Nghiên Cứu Ứng Dụng Mô Hình 3D Trong Y Học

Luận án tiến sĩ y tế nghiên cứu nghiên cứu một số kỹ thuật xử lý đối tượng và mô phỏng ứng dụng trong y học, phân tích chuyên sâu, xây dựng mô hình lý thuyết, đề xuất giải pháp

• Người hướng dẫn: PGS.TS. Lê Văn Chung
• Trường học: Trường Đại Học Khoa Học Y Tế
• Chuyên ngành: Y Học
• Đề tài: Nghiên Cứu Ứng Dụng Mô Hình 3D Trong Y Học
• Loại tài liệu: Luận Văn
• Năm xuất bản: 2022
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI MỞ ĐẦU
• 1. CHƯƠNG 1: TỔNG QUAN VỀ XỬ LÝ ĐỐI TƯỢNG TRONG MÔ PHỎNG Y HỌC
• 1.1. Khái quát về mô phỏng và mô phỏng 3D
• 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 kháng cự tính nhúng
• 1.1.2.2. Hệ thống mô phỏng Bán nhúng
• 1.1.2.3. Hệ thống mô phỏng nhúng 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. Mật số kỹ thuật tạo mô hình 3D
• 1.1.3.4. Nguyên lý tái tạo mô hình 3D
• 1.1.3.5. Ứng dụng của mô phỏng thực tại ảo trong y học
• 1.2. Mật số kỹ thuật biểu diễn, tái tạo và tương tác trên đối tượng 3D
• 1.2.1. Kỹ thuật biểu diễn, biến đổi đối tượng 3D
• 1.2.2. Kỹ thuật xử lý, tái tạo bề mặt đối tượng 3D
• 1.2.3. Kỹ thuật tương tác đối tượng 3D đa giác nhận
• 1.2.3.1. Vấn đề cong vành đối tượng cắt hòa điểm nhận
• 1.2.3.2. Góc nhận người dùng khi tương tác đối tượng 3D
• 1.2.3.3. Góc nhận đa người dùng tương tác đối tượng 3D
• 1.2.4. Mật số hướng tiếp cận xử lý đối tượng 3D trong mô phỏng y học
• 1.2.4.1. Hướng tiếp cận tối ưu hóa bề mặt đối tượng 3D
• 1.2.4.1.1. Tối ưu hóa bề mặt lưới tam giác, tứ giác
• 1.2.4.1.2. Tiếp cận lưới màn bề mặt đối tượng 3D
• 1.2.4.2. Hướng tiếp cận về chiếu sáng và tạo bề mặt đối tượng 3D
• 1.2.4.2.1. Tiếp cận chiếu sáng đối tượng 3D
• 1.2.4.2.2. Tiếp cận tạo bề mặt đối tượng 3D
• 1.2.4.2.3. Hướng tiếp cận và tương tác đối tượng 3D
• 1.2.5. Lựa chọn, thao tác và điều kiện ứng dụng
• 1.2.5.1. Tiếp cận bảo mật cho dữ liệu hình ảnh đối tượng 3D
• 2. MỘT SỐ KỸ THUẬT XỬ LÝ ĐỐI TƯỢNG TRONG MÔ PHỎNG Y HỌC
• 2.1. Kỹ thuật lựa chọn màu RGB hiệu quả cho cấu trúc đối tượng 3D phức tạp
• 2.2. Các nghiên cứu liên quan
• 2.3. Mật số kỹ thuật cải thiện hiệu quả của tương tác với nhiều người dùng trong thực tại tăng cường
• 2.3.1. Kiến trúc đa tương tác với nhiều người dùng trong AR
• 2.3.2. Triển khai AnatomyNow trong môi trường AR
• 2.3.3. Kỹ thuật chia sẻ nhiều người dùng
• 2.3.4. Kỹ thuật tương tác AR với nhiều thiết bị
• 2.4. Kết quả thực nghiệm và đánh giá
• 2.4.1. Kết quả thực nghiệm
• 2.4.2. Phân tích, đánh giá kết quả thực nghiệm
• 2.5. Kỹ thuật tăng cường mật hóa dữ liệu y tế trên đường truyền trong các hệ thống phân tán dựa trên IoT
• 2.6. Các nghiên cứu liên quan
• 2.7. Mật số thuật toán Memetic mật hóa dữ liệu y tế trên đường truyền trong các hệ thống phân tán dựa trên IoT
• 2.7.1. Thuật toán Memetic truyền dữ liệu y tế an toàn
• 2.7.2. Mật hóa thông tin nhạy cảm với thuật toán Memetic
• 2.8. Thử tốc giải tin sử dụng DWT
• 2.9. Thử tốc lấy thông tin bảo mật
• 2.10. Kết quả thực nghiệm và đánh giá
• 2.10.1. Thiết lập môi trường thực nghiệm
• 2.10.2. Thiết lập tham số đánh giá
• 2.10.3. Phân tích, đánh giá mức độ bảo mật
• 3. ỨNG DỤNG MỘT SỐ KỸ THUẬT XỬ LÝ ĐỐI TƯỢNG XÂY DỰNG HỆ THỐNG MÔ PHỎNG CỤ THỂ NGƯỜI
• 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 đối tượng 3D xây dựng hệ thống mô phỏng cụ thể người
• 3.2.1. Hệ thống mô phỏng cụ thể người 3D
• 3.2.2. Mô phỏng các hệ giải phẫu cụ thể người
• 3.2.3. Mô phỏng và giả lập các cơ quan, hoạt động
• 3.2.4. Mô phỏng tương tác đa nền tảng thiết bị với hệ thống
• 3.3. Phân tích, đối sánh hiệu quả của hệ thống thực nghiệm
• 3.3.1. Thiết kế kiến trúc và lựa chọn đối tượng thực nghiệm
• 3.3.2. Phân tích kết quả thực nghiệm
• 3.3.3. Đánh giá và hệ thống mô phỏng
• 4. KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• DANH SÁCH CÁC CÔNG BÀI LIÊN QUAN
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Về Mô Hình 3D Y Học Khái Niệm Ứng Dụng

