CHƯƠNG 1. TỔNG QUAN mô hình hệ thống nhận diện-phân loại và các phương pháp đánh giá hệ thống. Cuối cùng, thiết kế giao diện nhận diện-phân loại cho hệ thống. ● Chương 4: Kết Quả, Nhận Xét và Đánh Giá Thực thi chương trình và trình bày kết quả đạt được.
Dựa trên kết quả thu được, nhận xét-so sánh-đánh giá độ chính xác của hệ thống. ● Chương 5: Kết Luận và Hướng Phát Triển Tổng hợp lại kết quả đã đạt được và những hạn chế trong đề tài cần được giải quyết, đối chiếu, kiểm chứng với các mục tiêu, yêu cầu đã đặt ra và đề xuất hướng phát triển cho đề tài trong tương lai. BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH 6 do an CHƯƠNG 2. CƠ SỞ LÝ THUYẾT Chương 2.1 MÔ TẢ VỀ BỆNH VIÊM PHỔI 2.1 Khái quát về viêm phổi Viêm phổi là một bệnh nhiễm trùng phổi có thể do vi khuẩn, vi rút hoặc nấm gây ra.
Nhiễm trùng làm cho túi khí của phổi (phế nang) bị viêm và ở một hoặc cả hai phổi sẽ tràn đầy chất lỏng hoặc mủ trong đó [14]. Điều đó có thể làm cho khí oxy khó đi vào máu. Các triệu chứng của viêm phổi có thể từ nhẹ đến nặng, bao gồm ho, sốt, ớn lạnh và khó thở [14]. Có nhiều yếu tố ảnh hưởng đến mức độ nghiêm trọng của một trường hợp viêm phổi, chẳng hạn như loại vi trùng gây nhiễm trùng phổi, tuổi của người bệnh và sức khỏe tổng thể của họ.
Những người có nguy cơ cao nhất là trẻ sơ sinh và trẻ nhỏ, người lớn từ 65 tuổi trở lên và những người có vấn đề sức khỏe khác [14]. Viêm phổi là nguyên nhân gây tử vong truyền nhiễm lớn nhất ở trẻ em trên toàn thế giới. Viêm phổi đã giết chết 808.694 trẻ em dưới 5 tuổi vào năm 2017, chiếm 15% tổng số ca tử vong của trẻ em dưới 5 tuổi [14]. Một số đặc điểm để phân biệt giữa phổi bình thường và bệnh viêm phổi thuỳ thông qua chụp X-quang như sau [16]: ● Hình ảnh màng phổi mờ đều.
● Tổn thương thùy phổi được xác định là một đám mờ thuần nhất và đồng đều, vị trí nằm ở phân nửa phía dưới của phổi phải. Tổn thương là đám mờ có hình dạng tam giác, kích thước lớn, có thể chiếm toàn bộ thùy giữa phổi phải, hoặc toàn bộ thuỳ phổi [16].2 Bệnh viêm phổi do vi-rút Các loại virus gây bệnh thường là các chủng hay xuất hiện trên đường hô hấp của loài người như hợp bào hô hấp, virus cúm hoặc adenovirus. Chúng thường gây ra các vụ dịch và gây bệnh theo mùa, bệnh thường biểu hiện nhẹ, tự thuyên giảm mà không cần điều trị đặc hiệu gì [17]. Trong số các virus phân lập được từ đường hô hấp, thường gặp nhất là RSV (36,5%), tiếp đến là Rhinovirus (31,5%), Parainfluenza (14%) và Adenovirus (7,5%) [18].
BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH 7 do an CHƯƠNG 2. CƠ SỞ LÝ THUYẾT Triệu chứng viêm phổi do vi-rút khởi đầu là các biểu hiện viêm long đường hô hấp trên bao gồm ho, hắt hơi, ngạt mũi, chảy nước mắt nước mũi, kèm theo đó bệnh nhân đau đầu, đau mỏi người, đau rát họng, khàn tiếng, ho khan hoặc ho có đờm trắng trong [19]. Dựa theo một số kinh nghiệm chẩn đoán lâu năm của bác sĩ, ta vẫn có thể chẩn đoán phân biệt sơ bộ thông qua ảnh chụp X-quang khi khẩn cấp, sau đó thực hiện thêm một số xét nghiệm để củng cố thêm độ chính xác. Đối với ảnh X-quang của phổi mắc bệnh viêm phổi do vi-rút, biểu hiện trên phổi mờ nhạt ranh giới, không rõ ràng, thường ở vùng dưới phổi như hình 2.
