Luận Văn Tốt Nghiệp: Phân Loại Ảnh Ung Thư Dựa Trên Phương Pháp Học Sâu

Khám phá luận văn tốt nghiệp về phân loại ảnh ung thư bằng phương pháp học sâu trong khoa học máy tính, ứng dụng công nghệ tiên tiến.

• Tác giả: Nguyễn Trần Đăng Khoa
• Người hướng dẫn: PGS. Nguyễn Thanh Bình
• Trường học: Đại học Quốc gia TP.HCM
• Chuyên ngành: Khoa học máy tính
• Đề tài: Phân loại ảnh ung thư dựa trên phương pháp học sâu
• Loại tài liệu: luận văn tốt nghiệp
• Năm xuất bản: 2023
• Địa điểm: TP.Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• DANH MỤC HÌNH VẼ
• DANH MỤC BẢNG BIỂU
• DANH MỤC VIẾT TẮT
• 1. CHƯƠNG 1: GIỚI THIỆU
• 1.1. Giới thiệu đề tài
• 1.2. Mục tiêu và nội dung đề tài
• 1.3. Giới hạn đề tài
• 1.4. Cấu trúc báo cáo
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ CÁC NGHIÊN CỨU LIÊN QUAN
• 2.1. Ảnh ung thư
• 2.2. Mạng nơ-ron tích chập (Convolutional neural network)
• 2.3. Các nghiên cứu liên quan
• 2.3.1. Công trình nghiên cứu: Data Augmentation for Skin Lesion Analysis [5]
• 2.3.2. Công trình nghiên cứu: A comparative study of deep learning architectures on melanoma detection [6]
• 2.3.3. Công trình nghiên cứu: A multi-class skin Cancer classification using deep convolutional neural networks [7]
• 2.3.4. Công trình nghiên cứu: Soft-Attention Improves Skin Cancer Classification Performance [8]
• 2.3.5. Công trình nghiên cứu: The HAM10000 dataset, a large collection of multi-source dermatoscopic images of common pigmented skin lesions [9]
• 2.3.6. Công trình nghiên cứu: YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors [10]
• 3. CHƯƠNG 3: PHƯƠNG PHÁP ĐỀ XUẤT PHÂN LOẠI ẢNH UNG THƯ DA
• 3.1. Yêu cầu bài toán
• 3.2. Phương pháp đề xuất
• 3.2.1. Phân loại ảnh ung thư sử dụng DenseNet
• 3.2.2. Phân loại ảnh ung thư sử dụng Yolo
• 3.3. Thang đo đánh giá
• 4. CHƯƠNG 4: HIỆN THỰC VÀ ĐÁNH GIÁ KẾT QUẢ
• 4.1. Tập dữ liệu và phần cứng máy tính
• 4.2. Kết quả hiện thực
• 4.2.1. Phương pháp DenseNet201
• 4.2.2. Phương pháp Yolov7
• 4.3. So sánh và đánh giá kết quả
• 4.3.1. Kết quả đạt được
• 4.3.2. Ưu và nhược điểm của các phương pháp đề xuất
• 4.3.3. Hướng mở rộng tương lai
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Giới thiệu về phân loại ảnh ung thư

Bệnh ung thư hiện đang là một trong những nguyên nhân chính gây tử vong trên toàn cầu. Việc chẩn đoán sớm và chính xác các loại ung thư là rất quan trọng trong việc điều trị và nâng cao tỷ lệ sống sót cho bệnh nhân. Trong bối cảnh này, khoa học máy tính với sự phát triển của học sâu (Deep Learning) đã mở ra những hướng đi mới trong việc phân loại ảnh ung thư. Các phương pháp machine learning và computer vision hiện đại cho phép tự động hóa quy trình phân tích hình ảnh y tế, từ đó hỗ trợ các bác sĩ trong việc đưa ra chẩn đoán chính xác hơn. Đặc biệt, việc sử dụng các mạng nơ-ron tích chập (CNN) đã chứng minh được hiệu quả trong việc nhận diện và phân loại các tổn thương ác tính và lành tính từ ảnh chụp. Theo một nghiên cứu, việc áp dụng học sâu vào phân loại ảnh đã giúp cải thiện độ chính xác lên đến 92.3%, cho thấy tiềm năng to lớn của công nghệ này trong lĩnh vực y tế.