Trong những năm gần đây, mô hình 3D y học đã trở thành một lĩnh vực công nghệ mũi nhọn, nhờ vào khả năng ứng dụng rộng rãi trong nhiều lĩnh vực như y tế, giáo dục, kiến trúc, quân sự, du lịch, và giải trí. Mô phỏng phẫu thuật 3D đang ngày càng được ứng dụng rộng rãi. C. Coiffet định nghĩa mô phỏng là một hệ thống giao diện cấp cao giữa người dùng và máy tính, mô phỏng các sự vật và hiện tượng theo thời gian thực, tương tác với người dùng qua tổng hợp các kênh cảm giác như thị giác, xúc giác, thính giác, khứu giác và vị giác. Mô phỏng 3D giúp xây dựng một thế giới ảo, nơi người dùng không chỉ quan sát mà còn tương tác, thay đổi môi trường.

1.1. Khái Niệm và Vai Trò của Mô Phỏng Phẫu Thuật 3D

Mô phỏng phẫu thuật 3D là công nghệ sử dụng kỹ thuật mô hình hóa không gian ba chiều, kết hợp với thiết bị hiện đại, tạo ra một thế giới ảo. Trong thế giới ảo này, người dùng có thể tương tác và thay đổi môi trường. Từ đó xây dựng các kế hoạch điều trị bệnh nhân tối ưu. Thực tế ảo giúp người dùng không chỉ quan sát mà còn trở thành một phần của hệ thống, trải nghiệm và tương tác như trong thực tế.

1.2. Phân Loại Các Hệ Thống Mô Phỏng Trong Y Khoa 3D

Các hệ thống mô phỏng trong y khoa 3D có thể được phân loại dựa trên mức độ tương tác và tính chân thực. Các hệ thống mô phỏng không cân tính nhúng đơn giản chỉ hiển thị hình ảnh. Các hệ thống mô phỏng bán nhúng cho phép tương tác hạn chế. Hệ thống mô phỏng nhúng hoàn toàn cho phép người dùng tương tác sâu sắc và trải nghiệm cảm giác như thực tế. Việc lựa chọn hệ thống phù hợp phụ thuộc vào mục tiêu sử dụng và yêu cầu của ứng dụng.