Ảnh chụp X-quang biểu hiện bệnh viêm phổi do vi-rút 2.3 Bệnh viêm phổi do vi khuẩn Viêm phổi do vi khuẩn chủ yếu là do tình trạng bội nhiễm thêm trong lúc sức đề kháng đang bị suy yếu. Các loại vi khuẩn gây bệnh thường gặp như khuẩn S.Pneumoniae, khuẩn Haemophilus influenzae (Hib), E. Triệu chứng viêm phổi do vi khuẩn bao gồm bệnh nhân có biểu hiện nhiễm trùng rõ như môi khô, lưỡi bẩn, hơi thở hôi, có thể đi kèm với sốt cao. Người bệnh ho khạc đờm mủ, đờm đục hoặc đờm màu xanh vàng [19].
Đối với ảnh X-quang của phổi mắc bệnh viêm phổi do vi khuẩn, thường gặp 50% là cho hình ảnh phổi bị đông đặc như bệnh viêm phổi thùy, điển hình như viêm phổi do phế cầu như hình 2. Ảnh chụp X-quang biểu hiện bệnh viêm phổi do phế cầu BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH 8 do an CHƯƠNG 2.2 CÁC PHƯƠNG PHÁP XỬ LÝ ẢNH SỬ DỤNG 2.1 Điểm ảnh lân cận Trong một ma trận ảnh số, các pixel luôn có một vị trí cụ thể, ta xét ngẫu nhiên một pixel P bất kỳ với tọa độ (x, y) thì tại P luôn có 4 điểm ảnh theo các phương ngang và dọc (hoặc theo Đông - Tây - Nam - Bắc) với các tọa độ xác định như sau [22]: N4(p) = {(x+1, y) ; (x-1, y) ; (x, y+1) ; (x, y-1)} (2.1) Tập các điểm ảnh này gọi là các lân cận 4 của p, gọi tắt là N4(p). Ngoài ra còn có các điểm ảnh thuộc một dạng lân cận khác gọi là lân cận chéo của điểm ảnh, tập hợp đó gọi tắt là Np(p): Np(p) = {(x+1, y+1) ; (x+1, y-1); (x-1, y+1); (x-1, y-1)} (2.2) Với các điểm trong tọa độ Np(p) được xem là 4 hướng Đông-Nam, Đông-Bắc, Tây-Nam, Tây-Bắc [22]. Các lân cận của điểm ảnh Tập kết hợp: N8(p) = N4(p) + Np(p) là tập hợp lân cận 8 của điểm ảnh p [22].
* Chú ý: Nếu tọa độ (x, y) nằm ở biên (mép) ảnh, một số điểm sẽ nằm ngoài ảnh. Các mối liên kết được sử dụng để xác định giới hạn (Boundaries) của đối tượng vật thể hoặc xác định vùng trong một ảnh. Một liên kết được đặc trưng bởi tính liền kề giữa các điểm và mức xám của chúng [22]. Có 3 loại liên kết: ● Liên kết 4: Hai điểm ảnh p và q được nói là liên kết 4 nếu q nằm trong một các lân cận của p, tức q thuộc N4(p).
● Liên kết 8: Hai điểm ảnh p và q nằm trong một các lân cận 8 của p, tức q thuộc N8(p). BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH 9 do an CHƯƠNG 2.2 Lọc nhiễu Nhiễu là một loại tín hiệu hay những thành phần không mong muốn và thường xuất hiện trong ảnh hay trong thu nhận tín hiệu nói chung, nó không chỉ gây ra biến dạng tín hiệu thu được mà còn làm thay đổi thông tin có được. Nhiễu làm cho ảnh trở nên xấu, mờ và làm nhiễu thông tin nhận được từ ảnh. Đối với một bài toán thông thường thì nhiễu của ảnh là sự mất nét, mờ ảnh, nhiễu Gaussian một loại nhiễu thường xuất hiện trên ảnh chủ yếu là do cảm biến của máy ảnh.