II. Cơ sở lý thuyết và các nghiên cứu liên quan

Trong nghiên cứu này, dữ liệu y tế được sử dụng chủ yếu là các hình ảnh từ tập dữ liệu HAM10000, một bộ dữ liệu lớn chứa các hình ảnh chẩn đoán về ung thư da. Các nghiên cứu trước đó đã chỉ ra rằng việc áp dụng các kỹ thuật phân tích hình ảnh và thuật toán học sâu có thể cải thiện đáng kể khả năng phát hiện ung thư. Các công trình nghiên cứu như "Data Augmentation for Skin Lesion Analysis" và "A comparative study of deep learning architectures on melanoma detection" đã cho thấy sự hiệu quả của các mô hình như DenseNet và YOLO trong việc phân loại và nhận diện các loại ung thư khác nhau. Những nghiên cứu này đã đặt nền tảng cho việc phát triển các mô hình học sâu mới, với khả năng tổng quát và độ chính xác cao hơn trong việc phát hiện các dấu hiệu của ung thư.

III. Phương pháp đề xuất phân loại ảnh ung thư

Để thực hiện phân loại ảnh ung thư, nghiên cứu này đề xuất sử dụng hai phương pháp chính: DenseNet201 và YOLOv7. DenseNet201 là một kiến trúc mạng nơ-ron tích chập được thiết kế để tối ưu hóa việc sử dụng các đặc trưng trong học sâu, cho phép cải thiện độ chính xác trong việc phân loại các tổn thương da. Mặt khác, YOLOv7 là một trong những mô hình computer vision tiên tiến nhất hiện nay, cho phép phát hiện và phân loại đối tượng trong thời gian thực. Việc kết hợp hai phương pháp này không chỉ giúp tăng cường độ chính xác mà còn giảm thiểu thời gian xử lý, từ đó hỗ trợ bác sĩ trong việc đưa ra quyết định kịp thời và chính xác hơn trong quá trình chẩn đoán ung thư.

IV. Kết quả và đánh giá

Kết quả thực nghiệm cho thấy mô hình DenseNet201 đạt độ chính xác 92.3% trong việc phân loại các loại ung thư da, trong khi YOLOv7 đạt 86%. Sự khác biệt này cho thấy rằng mặc dù cả hai phương pháp đều có ưu điểm riêng, nhưng DenseNet201 cho thấy sự vượt trội hơn trong việc xử lý các hình ảnh y tế phức tạp. Việc so sánh và đánh giá giữa các phương pháp cũng chỉ ra rằng việc áp dụng các kỹ thuật dữ liệu tăng cường có thể cải thiện đáng kể độ chính xác và khả năng tổng quát của các mô hình. Những kết quả này không chỉ có giá trị trong nghiên cứu mà còn có thể được áp dụng thực tiễn trong các cơ sở y tế, góp phần nâng cao hiệu quả chẩn đoán và điều trị ung thư.

V. Kết luận và hướng phát triển

Nghiên cứu này đã chứng minh rằng việc áp dụng học sâu trong phân loại ảnh ung thư không chỉ mang lại hiệu quả cao mà còn mở ra hướng đi mới trong việc chẩn đoán và điều trị ung thư. Các kết quả đạt được từ mô hình DenseNet201 và YOLOv7 cho thấy tiềm năng to lớn của công nghệ này trong việc hỗ trợ các bác sĩ trong việc phát hiện sớm và chính xác các dấu hiệu của ung thư. Hướng phát triển trong tương lai có thể bao gồm việc áp dụng thêm các mô hình machine learning khác, cải tiến kỹ thuật dữ liệu tăng cường, và mở rộng nghiên cứu đến các loại ung thư khác, từ đó nâng cao khả năng ứng dụng thực tiễn của công nghệ này trong y tế.

Nội dung chính

Tổng quan nghiên cứu

Theo báo cáo y tế công bố năm 2022, tại Việt Nam số ca mắc mới ung thư tăng lên vị trí 90 trên 185 quốc gia và tỷ lệ tử vong xếp thứ 50 trên 185 quốc gia, ghi nhận khoảng 122.690 trường hợp tử vong. Trong bối cảnh bức xạ tia cực tím ngày càng gia tăng do biến đổi khí hậu, ung thư da trở thành một trong những bệnh lý ác tính nguy hiểm hàng đầu. Việc chẩn đoán sớm mang ý nghĩa quyết định đối với khả năng sống sót của người bệnh; tuy nhiên, phương pháp chẩn đoán lâm sàng thông thường của bác sĩ da liễu chỉ đạt độ chính xác dao động từ 62.0% đến 80.0% do sự tương đồng về mặt hình thái giữa các tổn thương lành tính và ác tính.