II. Vấn Đề Thách Thức Khi Dựng Mô Hình Hóa 3D Cơ Thể

Việc dựng mô hình hóa 3D cơ thể người đối diện với nhiều thách thức. Dù máy quét 3D hiện đại đã cải thiện độ chính xác và giảm thời gian tạo mô hình, vấn đề tối ưu hóa vẫn còn quan trọng. Mô hình 3D tạo ra từ máy quét thường có số lượng lớn đối tượng, gây khó khăn cho việc sử dụng trong các ứng dụng thực tế ảo đòi hỏi hiệu suất cao. Thêm vào đó, sự thiếu hụt các phần mềm mô hình hóa 3D y học bản quyền bằng tiếng Việt gây khó khăn cho sinh viên tiếp cận. Điều này làm chậm quá trình ứng dụng công nghệ 3D trong y học ở Việt Nam.

2.1. Hạn Chế về Kích Thước và Độ Phức Tạp của Mô Hình 3D Bệnh Nhân

Kích thước và độ phức tạp của mô hình 3D bệnh nhân là một thách thức lớn. Các mô hình chi tiết có thể chứa hàng triệu đa giác, gây khó khăn cho việc xử lý và hiển thị trên các thiết bị có cấu hình hạn chế. Việc giảm kích thước mô hình mà vẫn giữ được độ chính xác là một vấn đề cần giải quyết.

2.2. Thiếu Hụt Phần Mềm và Tài Liệu Hướng Dẫn Tiếng Việt về Giải Phẫu 3D

Sự thiếu hụt phần mềm và tài liệu hướng dẫn bằng tiếng Việt về giải phẫu 3D là một rào cản đối với sinh viên và các chuyên gia y tế Việt Nam. Điều này gây khó khăn cho việc tiếp cận và ứng dụng công nghệ 3D trong y học.

2.3. Chi Phí Đầu Tư và Duy Trì Mô Hình 3D Giải Phẫu

Chi phí đầu tư và duy trì mô hình 3D giải phẫu chất lượng cao có thể là một gánh nặng đối với các cơ sở y tế và giáo dục. Việc tìm kiếm các giải pháp chi phí hợp lý mà vẫn đảm bảo chất lượng là một yêu cầu quan trọng.

III. Cách Tối Ưu Hiệu Năng Cho Ứng Dụng 3D Trong Y Khoa

Để tối ưu hiệu năng cho ứng dụng 3D trong y khoa, cần kết hợp nhiều phương pháp. Một trong số đó là lựa chọn thuật toán và kỹ thuật xử lý hình ảnh phù hợp. Tối ưu hóa mô hình 3D bằng cách giảm số lượng đa giác, đơn giản hóa bề mặt mà vẫn giữ được các chi tiết quan trọng. Cần xem xét việc sử dụng các kỹ thuật hiển thị hiệu quả như LOD (Level of Detail) để giảm tải cho hệ thống. Hình ảnh 3D y tế đòi hỏi độ chính xác cao, vì vậy việc cân bằng giữa hiệu năng và chất lượng hình ảnh là rất quan trọng.

3.1. Kỹ Thuật Giảm Số Lượng Đa Giác trong Mô Hình Hóa 3D Xương

Việc giảm số lượng đa giác trong mô hình hóa 3D xương giúp giảm tải cho hệ thống, tăng tốc độ hiển thị. Các thuật toán như decimation, edge collapse có thể được sử dụng để loại bỏ các đa giác không quan trọng mà vẫn giữ được hình dạng tổng thể của mô hình xương. Việc đơn giản hóa bề mặt phải được thực hiện cẩn thận để không làm mất đi các chi tiết quan trọng.

3.2. Sử Dụng LOD Level of Detail cho Mô Hình Hóa 3D Tim Mạch

LOD (Level of Detail) là kỹ thuật hiển thị các phiên bản khác nhau của một mô hình, tùy thuộc vào khoảng cách từ người xem. Khi người xem ở xa, một phiên bản đơn giản của mô hình hóa 3D tim mạch được hiển thị, giúp giảm tải cho hệ thống. Khi người xem tiến lại gần, phiên bản chi tiết hơn được hiển thị. Điều này giúp cải thiện hiệu năng mà vẫn đảm bảo chất lượng hình ảnh.

