Bối cảnh và vấn đề nghiên cứu

Phân đoạn khối u não trên hình ảnh chụp cộng hưởng từ (Magnetic Resonance Imaging - MRI) là tác vụ giữ vai trò trọng yếu trong lĩnh vực y - tin học nhằm hỗ trợ chẩn đoán, lập kế hoạch phẫu thuật và theo dõi điều trị u thần kinh đệm (Glioma). Trong lâm sàng, u thần kinh đệm được Tổ chức Y tế Thế giới (WHO) phân loại thành u cấp độ thấp (LGG) và u cấp độ cao (HGG), trong đó u HGG chiếm gần 3/5 các ca mắc ở người trưởng thành với tốc độ phát triển nhanh và tỷ lệ tử vong cao. Về mặt giải phẫu bệnh, khối u não có cấu trúc không đồng nhất, bao gồm nhiều vùng mô bệnh lý đan xen như mô hoại tử (Necrosis), mô ngấm thuốc cản quang (Enhancing Tumor) và vùng phù nề xung quanh (Edema). Việc khoanh vùng thủ công từng lát cắt MRI đòi hỏi nhiều thời gian của bác sĩ chẩn đoán hình ảnh và dễ dẫn đến sự thiếu nhất quán giữa các người đánh giá. Do đó, việc tự động hóa quá trình phân đoạn thông qua các kỹ thuật học sâu là yêu cầu cấp thiết nhằm nâng cao năng suất y tế và giảm thiểu sai sót chủ quan.

Tác giả trình bày lý do chọn đề tài dựa trên hai nhóm căn cứ:

  • Lý do về mặt lý luận:
    1. Phát triển công nghệ học sâu và trí tuệ nhân tạo: Thúc đẩy sự tiến bộ của các kiến trúc thị giác máy tính hiện đại trong phân đoạn dữ liệu thể tích 3D y khoa.
    2. Khả năng phân tích và xử lý dữ liệu lớn: Đáp ứng khối lượng dữ liệu ảnh MRI ngày càng gia tăng, khai thác thông tin đa chiều từ ảnh y tế để phục vụ chẩn đoán.
    3. Tiềm năng nâng cao hiệu quả chẩn đoán: Cải thiện độ chính xác và độ nhạy trong việc phát hiện ranh giới khối u phức tạp so với các giải pháp truyền thống.
  • Lý do về mặt thực tiễn:
    1. Tự động hóa quy trình chẩn đoán: Giảm tải áp lực công việc cho chuyên gia y tế, tiết kiệm thời gian và chi phí vận hành lâm sàng.
    2. Phát hiện sớm và can thiệp kịp thời: Hỗ trợ phát hiện tổn thương ở giai đoạn sớm, giúp tối ưu hóa phác đồ điều trị và giảm chi phí can thiệp muộn.
    3. Nâng cao năng suất và chất lượng chăm sóc y tế: Hỗ trợ đắc lực cho các cơ sở y tế tuyến dưới hoặc khu vực thiếu hụt chuyên gia chẩn đoán hình ảnh thần kinh.
    4. Khả năng ứng dụng thực tiễn cao tại Việt Nam: Đóng góp vào xu hướng hợp tác giữa các trường đại học công nghệ và bệnh viện trong nước, tiếp cận trình độ nghiên cứu y - tin học quốc tế.

Mục tiêu và nhiệm vụ nghiên cứu của khóa luận được xác định cụ thể qua 6 nội dung chính:

  1. Nghiên cứu tổng quan các công trình phân đoạn u não trên ảnh MRI, đặc biệt là các mô hình học sâu và phương pháp tiền xử lý dữ liệu ảnh y khoa.
  2. Khảo sát hệ thống dữ liệu chuẩn hóa phục vụ phân đoạn u não, trọng tâm là các bộ dữ liệu thuộc chuỗi thử thách BraTS (Brain Tumor Segmentation Challenge).
  3. Đề xuất và phát triển kiến trúc mạng học sâu 3D U-Net kết hợp khối Transformer theo ngữ cảnh (Contextual Transformer - CoT) và cơ chế chú ý kép (Double Attention - DA).
  4. Tiến hành thực nghiệm trên hai tập dữ liệu chuẩn BraTS2019 và BraTS2020 nhằm đo lường hiệu suất mô hình.
  5. So sánh, đánh giá kết quả phân đoạn của phương pháp đề xuất với mô hình cơ sở và các công trình tiên tiến trên thế giới.
  6. Đánh giá tính khả thi ứng dụng thực tiễn thông qua việc tích hợp mô hình vào phần mềm trực quan hóa phục vụ hỗ trợ bác sĩ.