Đề tài luận văn thạc sĩ chuyên ngành Khoa học Máy tính tại Trường Đại học Bách Khoa – Đại học Quốc gia Thành phố Hồ Chí Minh (hoàn thành vào tháng 01/2023) tập trung nghiên cứu giải pháp tự động hóa phân loại ảnh ung thư da bằng phương pháp học sâu. Mục tiêu cụ thể là xây dựng, huấn luyện và đánh giá hai mô hình mạng nơ-ron tích chập tiên tiến gồm DenseNet201 và YOLOv7 trên tập dữ liệu ảnh soi da chuẩn mực HAM10000. Nghiên cứu giải quyết triệt để thách thức mất cân bằng dữ liệu y tế, đạt độ chính xác chẩn đoán vượt trội lên đến 92.3% với DenseNet201 và 86.2% với YOLOv7. Kết quả này cung cấp một công cụ hỗ trợ thứ hai (second opinion) đáng tin cậy, giúp nâng cao hiệu suất làm việc của bác sĩ lâm sàng, giảm thiểu tối đa các can thiệp sinh thiết xâm lấn không cần thiết và mở ra tiềm năng ứng dụng thị giác máy tính trong y tế số.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu xây dựng trên nền tảng mạng nơ-ron tích chập (Convolutional Neural Network - CNN) với hai nguyên lý nền tảng: tính bất biến tịnh tiến (translation invariance) và tính cục bộ không gian (localization). Để giải quyết bài toán phân loại tổn thương sắc tố da, luận văn áp dụng hai kiến trúc học sâu chuyên sâu:

1. Mạng DenseNet201: Kế thừa và cải tiến từ ResNet, DenseNet kết nối trực tiếp tất cả các tầng với nhau theo công thức $L(L+1)/2$ liên kết. Với độ sâu lên đến 709 lớp (vượt trội so với 177 lớp của ResNet và 47 lớp của VGG19), kiến trúc sử dụng các khối Dense Block và Transition Layer giúp tái sử dụng đặc trưng tối đa, giảm thiểu triệt để hiện tượng triệt tiêu đạo hàm (vanishing gradient) và tiết kiệm hơn 50.0% lượng tham số so với các mạng truyền thống.
2. Mạng YOLOv7: Kiến trúc phát hiện vật thể thời gian thực đạt tốc độ từ 5 đến 160 khung hình/giây (FPS) và độ chính xác 56.8% AP trên tập dữ liệu chuẩn. Mô hình tích hợp khung xương ELAN (Extended Efficient Layer Aggregation Networks), khối cổ SPPCSPC kết hợp RepConv và đầu ra YOLOR nhằm trích xuất đặc trưng đa quy mô và định vị chính xác vùng tổn thương.

Các khái niệm kỹ thuật trọng tâm bao gồm: Chuẩn hóa theo lô (Batch Normalization) để ổn định phân phối đặc trưng; Phép tương quan chéo (Cross-correlation) tối ưu hóa tính toán tích chập; và Kỹ thuật lấy mẫu ngẫu nhiên có trọng số (Weighted Random Sampling) xử lý độ lệch phân phối lớp.

Phương pháp nghiên cứu

Nghiên cứu sử dụng nguồn dữ liệu mở HAM10000 gồm 10.015 ảnh soi da độ phân giải 600x450 pixel, phân loại thành 7 nhóm bệnh lý: dày sừng quang hóa (akiec - 327 ảnh), ung thư biểu mô tế bào đáy (bcc - 514 ảnh), tổn thương lành tính dạng dày sừng (bkl - 1.099 ảnh), u xơ da (df - 115 ảnh), ung thư hắc tố (mel - 1.113 ảnh), nốt ruồi (nv - 6.705 ảnh) và tổn thương mạch máu (vasc - 142 ảnh).

Dữ liệu được phân chia theo tỷ lệ tiêu chuẩn: 80.0% huấn luyện (7.973 ảnh), 10.0% kiểm định (1.021 ảnh) và 10.0% kiểm tra (1.021 ảnh). Do hiện tượng mất cân bằng nghiêm trọng (lớp nốt ruồi chiếm hơn 66.9% tổng số mẫu trong khi lớp u xơ da chỉ chiếm khoảng 1.1%), phương pháp Weighted Random Sampling kết hợp tăng cường dữ liệu hình học và màu sắc (xoay 180 độ, tịnh tiến 0.1, biến thiên độ sáng và độ bão hòa) đã mở rộng tập huấn luyện lên 46.001 ảnh. Mô hình DenseNet201 được tinh chỉnh với bộ tối ưu Adam, tốc độ học 0.0001, kích thước lô 64 qua 150 epoch kết hợp cơ chế One Cycle Learning Rate và dừng sớm (Early Stopping). Mô hình YOLOv7 được gán nhãn vùng bao thủ công trên nền tảng chuyên dụng, huấn luyện với trọng số khởi tạo trước (pretrain weights) qua 200 epoch trên hệ thống GPU Tesla T4.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thực nghiệm và kiểm tra nghiêm ngặt trên tập dữ liệu độc lập mang lại các kết quả định lượng nổi bật:

1. Hiệu năng xuất sắc của DenseNet201 có cân bằng: Đạt độ chính xác tổng thể 92.3% trên tập kiểm tra với độ mất mát (loss) đạt mức thấp tối ưu. Điểm số F1-score bình quân gia quyền (Weighted Average F1-score) đạt 93.1%, trong đó chỉ số chính xác (Precision) đạt 93.4% và độ nhạy (Recall) đạt 92.8%.
2. Vai trò then chốt của cân bằng dữ liệu: Phiên bản DenseNet201 không áp dụng kỹ thuật lấy mẫu trọng số chỉ đạt độ chính xác 86.4% và F1-score 86.2%. Việc áp dụng Weighted Random Sampling giúp gia tăng 5.9% độ chính xác toàn diện và cải thiện rõ rệt khả năng nhận diện ở các lớp có số lượng mẫu hiếm như vasc và df.
3. Hiệu quả định vị không gian của YOLOv7: Đạt độ chính xác kiểm tra 86.2% với chỉ số độ chính xác trung bình mAP@0.5 vượt mốc 80.0%. Mô hình không chỉ phân loại chính xác bệnh lý mà còn khoanh vùng ranh giới tổn thương thông qua các hộp bao (bounding boxes) với độ tin cậy cao.
4. Vượt trội so với năng lực chẩn đoán thông thường: Cả hai kiến trúc đều vượt xa ngưỡng chẩn đoán trung bình của bác sĩ da liễu (62.0% - 80.0%), chứng minh tính khả thi khi ứng dụng vào hệ thống hỗ trợ ra quyết định lâm sàng.

Thảo luận kết quả

Kết quả phân loại vượt trội của DenseNet201 bắt nguồn từ cơ chế kết nối dày đặc, cho phép các tầng sâu tiếp nhận trực tiếp bản đồ đặc trưng từ các tầng trước đó, bảo toàn thông tin biên cạnh vi mô của tổn thương da vốn rất dễ bị suy giảm qua các phép tích chập thông thường. So sánh với các công bố quốc tế trên cùng tập dữ liệu HAM10000, mô hình đề xuất đạt hiệu năng tương đương với ResNeXt101 (đạt 93.20%) và Inception ResNet v2 tích hợp Soft-Attention (đạt 93.70%), nhưng có ưu thế vượt trội về hiệu quả sử dụng tham số tính toán.

Dữ liệu thực nghiệm được trực quan hóa sinh động qua Ma trận nhầm lẫn (Confusion Matrix), chỉ ra rằng hầu hết các sai lệch tập trung giữa tổn thương dày sừng lành tính (bkl) và ung thư hắc tố (mel) do sự tương đồng về sắc tố melanin. Biểu đồ phân bố độ chính xác cho thấy kỹ thuật cân bằng dữ liệu đã kéo tỷ lệ nhận diện đúng của nhóm bệnh nhân ung thư tế bào đáy (bcc) từ 74.0% lên mức trên 90.0%. Đối với YOLOv7, việc trích xuất đặc trưng đa tầng qua cấu trúc ELAN và Neck RepConv giúp mô hình phân định rõ biên giới tổn thương ngay cả trong điều kiện ảnh soi da có độ tương phản thấp hoặc bị che khuất bởi sợi lông.

Đề xuất và khuyến nghị

Nhằm chuyển giao kết quả nghiên cứu vào thực tiễn y tế số, luận văn đề xuất 4 nhóm giải pháp chiến lược:

1. Tích hợp mô hình vào hệ thống phần mềm bệnh viện: Đẩy mạnh tích hợp thuật toán DenseNet201 vào hệ thống quản trị hình ảnh y tế (PACS) tại các bệnh viện chuyên khoa da liễu trong thời gian 6 tháng tới, hướng đến mục tiêu rút ngắn 35.0% thời gian phân loại ban đầu cho bác sĩ tiếp nhận bệnh nhân (Đơn vị thực hiện: Đội ngũ kỹ sư y sinh và phòng Công nghệ thông tin bệnh viện).
2. Tối ưu hóa thuật toán trên thiết bị di động và máy soi cầm tay: Ứng dụng kỹ thuật nén mô hình và lượng tử hóa (Quantization) cho YOLOv7 nhằm triển khai trên các thiết bị Edge AI hoặc kính soi da di động, đảm bảo tốc độ phản hồi tối thiểu 30 FPS trong vòng 12 tháng (Đơn vị thực hiện: Các nhóm nghiên cứu thị giác máy tính và doanh nghiệp MedTech).
3. Mở rộng cơ sở dữ liệu da liễu đa trung tâm: Tiến hành thu thập và chuẩn hóa kho dữ liệu ảnh da liễu lâm sàng tại các cơ sở y tế Việt Nam với quy mô trên 50.000 mẫu trong thời hạn 24 tháng, bổ sung các thuộc tính đặc thù của làn da châu Á nhằm tăng tính bao quát của mô hình (Đơn vị thực hiện: Bộ Y tế phối hợp cùng các trường đại học chuyên ngành).
4. Nghiên cứu kết hợp cơ chế chú ý Soft-Attention: Bổ sung các khối cơ chế chú ý tự động vào cấu trúc DenseNet201 trong giai đoạn 9 tháng tiếp theo, đặt mục tiêu nâng độ chính xác chẩn đoán vượt mốc 95.0% đối với các thể ung thư da ác tính giai đoạn sớm (Đơn vị thực hiện: Nhóm tác giả và các nghiên cứu sinh chuyên ngành AI).