3.3. Lựa Chọn Thuật Toán Chiếu Sáng và Tạo Bóng Hiệu Quả

Thuật toán chiếu sáng và tạo bóng có ảnh hưởng lớn đến hiệu năng của ứng dụng 3D. Việc lựa chọn các thuật toán hiệu quả như Phong shading, Gouraud shading, hoặc sử dụng lightmap giúp cải thiện hiệu năng mà vẫn tạo ra hình ảnh chân thực. Việc giảm số lượng nguồn sáng cũng giúp giảm tải cho hệ thống.

IV. Ứng Dụng 3D Trong Y Khoa Lập Kế Hoạch Phẫu Thuật Đào Tạo

Ứng dụng 3D trong y khoa đang mở ra nhiều cơ hội mới, đặc biệt trong lập kế hoạch phẫu thuật và đào tạo. Lập kế hoạch phẫu thuật 3D cho phép bác sĩ xem xét và thực hành các bước phẫu thuật trước, giảm thiểu rủi ro và tăng tỷ lệ thành công. Trong đào tạo, sinh viên y khoa có thể sử dụng mô hình 3D giải phẫu để học tập và thực hành mà không cần tiếp xúc với xác người, giảm chi phí và tăng tính an toàn. Ứng dụng thực tế ảo trong y học và ứng dụng tăng cường thực tế trong y học cũng đang được nghiên cứu và phát triển mạnh mẽ.

4.1. Mô Hình 3D Trong Phẫu Thuật Thần Kinh Chuẩn Bị và Thực Hiện

Mô hình 3D trong phẫu thuật thần kinh giúp bác sĩ chuẩn bị và thực hiện phẫu thuật một cách chính xác. Mô hình cho phép xem xét cấu trúc não, xác định vị trí khối u, và lập kế hoạch đường mổ một cách an toàn. Việc sử dụng mô hình 3D giúp giảm thiểu rủi ro và tăng tỷ lệ thành công trong phẫu thuật.

4.2. Mô Hình 3D Trong Phẫu Thuật Chỉnh Hình Tái Tạo và Cấy Ghép

Mô hình 3D trong phẫu thuật chỉnh hình hỗ trợ tái tạo và cấy ghép xương. Mô hình cho phép tạo ra các bộ phận thay thế chính xác, phù hợp với cấu trúc cơ thể bệnh nhân. Việc sử dụng mô hình 3D giúp cải thiện kết quả phẫu thuật và giảm thời gian phục hồi.

4.3. Đào Tạo Y Khoa Bằng Mô Hình 3D Trải Nghiệm Thực Tế Ảo

Đào tạo y khoa bằng mô hình 3D mang lại trải nghiệm thực tế ảo cho sinh viên. Mô hình cho phép sinh viên học tập và thực hành các kỹ năng phẫu thuật, chẩn đoán mà không cần tiếp xúc với bệnh nhân thật. Việc sử dụng mô hình 3D giúp tăng cường hiệu quả đào tạo và giảm chi phí.

V. Kết Luận Hướng Phát Triển Của Mô Hình 3D Y Học

Nghiên cứu và ứng dụng mô hình 3D y học mở ra tiềm năng lớn cho y học hiện đại. Việc kết hợp công nghệ 3D với các kỹ thuật khác như thực tế ảo, thực tế tăng cường, và trí tuệ nhân tạo sẽ tạo ra những giải pháp đột phá trong chẩn đoán, điều trị, và đào tạo. Trong tương lai, mô hình 3D bệnh nhân sẽ trở nên phổ biến hơn, giúp cá nhân hóa điều trị và cải thiện chất lượng cuộc sống.

5.1. Tương Lai của Ứng Dụng Thực Tế Ảo Trong Y Học Chẩn Đoán và Điều Trị

Tương lai của ứng dụng thực tế ảo trong y học hứa hẹn nhiều tiềm năng trong chẩn đoán và điều trị. Các ứng dụng VR có thể giúp bác sĩ chẩn đoán bệnh sớm hơn, lập kế hoạch điều trị chính xác hơn, và cung cấp các liệu pháp tâm lý hiệu quả.

5.2. Ứng Dụng Tăng Cường Thực Tế Trong Y Học Hỗ Trợ Phẫu Thuật và Đào Tạo

Ứng dụng tăng cường thực tế trong y học sẽ hỗ trợ phẫu thuật và đào tạo bằng cách cung cấp thông tin bổ sung cho bác sĩ và sinh viên. AR có thể hiển thị hình ảnh 3D của cơ quan, hướng dẫn phẫu thuật, và cung cấp thông tin về bệnh sử của bệnh nhân.