Đối tượng nghiên cứu của đề tài tập trung vào các thuật toán phân đoạn ảnh học sâu (3D U-Net, CoT, Double Attention) và dữ liệu hình ảnh MRI sọ não 3D đa phương thức bao gồm 4 chuỗi xung: T1, T1ce (T1-Weighted with Contrast Enhancement), T2 và FLAIR (Fluid-Attenuated Inversion Recovery). Phạm vi nghiên cứu sử dụng hai tập dữ liệu công khai BraTS2019 (335 ca huấn luyện) và BraTS2020 (369 ca huấn luyện) do Trung tâm Phân tích và Tính toán Hình ảnh Y sinh (CBICA) cung cấp, tập trung vào ba vùng đích đánh giá gồm Khối u tăng cường (ET), Lõi khối u (TC) và Toàn bộ khối u (WT).

Cơ sở lý thuyết và phương pháp

Khóa luận xây dựng trên nền tảng lý thuyết phân đoạn ngữ nghĩa ảnh y khoa 3D và các đặc tính vật lý của chụp cộng hưởng từ (MRI). Khác với chụp cắt lớp vi tính (CT) vốn sử dụng bức xạ ion hóa và ưu thế trên mô xương, ảnh MRI ghi nhận tín hiệu cộng hưởng từ các hạt nhân proton trong nước dưới tác động của từ trường và sóng vô tuyến, mang lại độ phân giải không gian và độ tương phản mô mềm cao. Khóa luận khai thác 4 chuỗi xung đa phương thức với các đặc tính bổ trợ lẫn nhau: chuỗi xung T1 và T2 giúp phân biệt ranh giới chất xám và chất trắng; chuỗi xung FLAIR triệt tiêu tín hiệu dịch não tủy giúp làm nổi bật toàn bộ vùng phù nề và khối u; chuỗi xung T1ce sử dụng chất tương phản gadolinium làm sáng rõ vùng lõi u giàu mạch máu tân sinh.

Khung lý thuyết mô hình hóa dựa trên ba cấu phần chính:

  1. Kiến trúc mạng 3D U-Net: Hoạt động như mô hình xương sống (backbone) theo cấu trúc encoder-decoder kết hợp các đường nối tắt (skip connections). Trục mã hóa giảm dần kích thước không gian để trích xuất đặc trưng ngữ nghĩa mức cao, trong khi trục giải mã tăng dần kích thước không gian thông qua các lớp tích chập chuyển vị (transposed convolution) để tái tạo bản đồ phân đoạn 3D.
  2. Khối Contextual Transformer 3D (3D CoT): Mở rộng từ kiến trúc CoT 2D, thay thế tích chập truyền thống tại các khối tính toán. Khối này hợp nhất thông tin ngữ cảnh tĩnh cục bộ (thông qua tích chập 3D kích thước $k \times k \times k$ trên các khóa lân cận) và thông tin ngữ cảnh động (thông qua cơ chế tự chú ý đa đầu giữa truy vấn và khóa theo ngữ cảnh) thành một biểu diễn duy nhất.
  3. Cơ chế Double Attention 3D (3D DA): Được tích hợp vào các kết nối bỏ qua (skip connections). Cơ chế này gồm hai bước phân tách: bước thứ nhất gom các đặc trưng toàn cục từ toàn bộ thể tích đầu vào thành các vector mô tả đặc trưng; bước thứ hai phân phối có chọn lọc các vector đặc trưng này trở lại từng vị trí không gian - kênh trước khi ghép nối vào trục giải mã.

