hiểm nghèo và các bệnh tái xuất hiện.
Trong khi đó, giám sát, chuẩn đoán và phân loại các bệnh tổn thƣơng về da là công cụ của công cuộc phòng chống chủ động các bệnh tật. Để đối phó với tình hình này, yêu cầu phải thật sự có chất lƣợng và hiệu quả, phải đủ khả năng chuẩn đoán, phát hiện và khống chế dịch bệnh, nhằm giảm tỷ lệ mắc và tử vong do bệnh tật gây ra. Tuy nhiên, sự phát triển của ngành y tế không theo kịp đƣợc với yêu cầu khám chữa bệnh ngày càng cao của con ngƣời, bệnh tật và sức khỏe luôn là một vấn đề nóng của xã hội. Từ quy mô phát triển đến cơ sở hạ tầng cùng với đó là sự phát triển nhanh và ngày càng nhiều của các loại dịch bệnh, phát hiện các biểu hiện của bệnh là công việc hết sức quan trọng.
Từ tình hình thực tế các bệnh tổn thƣơng da và phân loại bệnh để có hƣớng điều trị tích cực, chính xác và hiệu quả. Cho đến nay vấn đề này đƣợc nhiều nghiên cứu trên thế giới quan tâm. Trong khi đó tình hình nghiên cứu phân tích tổn thƣơng da để phân loại bệnh vẫn còn nhiều hạn chế và chƣa đầy đủ. Việc nghiên cứu, tìm hiểu nền tảng công 2 nghệ, các lý thuyết cơ bản trong bài toán xử lý ảnh và áp dụng trong việc nhận dạng biểu hiện trên da nhằm hỗ trợ cho công tác cảnh báo và chuẩn đoán bệnh khi gặp các biểu hiện của da, đặc biệt là các bệnh u ác tính, phát hiện bệnh sớm và phân loại bệnh là việc hết sức quan trọng và có tính cấp thiết cao quyết định việc điều trị bệnh.
Do vậy, tôi đã chọn đề tài “Nghiên cứu sử dụng kỹ thuật Học sâu phân tích tổn thương da hướng tới chuẩn đoán phân loại bệnh” nhằm hỗ trợ chuẩn đoán và phân loại hoặc cảnh báo sớm loại bệnh để có phƣơng pháp điều trị và phòng trừ bệnh. Mục tiêu nghiên cứu Mục tiêu của đề tài là nghiên cứu áp dụng kỹ thuật học sâu trong xây dựng cấu trúc mạng, tổ chức huấn luyện, các biện pháp tiền xử lý hình ảnh nhằm nâng cao độ chính xác nhận dạng tổn thƣơng da. Kết quả nghiên cứu có thể là cơ sở hỗ trợ việc chuẩn đoán, phân loại bệnh để có phác đồ điều trị phù hợp, hiệu quả. Nhiệm vụ và giới hạn của đề tài 3.
Nhiệm vụ của đề tài Tìm hiểu lý thuyết về xử lý ảnh và một số kỹ thuật trí tuệ nhân tạo. Tìm hiểu phƣơng pháp học sâu, xây dựng mô hình kiến trúc mạng tích chập, huấn luyện và tăng cƣờng dữ liệu nhằm nâng cao độ chính xác nhận dạng tổn thƣơng da. Xây dựng module nhận dạng ra từng loại phân tích tôn thƣởng da của hình ảnh trên cơ sở đầu vào là các mẫu chứa trong hình ảnh da liễu. Giới hạn của đề tài Đề tài này tập trung nghiên đề xuất giải pháp nâng cao độ chính xác nhận dạng các mẫu hình ảnh.