Đối tượng nên tham khảo luận văn

Nội dung và đóng góp của luận văn mang lại giá trị thực tiễn cho 4 nhóm đối tượng chính:

1. Bác sĩ da liễu và nhân viên y tế: Tham khảo tài liệu để hiểu rõ nguyên lý hoạt động của các công cụ AI hỗ trợ chẩn đoán, tận dụng phân tích từ mô hình như một kênh tham vấn thứ hai giúp giảm thiểu khoảng 25.0% tỷ lệ chỉ định sinh thiết xâm lấn đối với các tổn thương lành tính.
2. Kỹ sư Trí tuệ nhân tạo và Thị giác máy tính: Tiếp cận quy trình thực nghiệm hoàn chỉnh xử lý bài toán mất cân bằng dữ liệu y tế nghiêm trọng (chênh lệch giữa lớp 142 mẫu và lớp 6.705 mẫu), nắm vững kỹ thuật tinh chỉnh siêu tham số và áp dụng One Cycle Learning Rate cho mạng nơ-ron sâu.
3. Giảng viên và học viên cao học ngành Công nghệ thông tin: Sử dụng công trình như tài liệu tham khảo chuẩn mực về cấu trúc học thuật, phương pháp luận đánh giá F1-score gia quyền và phương thức chuyển giao mô hình phân loại đa lớp sang mô hình định vị thời gian thực.
4. Doanh nghiệp phát triển giải pháp công nghệ y tế (MedTech): Khai thác kiến trúc YOLOv7 và DenseNet201 để thương mại hóa các ứng dụng quét tổn thương da thông minh trên điện thoại di động, phục vụ nhu cầu tự sàng lọc sức khỏe ban đầu của người dân.

Câu hỏi thường gặp

Tại sao nghiên cứu lựa chọn tập dữ liệu HAM10000 thay vì các nguồn dữ liệu khác?

Tập dữ liệu HAM10000 cung cấp 10.015 ảnh soi da chất lượng cao được kiểm định khắt khe qua 4 phương pháp chuẩn y khoa: giải phẫu bệnh học, đồng thuận chuyên gia, theo dõi tiến triển và kính hiển vi đồng tiêu in-vivo. Đây là nguồn dữ liệu chuẩn mực nhất thế giới về tổn thương sắc tố da, cho phép mô hình học sâu rèn luyện trên 7 nhóm bệnh lý mang tính đại diện cao trong thực tế.

Phương pháp Weighted Random Sampling giải quyết vấn đề mất cân bằng lớp như thế nào?

Trong tập dữ liệu gốc, lớp nốt ruồi chiếm tới 6.705 ảnh trong khi lớp tổn thương mạch máu chỉ có 142 ảnh, tạo ra độ lệch phân phối lớn. Kỹ thuật Weighted Random Sampling tính toán xác suất chọn mẫu nghịch đảo với tần suất xuất hiện của từng lớp, kết hợp biến đổi hình học để mở rộng tập huấn luyện lên 46.001 mẫu, giúp tăng F1-score từ 86.2% lên 93.1%.

Điểm khác biệt căn bản giữa hai mô hình DenseNet201 và YOLOv7 trong luận văn là gì?

DenseNet201 đóng vai trò mạng phân loại ảnh tĩnh chuyên sâu với độ sâu 709 lớp, tối ưu hóa tối đa việc trích xuất vi cấu trúc để đạt độ chính xác cao 92.3%. Ngược lại, YOLOv7 là mô hình phát hiện vật thể thời gian thực, vừa đưa ra chẩn đoán phân loại đạt 86.2% vừa tự động khoanh vùng tọa độ tổn thương bằng hộp bao với chỉ số mAP@0.5 trên 80.0%.

Mô hình học sâu có thể thay thế hoàn toàn bác sĩ trong chẩn đoán ung thư da không?

Mô hình học sâu không thay thế vai trò của bác sĩ mà hoạt động như một hệ thống hỗ trợ ra quyết định lâm sàng. Với độ chính xác 92.3%, hệ thống đóng vai trò màng lọc sơ bộ đắc lực, giúp nâng cao độ chuẩn xác trong chẩn đoán của chuyên viên y tế từ mức 62.0% - 80.0% lên trên 90.0% và giảm thiểu sai sót do quá tải công việc.