Phương pháp nghiên cứu thực nghiệm được triển khai theo quy trình khép kín:

  • Phương pháp tiền xử lý: Xây dựng quy trình chuẩn hóa 6 bước chuyên biệt nhằm khắc phục hiện tượng nhiễu ảnh và độ lệch cường độ điểm ảnh giữa các lần chụp.
  • Hàm mất mát (Loss Function): Sử dụng hàm mất mát kết hợp giữa Softmax Dice Loss và Cross-Entropy Loss theo công thức: $$\mathcal{L}{\text{total}} = \alpha \mathcal{L}{\text{Dice}} + (1 - \alpha) \mathcal{L}_{\text{CE}}$$ trong đó $\alpha$ là siêu tham số cân bằng, giúp xử lý triệt để hiện tượng mất cân bằng dữ liệu nghiêm trọng giữa thể tích khối u và thể tích nền.
  • Độ đo đánh giá: Hiệu suất được định lượng bằng chỉ số tương đồng xúc xắc (Dice Score) đo tỷ lệ trùng khớp thể tích và khoảng cách Hausdorff phân vị 95 (HD95, tính bằng milimet) đo sai số cực đại của bề mặt đường bao phân đoạn.

Nguồn dữ liệu thực nghiệm được lấy từ cơ sở dữ liệu thử thách BraTS2019 và BraTS2020 của CBICA. Bộ dữ liệu chứa các bản quét 3D định dạng NIfTI (.nii/.nii.gz), mỗi bản ghi gồm 4 thể tích ảnh MRI tương ứng với 4 phương thức chụp và 1 bản đồ gán nhãn chuẩn do các bác sĩ chẩn đoán hình ảnh thần kinh thẩm định.

Thiết kế và triển khai

Hệ thống phân đoạn khối u não được thiết kế và thực thi qua ba phân hệ kỹ thuật: quy trình xử lý luồng dữ liệu, kiến trúc mô hình học sâu cải tiến và ứng dụng minh họa lâm sàng.

Quy trình tiền xử lý dữ liệu 6 bước

Dữ liệu quét MRI sọ não gốc có độ phân giải $240 \times 240 \times 155$ voxel, chứa tỷ lệ vùng nền đen không chứa thông tin giải phẫu lên tới hơn 98%. Để tối ưu hóa tài nguyên bộ nhớ và chuẩn hóa tín hiệu, tác giả thiết lập đường ống tiền xử lý 6 bước:

  1. Cắt bỏ thể tích thừa (Crop volumes): Loại bỏ vùng đệm nền đen ngoài sọ, giảm kích thước ảnh về vùng chứa não bộ.
  2. Ghép đa phương thức (Inter-modality): Ghép nối 4 kênh ảnh T1, T1ce, T2, FLAIR thành tensor 4 chiều.
  3. Lấy mẫu lại (Resampling): Điều chỉnh khoảng cách voxel về chuẩn đồng nhất không gian.
  4. Xóa vỏ não (Skull stripping): Kiểm tra và loại trừ triệt để xương sọ và các mô mềm ngoài màng cứng.
  5. Chuẩn hóa cường độ (Normalization): Áp dụng chuẩn hóa z-score hoặc min-max để đưa thang cường độ tín hiệu về phân phối đồng nhất, giảm sai lệch thiết bị thu nhận.
  6. Tái cấu trúc nhãn (New labels mapping): Các nhãn nguyên bản từ BraTS (nhãn 0: nền; nhãn 1: u hoại tử/không ngấm thuốc; nhãn 2: phù nề; nhãn 4: u tăng cường) được gộp thành 3 nhãn đánh giá độc lập theo chuẩn y khoa:
    • Khối u tăng cường (ET): Gồm nhãn 4.
    • Lõi khối u (TC): Kết hợp nhãn 1 và nhãn 4.
    • Toàn bộ khối u (WT): Kết hợp nhãn 1, nhãn 2 và nhãn 4.

Sau tiền xử lý, dữ liệu đầu vào mô hình được chuyển đổi thành tensor có kích thước $(4 \times 128 \times 128 \times 128)$ và nhãn tương ứng có kích thước $(3 \times 128 \times 128 \times 128)$.