5.3. Nghiên Cứu và Phát Triển Phần Mềm Mô Hình 3D Y Học Bản Địa

Việc nghiên cứu và phát triển phần mềm mô hình 3D y học bản địa là cần thiết để đáp ứng nhu cầu của thị trường Việt Nam. Các phần mềm này cần được thiết kế phù hợp với văn hóa, ngôn ngữ, và điều kiện thực tế của Việt Nam.

Nội dung chính

Tổng quan nghiên cứu

Thực trạng đào tạo y khoa tại Việt Nam cho thấy sự mất cân đối nghiêm trọng giữa nhu cầu thực hành và điều kiện cơ sở vật chất. Theo thống kê của Bộ Giáo dục và Đào tạo, cả nước có 122 cơ sở đào tạo khối ngành sức khỏe, bao gồm 31 trường đại học, 42 trường cao đẳng và 49 trường trung cấp. Tuy nhiên, chỉ khoảng 3 trường đại học trọng điểm sở hữu nguồn xác ướp phục vụ giảng dạy giải phẫu, trong khi hơn 95% cơ sở còn lại phải sử dụng tranh ảnh 2D, mô hình nhựa hoặc phần mềm nước ngoài vốn mang đặc điểm nhân trắc học phương Tây và rào cản ngôn ngữ. Trong phẫu thuật thực tế, đặc biệt là các kỹ thuật nội soi can thiệp, yêu cầu về độ chính xác không gian đòi hỏi sai số định vị phải nhỏ hơn 0,5 mm để tránh nguy cơ rách vỡ mạch máu.

Nghiên cứu tập trung giải quyết bài toán xử lý đối tượng 3D phức tạp, tối ưu hóa biểu diễn bề mặt và phát triển hệ thống mô phỏng thực tế ảo tăng cường phục vụ y học. Mục tiêu chính là đề xuất các kỹ thuật gán nhãn màu RGB trên đồ thị cảnh, kiến trúc tương tác đa người dùng trong không gian AR/VR và thuật toán mã hóa dữ liệu y tế phân tán qua IoT. Phạm vi nghiên cứu được triển khai thử nghiệm trên toàn bộ các hệ cơ quan cơ thể người chuẩn nhân trắc học Việt Nam tại các cơ sở đào tạo y khoa từ năm 2018 đến năm 2022. Ý nghĩa khoa học và thực tiễn của công trình được chứng minh qua việc cải thiện 26,3% điểm số ghi nhớ giải phẫu của sinh viên, giảm hơn 60% chi phí mua sắm tiêu bản và đạt chuẩn hiển thị 60 khung hình trên giây trên các thiết bị di động phổ thông.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu dựa trên 3 trụ cột lý thuyết nền tảng trong đồ họa máy tính, thực tế ảo và an toàn thông tin:

Thứ nhất, lý thuyết mô hình hóa hình học và biểu diễn bề mặt 3D: Áp dụng cấu trúc lưới tam giác, xấp xỉ lặp lũy tiến, mặt cong tham số Bézier và B-spline tam giác nhằm tối ưu hóa số lượng đỉnh và mặt đa giác. Kỹ thuật đa mức độ chi tiết được triển khai để kiểm soát tải tính toán của bộ xử lý đồ họa khi dựng hình các cấu trúc giải phẫu phức tạp.

Thứ hai, lý thuyết tương tác thực tế ảo và đồ thị cảnh: Xây dựng không gian tương tác ba chiều dựa trên hệ tọa độ Barycentric, cấu trúc phân cấp đồ thị cảnh và ngôn ngữ đổ bóng OpenGL Shading Language. Lý thuyết này cho phép thiết lập liên kết định danh giữa từng vùng pixel màu RGB với cơ sở dữ liệu thuộc tính giải phẫu học thời gian thực.

Thứ ba, lý thuyết tối ưu hóa tiến hóa và bảo mật thông tin y tế: Tích hợp thuật toán tiến hóa Memetic, phép biến đổi sóng nhỏ rời rạc hai mức và các tiêu chuẩn bảo mật ảnh y tế DICOM. Hệ thống khái niệm cốt lõi bao gồm tỷ lệ tín hiệu đỉnh trên nhiễu, sai số toàn phương trung bình, chỉ số tương đồng cấu trúc và tỷ lệ lỗi bit.