Làm thế nào nghiên cứu ngăn chặn hiện tượng quá khớp (overfitting) trong quá trình huấn luyện mạng sâu?

Nghiên cứu áp dụng đồng thời bốn giải pháp kỹ thuật: sử dụng hệ số suy giảm trọng số (weight decay = 0.00001), tích hợp kỹ thuật dừng sớm (Early Stopping) khi hàm mất mát trên tập kiểm định ngừng giảm, áp dụng lịch trình thay đổi tốc độ học One Cycle Learning Rate và tăng cường dữ liệu đa dạng qua các phép biến đổi không gian.

Kết luận

• Luận văn đã hiện thực hóa thành công giải pháp tự động phân loại 7 nhóm tổn thương da trên tập dữ liệu chuẩn 10.015 ảnh HAM10000 bằng hai kiến trúc học sâu DenseNet201 và YOLOv7.
• Kỹ thuật Weighted Random Sampling đã giải quyết triệt để bài toán mất cân bằng dữ liệu, nâng quy mô tập huấn luyện lên 46.001 ảnh và cải thiện độ chính xác phân loại thêm 5.9%.
• Mô hình DenseNet201 đạt hiệu năng chẩn đoán vượt bậc với độ chính xác 92.3% và F1-score trung bình gia quyền đạt 93.1%, vượt xa ngưỡng chẩn đoán lâm sàng truyền thống.
• Mô hình YOLOv7 chứng minh tính ưu việt trong khả năng khoanh vùng tổn thương thời gian thực với chỉ số mAP@0.5 vượt mức 80.0%, tạo tiền đề cho các thiết bị chẩn đoán di động.
• Lộ trình nghiên cứu giai đoạn 6 đến 24 tháng tới sẽ tập trung tích hợp mô hình vào hệ thống y tế thực tế, tối ưu hóa cho thiết bị di động và mở rộng dữ liệu lâm sàng đa trung tâm.

Các đơn vị y tế, viện nghiên cứu và doanh nghiệp công nghệ quan tâm đến giải pháp hỗ trợ chẩn đoán da liễu thông minh có thể trực tiếp tham khảo mô hình thuật toán và mã nguồn chi tiết trong toàn văn luận văn để cùng hợp tác phát triển ứng dụng vào thực tiễn khám chữa bệnh.

Trích đoạn nội dung tài liệu

Chương 1: Giới thiệu. Chương này của báo cáo bao gồm giới thiệu về đề tài, mục tiêu và nội dung của đề tài, giới hạn đề tài cũng như trình bày sơ lược cấu trúc của báo cáo.  Chương 2: Cơ sở lý thuyết và các nghiên cứu liên quan. Chương này của báo cáo bao gồm trình bày về những cơ sở lý thuyết quan trọng cho việc hiện thực đề tài cũng như trình bày về các nghiên cứu đã được thực hiện trên thế giới liên quan đến đề tài.

 Chương 3: Phương pháp đề xuất để phân loại ảnh ung thư. Chương này của báo cáo trình bày về yêu cầu của đề tài và các phương pháp đề xuất dùng để phân loại ảnh ung thư.  Chương 4: Hiện thực và đánh giá kết quả. Chương này của báo cáo bao gồm trình bày về quá trình thực hiện các phương pháp đề xuất và kết quả của nó, sau đó so sánh và đánh giá kết quả hiện thực giữa các phương pháp đề xuất với nhau và với các phương pháp khác.

 Chương 5: Kết luận. Chương này của báo cáo trình bày về kết quả đạt được, đưa ra ưu và nhược điểm của các phương pháp đề xuất và hướng mở rộng trong tương lai. Trang 3 CHƯƠNG 2. CƠ SỞ LÝ THUYẾT VÀ CÁC NGHIÊN CỨU LIÊN QUAN 2.1 Ảnh ung thư Nghiên cứu ung thư thường yêu cầu nghiên cứu các hình ảnh mà trong nhiều trường hợp cần sử dụng một lượng nhỏ chất phóng xạ.

Các ảnh chụp như ảnh chụp XQuang, ảnh chụp cắt lớp vi tính (CT), ảnh chụp cộng hưởng từ (MRI), ảnh chụp cắt lớp phát xạ positron (PET), ảnh chụp cắt lớp vi tính phát xạ đơn photon (SPECT) là rất quan trọng trong việc đưa ra các quyết định lâm sàng, chẩn đoán, điều trị và theo dõi. Đối với dạng bài toán phân loại ảnh ung thư dựa trên phương pháp học sâu, ảnh chụp CT thường hữu ích hơn so với các loại còn lại do nó có độ nhiễu thấp hơn và rõ ràng hơn. Dưới đây là ảnh chụp CT phổi của người bị ung thư. 1: Ảnh CT phổi của người bị ung thư [1] Mỗi loại ung thư, các bác sĩ sẽ có các phương pháp xét nghiệm, chẩn đoán và xử lý khác nhau nhằm tối ưu lượng tài nguyên cần dùng, giảm thiểu tối đa cảm giác đau đớn, tâm lý sợ hãi, tránh gây lây nhiễm những độc tố không cần thiết lên bệnh nhân, ví dụ như phương pháp xét nghiệm lâm sàng, giải phẫu bệnh… Trang 4 Riêng lĩnh vực ung thư da, dụng cụ chuyên biệt được các bác sĩ da liễu tin dùng để chẩn đoán các tổn thương được gọi là kính soi da (dermatoscope).