Đặc trưng Dữ liệu ban đầu Sau tiền xử lý
Kích thước ảnh $240 \times 240 \times 155$ voxel $4 \times 128 \times 128 \times 128$ voxel
Kích thước nhãn $240 \times 240 \times 155$ voxel $3 \times 128 \times 128 \times 128$ voxel
Số kênh dữ liệu 4 file đơn lẻ 4 kênh tích hợp
Số lớp nhãn đích 4 nhãn phân tán ($0, 1, 2, 4$) 3 nhãn cấu trúc ($ET, TC, WT$)

Kiến trúc mô hình 3D U-Net tích hợp CoT và DA

Hệ thống kết hợp ba cơ chế:

  • Bộ mã hóa và giải mã: Sử dụng các tầng tích chập 3D với kernel $3 \times 3 \times 3$, hàm kích hoạt LeakyReLU và chuẩn hóa thực thể (Instance Normalization). Độ sâu mạng gồm các tầng giảm kích thước không gian từ $128^3$ xuống $64^3, 32^3, 16^3, 8^3, 4^3$ và $2^3$ tại nút cổ chai.
  • Nhánh Contextual Transformer 3D: Thay thế các lớp tích chập tiêu chuẩn nhằm trích xuất thông tin bối cảnh tĩnh kết hợp tính toán trọng số tự chú ý cục bộ.
  • Khối Double Attention trên Skip Connections: Bắt giữ các mối tương quan phụ thuộc tầm xa trên toàn bộ thể tích não trước khi đưa tín hiệu sang bộ giải mã, giúp bảo toàn chi tiết đường viền u.

Cấu hình môi trường huấn luyện

  • Phần cứng: Bộ xử lý Intel Xeon CPU @ 2.00GHz, GPU NVIDIA Tesla P100 16GB VRAM.
  • Môi trường phần mềm: Thư viện PyTorch trên hệ điều hành Linux.
  • Chiến lược tối ưu: Thuật toán Adam với tốc độ học khởi tạo $3 \times 10^{-4}$, kết hợp bộ lập lịch giảm tốc độ học theo hàm cosine (cosine decay scheduler), hệ số phân rã trọng số (weight decay rate) $1 \times 10^{-5}$ cho chuẩn hóa $L_2$.
  • Tham số thực thi: Kích thước lô (batch size) bằng 1; huấn luyện qua 100 epochs với kiểm định chéo 3 lần (3-fold cross validation). Quá trình suy luận sử dụng kỹ thuật cửa sổ trượt (sliding window) với kích thước bản vá $128 \times 128 \times 128$.

Triển khai ứng dụng minh họa lâm sàng

Nhóm tác giả đã tích hợp trọng số mô hình đã huấn luyện vào phần mềm mã nguồn mở y tế chuyên dụng 3D Slicer. Công cụ này cho phép người dùng nạp các tập tin ảnh MRI đa phương thức định dạng chuẩn, tự động thực thi tiền xử lý, chạy mô hình suy luận phân đoạn và hiển thị mô hình khối u 3D trực quan gồm ba vùng tổn thương (ET, TC, WT) ngay trên giao diện chẩn đoán hình ảnh.

Nội dung chính theo từng chương

Chương 1: Giới thiệu

Chương này thiết lập cơ sở khoa học của đề tài. Tác giả phân tích tính phức tạp và thách thức của bài toán phân đoạn khối u não, làm rõ các hạn chế của quy trình đọc ảnh thủ công trong y tế. Tác giả phân định cụ thể lý do chọn đề tài trên hai bình diện lý luận và thực tiễn, đặt ra 6 mục tiêu nghiên cứu cụ thể, định hình đối tượng, phạm vi khảo sát trên tập dữ liệu BraTS và tóm tắt 5 đóng góp chính của công trình.

Chương 2: Tổng quan đề tài

Chương 2 cung cấp hệ thống cơ sở lý thuyết toàn diện về thị giác máy tính và hình ảnh y khoa:

  • Phân đoạn ngữ nghĩa và u thần kinh đệm: Trình bày bản chất toán học của phân đoạn ngữ nghĩa và đặc điểm sinh học của u thần kinh đệm theo phân loại của WHO (u tế bào hình sao, u ít nhánh tế bào, LGG, HGG). Định nghĩa ba tiểu vùng tổn thương: hoại tử (Necrosis), u ngấm thuốc (Enhancing Tumor), phù nề (Edema).
  • Công nghệ chụp MRI đa phương thức: Giải thích nguyên lý vật lý của hiện tượng cộng hưởng từ proton hạt nhân, thông số thời gian lặp lại (TR) và thời gian xuất hiện tín hiệu phản hồi (TE). So sánh MRI với CT để khẳng định ưu thế phân giải mô mềm vượt trội của MRI. Phân tích chức năng lâm sàng của 4 chuỗi xung T1, T1ce, T2 và FLAIR.
  • Tình hình nghiên cứu trong nước và quốc tế: Đánh giá các công trình tại Việt Nam (nghiên cứu của ĐH Khoa học Tự nhiên TP.HCM trên BraTS2018 đạt Dice WT 82%, ET 68%, TC 70%; nghiên cứu của ĐH Cần Thơ trên 212 ảnh của 10 bệnh nhân đạt độ chính xác 85,5%), chỉ ra các điểm nghẽn về kích thước tập dữ liệu nhỏ và thiếu quy trình tiền xử lý chuẩn. Khảo sát các dòng mô hình trên thế giới từ học máy cổ điển (Random Forest, SVM), mạng tích chập CNN (ResNet, 3D U-Net, Attention U-Net), mô hình sinh GAN, đến các kiến trúc Transformer (UNETR, TransBTS).
  • Các thách thức kỹ thuật: Phân tích 4 thách thức cố hữu gồm nhiễu ảnh MRI, tính bất định cao về hình thái u, giới hạn biểu diễn quan hệ tầm xa của tích chập và sự mất cân bằng dữ liệu cực lớn (thể tích u chỉ chiếm khoảng 1% tổng thể tích não trên BraTS2019 và BraTS2020).

Chương 3: Nghiên cứu thực nghiệm

Chương 3 trình bày chi tiết phương pháp đề xuất và thiết kế thực nghiệm:

  • Mô tả tập dữ liệu: Khảo sát các tập dữ liệu công cộng qua các năm từ BraTS2015 đến BraTS2021, TCGA, iSEG2017. Trình bày chi tiết thông số hai tập dữ liệu sử dụng: BraTS2019 (335 ca) và BraTS2020 (369 ca) với kích thước gốc $240 \times 240 \times 155$.
  • Khảo sát tiền xử lý: Phân tích kết quả thực nghiệm từ các công trình trước về 8 kỹ thuật tiền xử lý phổ biến, chứng minh nhiều phương pháp phức tạp không đem lại hiệu quả trên tập dữ liệu đa phương thức quy mô lớn.
  • Đề xuất quy trình tiền xử lý 6 bước: Chi tiết hóa các thao tác crop thể tích, ghép chuỗi xung, resampling, xóa vỏ não, chuẩn hóa z-score/min-max và gộp nhãn ET, TC, WT.
  • Kiến trúc toán học của mô hình: Trình bày công thức chi tiết của khối Double Attention 3D và Contextual Transformer 3D; thiết lập cấu trúc mạng 3D U-Net backbone với các tham số kernel, stride, instance normalization. Thiết lập hàm mất mát hỗn hợp Dice Loss và Cross-Entropy Loss, cùng hai độ đo Dice Score và Hausdorff Distance 95 (HD95).

Chương 4: Kết quả và bàn luận

Chương 4 công bố và thảo luận các kết quả đo đạc thực nghiệm:

  • Phân tích nghiên cứu triệt tiêu (Ablation Study): Đánh giá độc lập hiệu năng của mô hình cơ sở 3D U-Net khi chưa có nhánh chú ý, khi chỉ thêm khối CoT, khi chỉ thêm khối DA và khi tích hợp đồng thời CoT + DA.
  • Đánh giá số lượng tham số và tài nguyên: Chứng minh kiến trúc tích hợp CoT và DA giúp giảm số lượng tham số mô hình đáng kể xuống còn 1,79 triệu tham số (so với 2,51 triệu của mô hình 3D U-Net gốc), mặc dù thời gian huấn luyện tăng gần gấp đôi do chi phí tính toán attention.
  • Trực quan hóa và phân tích lỗi: Trình bày các bản đồ cắt lớp 2D và mô hình tái tạo 3D thể hiện sự trùng khớp giữa kết quả phân đoạn của mô hình và nhãn thực tế (Ground Truth), đồng thời mổ xẻ các trường hợp phân đoạn sai sót tại các vùng u nhỏ hoặc đường biên phù nề mờ nhạt.
  • Bàn luận ý nghĩa y khoa: Đánh giá khả năng khái quát hóa của mô hình và tiềm năng ứng dụng hỗ trợ bác sĩ phẫu thuật thần kinh lập lộ trình mở hộp sọ.