Phương pháp nghiên cứu

Nguồn dữ liệu của nghiên cứu được thu thập từ hơn 1.000 lát cắt chụp cắt lớp vi tính và cộng hưởng từ độ phân giải cao của người Việt Nam, kết hợp quét laser 3D bề mặt giải phẫu thực tế. Phương pháp phân tích bao gồm kiểm định hiệu năng thuật toán đo bằng tốc độ khung hình trên giây, thời gian xử lý đổ bóng pixel mili-giây và phân tích đối sánh thống kê kết quả học tập.

Nghiên cứu thực hiện chọn mẫu có chủ đích với cỡ mẫu gồm 180 sinh viên y khoa năm thứ nhất, phân bổ đều vào 3 nhóm thử nghiệm sư phạm tương ứng với 3 phương pháp học tập: học trên mô hình nhựa truyền thống, học trên xác người thật và học trên hệ thống thực tế ảo AnatomyNow. Lý do lựa chọn phương pháp phân tích phương sai đa biến và kiểm định phi tham số là nhằm đánh giá chính xác mức độ tiến bộ điểm số qua 2 đợt thi lý thuyết và thực hành, đồng thời loại trừ ảnh hưởng của các biến thiên về độ tuổi và giới tính. Toàn bộ quy trình thử nghiệm, thu thập và tối ưu thuật toán được thực hiện liên tục trong khung thời gian 4 năm từ 2018 đến 2022.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Thứ nhất, kỹ thuật lựa chọn màu RGB trên cấu trúc đồ thị cảnh giúp tăng 35,4% hiệu suất ghi pixel và giảm 42% dung lượng bộ nhớ đệm so với các phương pháp hòa trộn alpha truyền thống. Kỹ thuật này phân tách và gán nhãn chính xác hơn 3.000 chi tiết giải phẫu riêng biệt trên các mô hình phức tạp như não bộ và mạch máu, duy trì tốc độ khung hình ổn định ở mức 62,5 FPS trên phần cứng tiêu chuẩn.

Thứ hai, kiến trúc tương tác đa người dùng trong thực tế ảo tăng cường cho phép tối đa 12 người dùng cùng thao tác trên một mô hình giải phẫu thời gian thực với độ trễ truyền gói tin mạng dưới 24,8 mili-giây. Vị trí các mốc giải phẫu được đồng bộ với sai số dịch chuyển không gian vật lý nhỏ hơn 1,2 mm giữa các thiết bị kính hiển thị đội đầu và điện thoại thông minh.

Thứ ba, thuật toán tối ưu hóa Memetic kết hợp phép biến đổi sóng nhỏ rời rạc hai mức đạt hiệu quả bảo mật dữ liệu y tế vượt trội với tỷ lệ tín hiệu đỉnh trên nhiễu luôn duy trì trên 48,6 dB và chỉ số tương đồng cấu trúc đạt 0,9985 đối với thông điệp nhúng có kích thước 256 bytes. Tỷ lệ lỗi bit sau giải mã đạt mức cực thấp xấp xỉ 0,0012%, bảo đảm tính nguyên vẹn tuyệt đối cho hồ sơ bệnh án truyền tải qua mạng IoT y tế.

Thứ tư, kết quả thực nghiệm sư phạm trên 180 sinh viên cho thấy nhóm sử dụng hệ thống thực tế ảo đạt điểm trung bình đợt thi thứ nhất cao hơn 18,7% so với nhóm học mô hình nhựa. Trong đợt thi đánh giá độ lưu trữ kiến thức dài hạn sau 30 ngày, nhóm thực tế ảo duy trì mức điểm cao hơn 26,3% so với nhóm mô hình nhựa và tương đương 98,2% so với nhóm học trực tiếp trên xác người thật.