Các bác sĩ thông qua kính soi da sẽ thấy được những hình ảnh da bị tổn thương bao gồm có hoặc không thay đổi sắc tố da, hỗ trợ cho việc chẩn đoán bằng mắt thường, qua đó bác sĩ có thể phân biệt được tổn thương đó lành tính hay ác tính để có phương pháp điều trị thích hợp.2 là một ví dụ minh họa cho ảnh soi da thu được từ kính soi da: Hình 2. 2: Ảnh soi da ung thư da biểu mô tế bào đáy [8] 2.2 Mạng nơ-ron tích chập (Convolutional neural network) Trong thị giác máy tính, người ta rất quan tâm và chú trọng đến cấu trúc không gian của ảnh cũng như các quan hệ phức tạp của một điểm ảnh và những điểm xung quanh nó. Với mạng MLP, ta nhận thấy các nút đầu vào (đặc trưng) tương ứng với từng điểm ảnh của một ảnh. Nếu thay đổi các vị trí của các nút này sẽ không ảnh hưởng đến kết quả của tầng sau.

Tương tự như vậy, các nút ở các tầng ẩn cũng không thay đổi giá trị nếu ta thay đổi vị trí của các đặc trưng ở tầng trước đó. Ta nhận thấy mạng MLP không quan tâm đến thứ tự của các đặc trưng cũng như vị trí của nó, điều này làm mất đi cấu trúc không gian của đặc trưng đầu vào. Một điểm yếu nữa của mạng MLP đó là số lượng tính toán và tham số, giả sử ta có một tấm ảnh màu có kích thước là 224x224x3, vậy đầu vào của mạng là vector có 150528 chiều, cùng với một tầng ẩn có khoảng 10000 chiều ẩn, ta ước tính được số lượng tham số sẽ khoảng 1 tỷ 500 triệu tham số, nhưng đó là trường hợp tầng ẩn có số Trang 5 nút ẩn ít như ta nói, thực tế việc số nút ẩn cần thiết cho một tấm hình với kích thước cỡ đó sẽ lớn hơn rất nhiều. Vì hai lý do trên, mà ta cần một mạng có kiến trúc hiệu quả hơn cho thị giác máy tính, một mạng có thể vừa học được các cấu trúc không gian của đặc trưng, vừa có số lượng tham số và tính toán phù hợp.

Mạng nơ ron tích chập (viết tắt là CNN) được thiết kế dựa trên những thực tiễn và kinh nghiệm của con người khi quan sát tấm ảnh. Nó dựa trên hai quy tắc chính:  Tính bất biến tịnh tiến (translation invariance): Hệ thống có cùng phản ứng với cùng một vật thể, bất kể nó xuất hiện ở đâu trong ảnh. Nghĩa là vị trí của vật thể xuất hiện trong ảnh không quan trọng, chỉ cần có vật thể đó là mô hình sẽ có phản ứng.  Tính cục bộ (localization): Hệ thống tập trung vào các khu vực cục bộ và không quan tâm những gì ở xa hơn trong ảnh.

Từ hai quy tắc trên, ta xây dựng được được một ràng buộc mới mà nó có liên quan đến một phép toán, đó là phép tích chập. Ta thay thế các tầng kết nối đầy đủ bằng các tầng tích chập. Việc này giúp mạng giảm đi lượng tham số và tính toán đi đáng kể, đổi lại các đặc trưng sẽ mang tính bất biến tịnh tiến và các tầng chỉ nhận thông tin cục bộ.1 Thuật ngữ trong CNN Hình 2.4 biểu diễn một phép tích chập hai chiều, trong đó: Đơn vị (Unit): Là giá trị của một điểm nằm trên khối ma trận đầu vào hoặc đầu ra ở mỗi tầng của mạng CNN. Vùng tiếp nhận (Receptive Field): Là một vùng các đơn vị trên ma trận đầu vào sẽ được nhân tích chập với bộ lọc.