Chương 5: Chương trình minh họa

Chương 5 trình bày việc chuyển giao mô hình sang môi trường ứng dụng thực tế. Tác giả giới thiệu giải pháp đóng gói mô hình và kết nối trực tiếp với phần mềm mã nguồn mở 3D Slicer. Nội dung hướng dẫn chi tiết quy trình thao tác gồm: nạp 4 chuỗi xung MRI của bệnh nhân, kích hoạt module suy luận tự động và hiển thị kết quả phân đoạn dưới dạng các lớp màu 3D bóc tách từng thành phần mô u trực quan trên các mặt phẳng cắt ngang (axial), đứng dọc (sagittal) và đứng ngang (coronal).

Chương 6: Kết luận và hướng phát triển

Chương cuối cùng tổng kết các kết quả đạt được đối chiếu với mục tiêu ban đầu, tái khẳng định 5 đóng góp học thuật của khóa luận, chỉ ra các giới hạn nghiên cứu còn tồn đọng và đề xuất các phương hướng mở rộng trong tương lai.

Kết quả và đóng góp

Nghiên cứu đạt được các kết quả thực nghiệm cụ thể trên hai tập dữ liệu chuẩn mực quốc tế BraTS2019 và BraTS2020. Mô hình kết hợp 3D U-Net + CoT + DA thể hiện sự vượt trội về độ chính xác và khả năng nén tham số mạng so với kiến trúc 3D U-Net cơ sở.

Mô hình Số lượng Parameters Thời gian huấn luyện (1-fold) BraTS2019 - Dice ET (%) BraTS2019 - Dice TC (%) BraTS2019 - Dice WT (%) BraTS2020 - Dice ET (%) BraTS2020 - Dice TC (%) BraTS2020 - Dice WT (%)
3D U-Net (Baseline) 2,51 triệu Cơ sở Thấp hơn CoT/DA Thấp hơn CoT/DA Thấp hơn CoT/DA - - -
3D U-Net + CoT - Tăng Cải thiện so với baseline Cải thiện so với baseline Cải thiện so với baseline - - -
3D U-Net + DA - Tăng Cải thiện so với baseline Cải thiện so với baseline Cải thiện so với baseline - - -
3D U-Net + CoT + DA 1,79 triệu Tăng gần gấp đôi 82,8% (TB 82,2%) 84,6% 89,2% 81,0% 85,0% 89,3%

Ghi chú số liệu:

  • Trên tập dữ liệu BraTS2019, việc kết hợp cả hai khối CoT và DA giúp điểm Dice trung bình cải thiện 4,5%, khoảng cách Hausdorff (HD95) trung bình giảm 1,0 mm (mức cải thiện cực đại đạt 3,0 mm) so với baseline.
  • Số lượng tham số của mô hình đề xuất giảm từ 2,51 triệu xuống còn 1,79 triệu tham số, giảm thiểu nguy cơ quá khớp (overfitting) và tiết kiệm bộ nhớ GPU khi nạp các mảng thể tích 3D lớn.

Năm đóng góp khoa học chính được tác giả tự xác định bao gồm:

  1. Đề xuất quy trình tiền xử lý 6 bước tối ưu hóa cho dữ liệu ảnh MRI sọ não đa phương thức, giúp loại bỏ nhiễu và chuẩn hóa dữ liệu đầu vào.
  2. Mở rộng thành công kiến trúc Contextual Transformer (CoT) từ không gian 2D sang không gian 3D, tích hợp trực tiếp vào mạng 3D U-Net để khai thác thông tin ngữ cảnh cục bộ tĩnh và động.
  3. Tích hợp cơ chế Double Attention (DA) vào các đường nối tắt (skip connections) của 3D U-Net, giải quyết hạn chế của phép tích chập bằng cách thu thập và phân phối các đặc trưng tầm xa trên toàn bộ không gian não bộ.
  4. Hợp nhất hài hòa các đặc trưng khối u từ CoT và DA, thiết lập kết quả phân đoạn có độ chính xác cao trên cả ba tiểu vùng tổn thương (ET, TC, WT) trên hai tập dữ liệu chuẩn BraTS2019 và BraTS2020.
  5. Thực hiện nghiên cứu triệt tiêu (ablation study) chuyên sâu nhằm phân tích vai trò độc lập của từng khối attention, đồng thời đánh giá định lượng tầm quan trọng của từng phương thức ảnh chụp (T1, T1ce, T2, FLAIR) đối với kết quả phân đoạn.