Chúng tôi không chú trọng vào việc trích xuất vùng chứa hình ảnh tổn thƣơng từ ảnh tổng thể, nhiệm vụ này có thể sử dụng những phƣơng pháp hiện nay, nhƣ phƣơng pháp phân đoạn đoạn ngữ nghĩa hay phƣơng pháp trích vùng quan tâm bằng màu sắc và hình dáng. Phƣơng pháp nghiên cứu Phương pháp nghiên cứu lý thuyết Nghiên cứu cơ sở lý thuyết về trí tuệ nhân tạo, mạng neural và các kỹ thuật nhận dạng và xử lý ảnh. 3 Nghiên cứu nguyên lý hoạt động của mạng tích chập học sâu và ứng dụng của nó trong nhận dạng mẫu. Phân tích đánh giá tổn thƣơng da và sử dụng kỹ thuật học sâu để nhận dạng phân loại ra từng loại bệnh.
Phương pháp nghiên cứu thực nghiệm Cài đặt, thực nghiệm giải pháp kỹ thuật học sâu trong phân tích, biểu diễn dữ liệu và phân loại bệnh. Đánh giá tính hiệu quả của giải pháp ứng dụng kỹ thuật học sâu với các các tiếp cận khác về nhận dạng tổn thƣơng da, nhận xét đánh giá về giải pháp và đề xuất ứng dụng. Cài đặt thử nghiệm và đánh giá các cải tiến thuật toán nhận dạng tổn thƣơng da bằng kỹ thuật học sâu. Cấu trúc luận văn Đề tài “Nghiên cứu sử dụng kỹ thuật Học sâu phân tích tổn thƣơng da hƣớng tới chuẩn đoán phân loại bệnh” gồm 4 chƣơng.
Chƣơng 1: Tổng quan về học máy, nhận dạng và xử lý ảnh: Trình bày khái niệm, các nội dung cơ bản của học máy, nhận dạng và xử lý ảnh. Các ứng dụng của học máy và kỹ thuật xử lý ảnh trong thực tế. Chƣơng 2: Sử dụng kỹ thuật Học sâu cho bài toán nhận dạng biểu hiện của tổn thƣơng da: Nghiên cứu kỹ thuật Học sâu và một số kỹ thuật trí tuệ nhân tạo truyền thống áp dụng cho bài toán nhận dạng tổn thƣơng da. Chƣơng 3: Thực nghiệm đánh giá, cài đặt, thử nghiệm và đánh giá giải pháp: Mô tả quá trình thực nghiệm xây dựng mạng neural học sâu, tổ chức huấn luyện và kiểm tra đánh giá mô hình mạng; xây dựng dữ liệu một số loại hình ảnh biểu hiện và loại bệnh, mô tả về quá trình xây dựng dữ liệu và tiền xử lý cơ sở dữ liệu; đánh giá, so sánh giữa kỹ thuật Học sâu và phƣơng pháp khác hiện nay về độ chính xác và thời gian thực hiện trên tập dữ liệu tự tạo và bộ dữ liệu chuẩn của nhóm nghiên cứu khác.
4 Chƣơng 1: TỔNG QUAN VỀ NHẬN DẠNG XỬ LÝ ẢNH VÀ HỌC MÁY 1. Một số kỹ thuật xử lý ảnh 1. Tổng quan về xử lý ảnh Xử lý ảnh là một ngành khoa học mới so với nhiều ngành khoa học khác nhƣng tốc độ phát triển của nó rất nhanh, đƣợc đƣa vào giảng dạy đại học ở nƣớc ta và là môn học liên quan đến nhiều lĩnh vực và cần nhiều kiến thức cơ sở khác. Thứ nhất phải kể đến Xử lý tín hiệu số là một môn học hết sức cơ bản, các khái niệm về tích chập, các biến đổi Fourier, biến đổi Laplace, các bộ lọc hữu hạn… Thứ hai, các công cụ toán nhƣ : Đại số tuyến tính; xác suất, thống kê.