Thảo luận kết quả

Nguyên nhân chính dẫn đến sự vượt trội của hệ thống là khả năng trực quan hóa không gian ba chiều theo tỉ lệ thực 1:1, cho phép sinh viên bóc tách từng lớp cơ, mạch máu và thần kinh mà phương pháp mô hình nhựa không thể tái hiện. So với các phần mềm giải phẫu quốc tế, hệ thống AnatomyNow loại bỏ hoàn toàn rào cản thuật ngữ tiếng Anh và phản ánh đúng các biến thể mốc giải phẫu đặc thù của người châu Á. Dữ liệu thực nghiệm được trực quan hóa qua biểu đồ cột so sánh điểm số hai đợt thi của 3 nhóm sinh viên, bảng ma trận đối sánh các chỉ số bảo mật PSNR/MSE và đồ thị đường biểu diễn độ ổn định khung hình theo số lượng đa giác lưới 3D, khẳng định tính khả thi vượt bậc của mô hình khi triển khai đại trà.

Đề xuất và khuyến nghị

Thứ nhất, Bộ Y tế và Bộ Giáo dục và Đào tạo cần ban hành khung chuẩn chuyển đổi số trong đào tạo giải phẫu học, đặt mục tiêu tích hợp hệ thống mô phỏng 3D vào 100% các trường đại học y dược trong giai đoạn 2024–2026, hướng tới giảm 50% áp lực tiêu hao mẫu xác tươi và tiết kiệm hàng chục tỷ đồng ngân sách bảo quản hóa chất formol mỗi năm.

Thứ hai, các cơ sở đào tạo y khoa cần đầu tư nâng cấp hạ tầng phòng thực hành thực tế ảo với tối thiểu 30 bộ thiết bị hiển thị kính thông minh hoặc máy tính cấu hình chuyên dụng, thiết lập mạng cục bộ băng thông cao với độ trễ dưới 20 mili-giây trước quý 4 năm 2025 nhằm phục vụ các lớp học giải phẫu tương tác nhóm.

Thứ ba, nhóm phát triển phần mềm và các chuyên gia công nghệ thông tin cần tiếp tục mở rộng mô hình sang ứng dụng hội chẩn từ xa và lập kế hoạch tiền phẫu thuật, phối hợp với các bệnh viện tuyến trung ương triển khai thử nghiệm trên ít nhất 500 ca can thiệp mạch máu não phức tạp trong giai đoạn 2025–2027.

Thứ tư, các trung tâm y tế triển khai hệ thống dữ liệu phân tán cần áp dụng bắt buộc giải pháp mã hóa Memetic kết hợp biến đổi sóng nhỏ cho toàn bộ luồng truyền ảnh y tế chuẩn DICOM, bảo đảm tuân thủ 100% quy chuẩn an toàn an ninh thông tin y tế quốc gia từ năm 2025.

Đối tượng nên tham khảo luận văn

Nghiên cứu sinh và học viên cao học chuyên ngành Khoa học máy tính, Kỹ thuật phần mềm: Tìm thấy phương pháp luận chi tiết về tối ưu hóa lưới đa giác 3D, lập trình shader GLSL thời gian thực và thuật toán tối ưu hóa tiến hóa Memetic ứng dụng trong nén ảnh và giấu tin y tế.

Giảng viên và sinh viên các trường đại học, cao đẳng Y Dược: Khai thác kho dữ liệu giải phẫu số hóa 3D chi tiết tỉ lệ 1:1 của 8 hệ cơ quan cơ thể người Việt Nam phục vụ công tác giảng dạy lý thuyết, thực hành lâm sàng và tự học trực quan.

Kỹ sư phát triển hệ sinh thái thực tế ảo AR/VR và kỹ sư IoT y tế: Ứng dụng kiến trúc tương tác đa người dùng đồng bộ độ trễ thấp trên mạng Client-Server và giải pháp truyền thông dữ liệu an toàn trên các thiết bị đeo thông minh.

Lãnh đạo các bệnh viện và nhà quản lý cơ sở giáo dục y khoa: Tham khảo mô hình phân tích chi phí hiệu quả để xây dựng đề án đầu tư phòng mô phỏng y khoa thông minh, nâng cao chất lượng đào tạo liên tục và hỗ trợ hội chẩn khám chữa bệnh từ xa.

Câu hỏi thường gặp

Hệ thống mô phỏng 3D AnatomyNow có thể thay thế hoàn toàn việc học tập trên xác người thật không? Hệ thống không thay thế hoàn toàn cảm giác xúc giác cơ học của mô sống nhưng thay thế hiệu quả hơn 90% nhu cầu quan sát cấu trúc không gian và mốc giải phẫu. Thực nghiệm trên 180 sinh viên chứng minh kết quả ghi nhớ kiến thức của nhóm dùng hệ thống đạt 98,2% so với nhóm học trên xác thật, đồng thời giải quyết triệt để sự khan hiếm mẫu xác.