Trong bài toán nhận dạng đối tượng của ảnh thì nhiễu được xem là tất cả những pixel nằm ngoài đối tượng được chọn, có nhiều cách để loại bỏ loại nhiễu này như sử dụng các bộ lọc như lọc trung bình, lọc trung vị, lọc Sobel.3 Phân đoạn ảnh Phân đoạn hình ảnh thường được sử dụng để định vị các đối tượng và ranh giới (đường, đường cong.) trong hình ảnh. Chính xác hơn, phân đoạn hình ảnh là quá trình gán nhãn cho mọi pixel trong ảnh sao cho các pixel có cùng nhãn chia sẻ một số đặc điểm nhất định [23]. Kết quả của phân đoạn hình ảnh là một tập hợp các phân đoạn bao phủ toàn bộ hình ảnh hoặc một bộ các đường viền được trích xuất từ hình ảnh [23]. Có rất nhiều cách để phân đoạn một hình ảnh, sau đây là một vài ví dụ về một số phương pháp cụ thể: ● Ngưỡng: Điểm quan trọng của phương pháp này là việc lựa chọn giá trị ngưỡng (có thể là một hoặc một vài giá trị), dựa vào giá trị ngưỡng này để tiến hành tỷ lệ mức xám thành ảnh nhị phân.
Một số phương pháp phổ biến được sử dụng như phương pháp tối đa Entropy, cân bằng ngưỡng Histogram, phương pháp Otsu (tối đa sai) [24]. Phương pháp lấy ngưỡng BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH 10 do an CHƯƠNG 2. CƠ SỞ LÝ THUYẾT ● Phân cụm: Kỹ thuật này cho phép tạo một hình ảnh được phân đoạn có nhãn bằng thuật toán phân cụm cụ thể. Sử dụng phân cụm dựa trên K-means có nghĩa là phân cụm, phân đoạn một hình ảnh thành số cụm [24].
● Phân đoạn dựa trên đồ thị: Trong kỹ thuật này, một biểu đồ được tính từ tất cả các pixel trong ảnh, các đỉnh và đáy trong biểu đồ được sử dụng để xác định vị trí các cụm trong ảnh để chia chúng thành các cụm nhỏ hơn, hoạt động này được lặp lại với các cụm nhỏ hơn và nhỏ hơn cho đến khi không còn cụm nào được hình thành [24]. ● Phát hiện cạnh: Ranh giới khu vực và các cạnh có liên quan chặt chẽ với nhau, vì thường có sự điều chỉnh mạnh về cường độ tại các ranh giới khu vực và thường được tổ chức thành một tập hợp các đoạn đường cong gọi là các cạnh [24]. Tuy nhiên, để phân đoạn một đối tượng từ một hình ảnh, người ta cần các ranh giới vùng kín. ● Học máy: Sử dụng mạng nơ ron tích chập (CNN), một kỹ thuật học sâu gọi là phân đoạn ngữ nghĩa cho phép bạn liên kết mọi pixel của hình ảnh với nhãn lớp.
Các ứng dụng cho phân đoạn ảnh bao gồm lái xe tự hành, kiểm tra công nghiệp, hình ảnh y tế và phân tích hình ảnh vệ tinh [24].3 MẠNG NƠ-RON TÍCH CHẬP Mạng nơ-ron tích chập (CNN-Convolutional Neural Network) là một trong những mô hình học sâu tiên tiến giúp cho chúng ta xây dựng được những hệ thống xử lý ảnh thông minh với độ chính xác cao như hiện nay. Nếu chỉ sử dụng mô hình fully connected neural network (mỗi node trong hidden layer được kết nối với tất cả các node trong layer trước), thì sẽ tạo ra rất nhiều tham số (Parameter) giữa lớp đầu vào với các lớp ẩn [25, 26, 27]. Chính vì thế, việc áp dụng thêm mạng nơ-ron tích chập CNN vào các lớp trong neural network ta có thể giải quyết được vấn đề lượng lớn tham số mà vẫn lấy ra được các đặc trưng của ảnh. Mô hình Convolutional neural network gồm Ảnh đầu vào →Lớp tích chập (convolution layer) + Lớp tổng hợp (pooling layer)→Lớp kết nối đầy đủ (fully connected layer)→Đầu ra như hình 2.5: BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH 11 do an CHƯƠNG 2.
CƠ SỞ LÝ THUYẾT Hình 2. Mô tả các lớp trong mô hình Convolutional neural network Kiến trúc mạng CNN gồm 3 loại lớp chính: lớp tích chập, lớp tổng hợp và lớp kết nối đầy đủ.