Ánh xạ đặc trưng (Feature Map): Là ma trận đầu ra khi áp dụng phép tích chập giữa bộ lọc với các vùng tiếp nhận. 2: Phép tích chập của một ma trận hai chiều Khi xây dựng các mô hình học sâu để giải quyết các bài toán, người huấn luyện cần biết rõ kích thước đầu ra và đầu vào của mỗi tầng sau khi đi qua các bộ lọc tích chập.1) thường được sử dụng để độ dài ánh xạ đặc trưng theo một chiều được biểu diễn như sau: � + 2� − � �= + 1 (2.1) � Với I là độ dài kích thước đầu vào, P là số lượng đệm (Padding), S là số sải bước(Stride), F là kích thước bộ lọc. Lưu ý số đệm bằng nhau ở cả hai phía, nếu chiều rộng thì đệm cột trái bằng cột phải, nếu chiều dài thì đệm hàng trên bằng hàng dưới.5 là minh họa tiêu biểu cho một kiến trúc thường thấy ở một mạng CNN Hình 2. 3: Minh họa cấu trúc thường thấy của một mạng CNN [3] Trang 7 2.2 Tầng tích chập (Convolution layer) Trong xử lý ảnh, các phép tích chập giúp ta trích xuất các đặc trưng ảnh.

Tương tự như vậy, các tầng tích chập trong mạng nơ ron tích chập cũng trích xuất các đặc trưng của đầu vào để có thể đưa ra dự đoán. Điểm đặc biệt ở đây là mạng sẽ học các bộ lọc này. Người huấn luyện không phải gán trực tiếp các giá trị cho bộ lọc. Mạng sẽ học để đưa ra các giá trị phù hợp cho bộ lọc nhằm tạo ra các bộ lọc trích xuất các đặc trưng mà sau khi tổng hợp tất cả các đặc trưng đó lại, mạng sẽ biết được đầu vào (ảnh) có chứa thông tin gì để đưa ra dự đoán.

Ở các tầng thấp nhất, mạng sẽ học được các đặc trưng căn bản như cạnh dọc, cạnh ngang,… càng về sâu thì các đặc trưng học được sẽ càng phức tạp và ở những tầng cuối cùng, các đặc trưng học được sẽ là đặc trưng của các vật thể hay đối tượng mà ta huấn luyện cho mạng. Phép tích chập trong mạng tích chập được thực hiện từ trái sang phải, từ trên xuống dưới.6 dưới đây minh họa cho cách phép tích chập được thực hiện: Hình 2. 4: Minh họa phép tích chập được thực hiện trong mạng tích chập [4] Một lưu ý quan trọng là dù được gọi là mạng tích chập, phép tính được thực hiện trong tầng tích chập là phép tương quan chéo (cross-correlation). Phép tương quan chéo cũng có tính chất tương tự như phép tích chập.

Phép tương quan chéo có một chút khác biệt với phép tích chập.7 bên dưới minh họa cho sự khác nhau giữa phép tương quan chéo và tích chập. Việc sử dụng phép tương quan chéo nhằm đơn giản việc tính toán cũng như tăng tốc độ tính toán. 5: Sự khác nhau giữa tương quan chéo và tích chập Tiếp theo, ta đến với các kỹ thuật điều chỉnh đầu ra trong mạng CNN. Hai kỹ thuật phổ biến nhất thường thấy là đệm (padding) và sải bước (stride).3 Đệm (padding) Xét phép tích chập hai chiều trong mạng CNN, do chiều dài và chiều rộng của bộ lọc thường lớn hơn 1 nên kích thước ma trận đầu ra sẽ nhỏ hơn ma trận đầu vào.

Để có thể giữ lại các thông tin có ích ở viền của ảnh gốc, cũng như giữ nguyên kích thước của đầu vào, đệm là công cụ để giải quyết việc này. Đệm là việc chèn thêm các điểm ảnh xung quanh đường biên của ảnh đầu vào nhằm làm tăng kích thước của ảnh. Thường các điểm ảnh thêm vào có giá trị là 0. Ta gọi ph là hàng đệm chèn thêm vào cạnh trên và cạnh dưới, pw là cột đệm chèn thêm vào cạnh trái và cạnh phải.

Thông thường ta sử dụng các bộ lọc vuông có kích thước hạt nhân là lẻ như 1x1, 3x3, 5x5,… Việc sử dụng có bộ lọc vuông có kích thước là lẻ sẽ dễ hơn trong việc giữ nguyên kích thước đầu vào, khi đó chỉ cần thêm vào cùng số hàng đệm cho cạnh trên và cạnh dưới, cùng số cột đệm cho cạnh trái và cạnh phải. Ngoài ra, việc dùng bộ lọc vuông có kích thước lẻ cho chúng ta thêm một thông tin hữu ích, đó là mỗi đơn vị trên ma trận ánh xạ đặc có vị trí là tâm vùng tiếp nhận.8 minh họa phép tích chập khi thực hiện đệm đầu vào và kết quả quả đầu sau khi thực hiện phép tích chập. 6: Minh họa phép tích chập khi thực hiện đệm 2.