Một số kiến thức cần thiết nhƣ Trí tuệ nhân tạo, Mạng neural nhân tạo đƣợc đề cập trong quá trình phân tích và nhận dạng ảnh. Các phƣơng pháp xử lý ảnh nhằm nâng cao chất lƣợng ảnh nhƣ : Nâng cao độ sáng hay độ phân giải của hình ảnh,. bằng các phƣơng pháp phân tích đƣợc nghiên cứu trong giai đoạn thiết bị phần cứng bị hạn chế. Về sau sự phát triển của máy tính tạo điều kiện cho việc thực hiện các thuật toán xử lý ảnh.
Xử lý ảnh ngày càng đƣợc ứng dụng vào các lĩnh vực khác nhƣ: Phân tích hình ảnh, chẩn đoán bệnh qua các loại hình ảnh tia Gamma, X-quang, scan PET/CT (Cắt lớp phát xạ); Lĩnh vực tự động hóa, robot: Hệ thống xe không ngƣời lái, giám sát sản xuất sản phẩm công nghiệp, robot phục vụ dân sự, điều khiển giao thông thông minh; biểu hiện tâm lý, giám sát an ninh,. Một số loại ảnh 1. Ảnh số Ảnh số là tập hợp hữu hạn các điểm ảnh với mức xám phù hợp dùng để mô tả ảnh gần với ảnh thật. Ảnh số bao gồm một tập hữu hạn các phần tử đƣợc biểu diễn bởi giá trị số.
Ảnh số có thể đƣợc biểu diễn dƣới dạng ma trận hai chiều, mỗi phần tử của ảnh số gọi là điểm ảnh (Pixel). Số điểm ảnh xác định độ phân giải của ảnh. Ảnh có độ phân giải càng cao thì càng thể hiện rõ nét các đặt điểm của tấm ảnh và càng làm cho tấm ảnh trở nên thực và sắc nét hơn. Điểm ảnh Điểm ảnh (Pixel) là một phần tử của ảnh số tại toạ độ (x, y) với độ xám hoặc màu nhất định.
Kích thƣớc và khoảng cách giữa các điểm ảnh đó đƣợc chọn thích hợp sao cho mắt ngƣời cảm nhận sự liên tục về không gian và mức xám của ảnh số gần nhƣ ảnh thật. Mỗi phần tử trong ma trận đƣợc gọi là một phần tử ảnh, mỗi điểm ảnh là một ô mang một giá trị số biểu thị mức xám từ 0 đến 255. Ảnh ma trận số của vùng chọn 1. Mức xám của ảnh Là kết quả của sự biến đổi tƣơng ứng 1 giá trị độ sáng của 1 điểm ảnh với 1 giá trị nguyên dƣơng.
Thông thƣờng nó xác định trong [0, 255] tuỳ thuộc vào giá trị mà mỗi điểm ảnh đƣợc biểu diễn. Các thang giá trị mức xám thông thƣờng: 16, 32, 64, 128, 256 (Mức 256 là mức phổ dụng. Lý do: Từ kỹ thuật máy tính dùng 1 byte (8 bit) để biểu diễn mức xám. Mức xám dùng 1 byte biểu diễn: 28 = 256 mức, tức là từ 0 đến 255).
Ma trận số biểu thị mức xám của các điểm ảnh. Độ phân giải của ảnh Độ phân giải (Resolution) của ảnh là mật độ điểm ảnh đƣợc ấn định trên một ảnh số đƣợc hiển thị. Theo định nghĩa, khoảng cách giữa các điểm ảnh phải đƣợc 6 chọn sao cho mắt ngƣời vẫn thấy đƣợc sự liên tục của ảnh. Việc lựa chọn khoảng cách thích hợp tạo nên một mật độ phân bổ, đó chính là độ phân giải và đƣợc phân bố theo trục x và y trong không gian hai chiều.
Một số độ phân giải thông thƣờng đƣợc sử dụng trong các thiết bị hiển thị và lĩnh vực xử lý ảnh nhƣ 640x480, 800x600, 1024x768 (HD), 192x1080 (full HD), 3840x2160 (UHD) [1].