Hạn chế và hướng nghiên cứu tiếp

Khóa luận thẳng thắn chỉ ra các hạn chế kỹ thuật trong nội dung văn bản:

  • Thời gian huấn luyện kéo dài: Mặc dù số lượng tham số của mô hình giảm xuống 1,79 triệu, cơ chế tính toán tự chú ý 3D khiến thời gian huấn luyện mô hình tăng gần gấp đôi so với mô hình tích chập 3D U-Net tiêu chuẩn.
  • Giới hạn kích thước bản vá (Patch size): Do ràng buộc về dung lượng bộ nhớ video của GPU (Tesla P100 16GB), mô hình buộc phải xử lý dữ liệu dưới dạng các khối thể tích cắt nhỏ $128 \times 128 \times 128$ voxel thông qua kỹ thuật cửa sổ trượt, chưa thể xử lý toàn bộ thể tích gốc ở độ phân giải tối đa trong một lần nạp.
  • Khả năng nhận diện tổn thương vi mô: Phân tích lỗi cho thấy mô hình vẫn gặp khó khăn trong việc định vị chính xác ranh giới của các ổ tổn thương ngấm thuốc kích thước rất nhỏ hoặc các vùng ranh giới phù nề có độ tương phản thấp.
  • Tính tổng quát hóa lâm sàng thực tế: Dữ liệu thử nghiệm chủ yếu dựa trên các tập dữ liệu chuẩn hóa của BraTS; mô hình chưa được đánh giá chéo trên các tập dữ liệu quét thực tế từ các máy chụp MRI thế hệ khác nhau tại các bệnh viện Việt Nam.

Hướng nghiên cứu tiếp theo được đề xuất:

  1. Tối ưu hóa thuật toán tính toán ma trận chú ý nhằm rút ngắn thời gian huấn luyện và tăng tốc độ suy luận thời gian thực.
  2. Mở rộng thử nghiệm và tinh chỉnh mô hình (fine-tuning) trên dữ liệu hình ảnh MRI thu nhận trực tiếp từ các cơ sở y tế trong nước để đánh giá độ bền vững lâm sàng.
  3. Nghiên cứu kết hợp các kỹ thuật bán giám sát (semi-supervised learning) hoặc tự giám sát (self-supervised learning) nhằm tận dụng nguồn dữ liệu ảnh MRI khổng lồ chưa được gán nhãn y khoa.

Giá trị tham khảo

Khóa luận là tài liệu tham khảo có giá trị học thuật và ứng dụng kỹ thuật cao đối với:

  • Sinh viên và học viên cao học ngành Khoa học Dữ liệu, Trí tuệ Nhân tạo, Công nghệ Thông tin và Y - Tin học: Tài liệu cung cấp cơ sở lý thuyết chuẩn xác về xử lý dữ liệu thể tích 3D y tế, nguyên lý chẩn đoán hình ảnh thần kinh và các kỹ thuật toán học đằng sau cơ chế chú ý (Attention) và Transformer.
  • Người làm nghiên cứu về phân đoạn ảnh y khoa: Khóa luận là tài liệu tham khảo chi tiết cho việc thiết kế đường ống tiền xử lý ảnh MRI đa phương thức 6 bước, cách chuyển đổi các module toán học từ 2D sang 3D (như CoT 3D), kỹ thuật lập trình mô hình mạng trên nền tảng PyTorch và cách thức cấu hình hàm mất mát hỗn hợp để giải quyết bài toán mất cân bằng dữ liệu nghiêm trọng.
  • Kỹ sư phát triển phần mềm ứng dụng y tế: Chương 5 cung cấp quy trình mẫu về cách đóng gói mô hình trí tuệ nhân tạo và tích hợp giao tiếp với nền tảng y tế nguồn mở 3D Slicer, hỗ trợ đắc lực cho các dự án phát triển công cụ hỗ trợ quyết định lâm sàng (Clinical Decision Support Systems).