Kỹ thuật gán màu RGB trên đồ thị cảnh giải quyết được vấn đề kỹ thuật cốt lõi nào? Thuật toán khắc phục hiện tượng chồng lấn độ trong suốt của kênh alpha và giảm độ trễ tính toán khi hiển thị nhiều vùng giải phẫu lồng nhau. Bằng cách ánh xạ toàn bộ không gian màu RGB thành các định danh vùng, hệ thống tăng 35,4% tốc độ ghi pixel và xử lý mượt mà hơn 3.000 chi tiết giải phẫu ở tốc độ trên 60 FPS.

Công nghệ thực tế ảo tăng cường trong nghiên cứu hỗ trợ tương tác đa người dùng như thế nào? Kiến trúc đa tương tác vận hành trên giao thức mạng Client-Server kết hợp định vị mốc không gian ba chiều. Hệ thống cho phép tối đa 12 người dùng ở cùng phòng học hoặc ở các địa điểm địa lý khác nhau cùng quan sát, xoay lật và đánh dấu vị trí ghim giải phẫu trên cùng một mô hình với độ trễ truyền gói tin dưới 25 mili-giây.

Thuật toán Memetic kết hợp biến đổi DWT bảo vệ dữ liệu y tế IoT như thế nào? Thuật toán sử dụng phân tích sóng nhỏ 2 mức để nhúng thông tin nhạy cảm vào các hệ số tần số cao của ảnh y tế, sau đó dùng thuật toán tiến hóa Memetic tìm vị trí nhúng tối ưu. Phương pháp đạt chỉ số PSNR vượt 48,6 dB và tỷ lệ lỗi bit cực nhỏ 0,0012%, bảo đảm ảnh giải mã giữ nguyên 99,85% chất lượng chẩn đoán.

Hệ thống có thể trích xuất dữ liệu để in 3D các mô hình giải phẫu phục vụ giảng dạy ngoại tuyến không? Toàn bộ mô hình 3D trong phần mềm được số hóa theo định dạng lưới chuẩn với độ chính xác kích thước 1:1 so với giải phẫu người Việt. Các tệp tin hình học có thể xuất trực tiếp sang các máy in 3D y tế để tạo ra các tiêu bản cơ, xương nhân tạo với chi phí vật liệu rẻ hơn 70% so với nhập khẩu.

Kết luận

• Xây dựng thành công hệ thống mô phỏng giải phẫu 3D AnatomyNow hoàn chỉnh cho 8 hệ cơ quan cơ thể người chuẩn nhân trắc học Việt Nam với tỉ lệ chính xác 1:1.
• Đề xuất kỹ thuật lựa chọn màu RGB trên cấu trúc đồ thị cảnh giúp tăng 35,4% hiệu suất dựng hình và quản lý chính xác hơn 3.000 cấu trúc giải phẫu phức tạp.
• Phát triển kiến trúc thực tế ảo tăng cường cộng tác hỗ trợ 12 người dùng đồng thời với độ trễ mạng cực thấp dưới 24,8 mili-giây.
• Sáng chế thuật toán mã hóa dữ liệu y tế Memetic-DWT đạt chỉ số PSNR trên 48,6 dB, bảo đảm an toàn thông tin tuyệt đối trên đường truyền IoT y tế.
• Công bố 6 công trình khoa học quốc tế uy tín, bao gồm 2 bài báo trên tạp chí danh mục SCIE và 3 chương sách chuyên khảo do nhà xuất bản Springer và Wiley phát hành.

Kế hoạch tiếp theo trong giai đoạn 2024–2026 tập trung vào tích hợp trí tuệ nhân tạo nhận diện tổn thương tự động và thương mại hóa nền tảng Telemedicine. Các cơ sở đào tạo y khoa và bệnh viện quan tâm hãy liên hệ ngay với nhóm nghiên cứu để tiếp nhận chuyển giao công nghệ và triển khai thử nghiệm hệ thống mô phỏng y tế hiện đại này.