Câu hỏi thường gặp

1. Khóa luận sử dụng các tập dữ liệu nào và kích thước dữ liệu biến đổi ra sao qua quy trình tiền xử lý?
Khóa luận sử dụng hai bộ dữ liệu chuẩn mực quốc tế là BraTS2019 (gồm 335 ca nghiên cứu) và BraTS2020 (gồm 369 ca nghiên cứu). Dữ liệu thể tích ban đầu có kích thước $240 \times 240 \times 155$ voxel gồm 4 chuỗi xung riêng biệt. Sau quy trình tiền xử lý 6 bước, dữ liệu đầu vào mô hình được chuẩn hóa thành tensor 4 chiều kích thước $4 \times 128 \times 128 \times 128$ voxel, và nhãn phân đoạn được định dạng ở kích thước $3 \times 128 \times 128 \times 128$ voxel tương ứng với 3 vùng đích: ET, TC và WT.

2. Điểm khác biệt cốt lõi giữa khối Double Attention (DA) và khối Contextual Transformer (CoT) trong mô hình đề xuất là gì?
Khối 3D CoT được tích hợp trực tiếp vào các tầng tích chập của bộ mã hóa/giải mã nhằm kết hợp cả ngữ cảnh tĩnh cục bộ (thông qua tích chập 3D $k \times k \times k$) và ngữ cảnh động (thông qua cơ chế tự chú ý giữa truy vấn và khóa theo ngữ cảnh). Trong khi đó, khối 3D Double Attention được đặt trên các đường nối tắt (skip connections) với nhiệm vụ phân tách thành hai bước: đầu tiên tập hợp toàn bộ các đặc trưng ngữ nghĩa toàn cầu trên toàn bộ thể tích không gian, sau đó phân phối có chọn lọc các đặc trưng này tới các tầng giải mã tương ứng.

3. Hiệu năng phân đoạn tốt nhất của mô hình 3D U-Net + CoT + DA đạt được là bao nhiêu?
Mô hình đề xuất đạt chỉ số Dice score tốt nhất trên tập dữ liệu BraTS2019 lần lượt là 82,8% cho Khối u tăng cường (ET), 84,6% cho Lõi khối u (TC) và 89,2% cho Toàn bộ khối u (WT). Trên tập dữ liệu BraTS2020, chỉ số Dice score tốt nhất đạt lần lượt là 81,0% (ET), 85,0% (TC) và 89,3% (WT).

4. Mô hình đề xuất tác động như thế nào đến số lượng tham số và thời gian huấn luyện so với mô hình cơ sở 3D U-Net?
Theo bảng thống kê thực nghiệm, mô hình kết hợp 3D U-Net + CoT + DA làm giảm đáng kể số lượng tham số từ 2,51 triệu (ở mô hình 3D U-Net cơ sở) xuống còn 1,79 triệu tham số, giúp hạn chế rủi ro quá khớp và tối ưu hóa bộ nhớ nạp mô hình. Tuy nhiên, do chi phí tính toán các ma trận tự chú ý đa chiều, thời gian huấn luyện thực tế trên mỗi fold tăng gần gấp đôi so với mô hình tích chập tiêu chuẩn.

5. Khóa luận sử dụng công cụ phần mềm nào để hiện thực hóa việc ứng dụng mô hình vào thực tiễn lâm sàng?
Tác giả sử dụng phần mềm y tế mã nguồn mở 3D Slicer để xây dựng chương trình minh họa. Trọng số của mô hình học sâu được tích hợp vào công cụ này, cho phép bác sĩ nạp trực tiếp các chuỗi xung MRI, tự động phân đoạn và hiển thị mô hình khối u dưới dạng trực quan 3 chiều với các vùng u tách biệt phục vụ quan sát giải phẫu.

Kết luận

Khóa luận tốt nghiệp của sinh viên Nguyễn Thanh Thiện Quá và Nguyễn Hiếu Nghĩa đã giải quyết bài toán phân đoạn khối u não trên ảnh chụp cộng hưởng từ 3D thông qua kiến trúc tích hợp 3D U-Net kết hợp Contextual Transformer và Double Attention. Nghiên cứu đã hoàn thành hệ thống thực nghiệm chặt chẽ từ quy trình tiền xử lý 6 bước chuyên biệt, giảm số lượng tham số mạng xuống 1,79 triệu nhưng nâng cao rõ rệt độ chính xác phân đoạn trên hai tập dữ liệu chuẩn BraTS2019 và BraTS2020. Công trình không chỉ đóng góp về mặt thuật toán học sâu cho dữ liệu thể tích y tế mà còn chứng minh tính khả thi ứng dụng lâm sàng thông qua việc tích hợp thành công vào phần mềm trực quan hóa 3D Slicer.