Phân loại ảnh ung thư dựa trên phương pháp học sâu tại Đại học Bách Khoa TP.HCM

Tài liệu nghiên cứu Phân loại ảnh ung thư dựa trên phương pháp học sâu, tổng hợp lý thuyết và thực hành, cung cấp kiến thức chuyên sâu về .

• Tác giả: Nguyễn Trần Đăng Khoa
• Người hướng dẫn: PGS. Nguyễn Thanh Bình
• Trường học: Đại học Bách Khoa 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
• 1. CHƯƠNG 1: GIỚI THIỆU ĐỀ TÀI
• 1.1. Mục tiêu và nội dung đề tài
• 1.2. Giới hạn đề tài
• 1.3. 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)
• 2.2.1. Thuật ngữ trong CNN
• 2.2.2. Tầng tích chập (Convolution layer)
• 2.2.3. Đệm (padding)
• 2.2.4. Sải bước (stride)
• 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
• 5. CHƯƠNG 5: KẾT LUẬN
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Giới thiệu về phân loại ảnh ung thư bằng học sâu

Bệnh ung thư đang trở thành một trong những nguyên nhân hàng đầu gây tử vong trên toàn cầu. Việc phát hiện sớm và chính xác ung thư là rất quan trọng để nâng cao tỷ lệ sống sót cho bệnh nhân. Trong bối cảnh đó, công nghệ học sâu đã mở ra những cơ hội mới trong việc phân loại ảnh ung thư. Nghiên cứu từ Đại học Bách Khoa TP.HCM đã áp dụng các phương pháp học sâu để cải thiện độ chính xác trong chẩn đoán ung thư.

1.1. Tầm quan trọng của việc phát hiện sớm ung thư

Phát hiện sớm ung thư giúp tăng khả năng điều trị thành công. Nghiên cứu cho thấy rằng việc chẩn đoán sớm có thể cải thiện tỷ lệ sống sót lên đến 90%.

1.2. Công nghệ học sâu trong y tế

Học sâu đã được ứng dụng rộng rãi trong y tế, đặc biệt là trong phân tích hình ảnh y tế. Công nghệ này giúp tự động hóa quá trình chẩn đoán và giảm thiểu sai sót của con người.

II. Thách thức trong phân loại ảnh ung thư hiện nay

Mặc dù công nghệ học sâu đã mang lại nhiều lợi ích, nhưng vẫn còn nhiều thách thức trong việc phân loại ảnh ung thư. Các vấn đề như độ chính xác, tính khả thi và sự đa dạng của các loại ung thư cần được giải quyết.

2.1. Độ chính xác trong chẩn đoán

Độ chính xác của các mô hình học sâu phụ thuộc vào chất lượng dữ liệu đầu vào. Việc thu thập và xử lý dữ liệu ảnh ung thư là một thách thức lớn.

2.2. Sự đa dạng của các loại ung thư

Mỗi loại ung thư có những đặc điểm hình ảnh khác nhau, điều này đòi hỏi các mô hình học sâu phải được đào tạo với dữ liệu phong phú và đa dạng.

III. Phương pháp học sâu trong phân loại ảnh ung thư

Nghiên cứu từ Đại học Bách Khoa TP.HCM đã áp dụng các phương pháp học sâu như DenseNet201 và Yolov7 để phân loại ảnh ung thư. Những phương pháp này đã cho thấy hiệu quả cao trong việc cải thiện độ chính xác chẩn đoán.

3.1. Phương pháp DenseNet201

DenseNet201 là một kiến trúc mạng nơ-ron tích chập giúp cải thiện khả năng học tập của mô hình thông qua việc kết nối các lớp với nhau. Phương pháp này đã đạt được độ chính xác lên đến 92.3%.

3.2. Phương pháp Yolov7

Yolov7 là một trong những mô hình phát hiện đối tượng tiên tiến nhất hiện nay. Mô hình này cho phép phát hiện nhanh chóng và chính xác các tổn thương ung thư trên ảnh.

IV. Ứng dụng thực tiễn của phân loại ảnh ung thư

Việc áp dụng các phương pháp học sâu trong phân loại ảnh ung thư không chỉ giúp cải thiện độ chính xác mà còn hỗ trợ các bác sĩ trong quá trình chẩn đoán. Nghiên cứu đã chỉ ra rằng việc sử dụng công nghệ này có thể giảm thiểu thời gian chẩn đoán và tăng cường hiệu quả điều trị.

4.1. Kết quả nghiên cứu từ Đại học Bách Khoa TP.HCM

Nghiên cứu đã đạt được những kết quả khả quan với độ chính xác cao trong việc phân loại ảnh ung thư da, góp phần nâng cao khả năng chẩn đoán sớm.

4.2. Tác động đến ngành y tế

Công nghệ học sâu không chỉ giúp cải thiện chẩn đoán mà còn mở ra hướng đi mới cho việc phát triển các ứng dụng y tế thông minh.

V. Kết luận và tương lai của phân loại ảnh ung thư

Phân loại ảnh ung thư bằng phương pháp học sâu đang trở thành một xu hướng quan trọng trong y tế. Nghiên cứu từ Đại học Bách Khoa TP.HCM đã chứng minh rằng công nghệ này có thể cải thiện đáng kể độ chính xác trong chẩn đoán ung thư. Tương lai của lĩnh vực này hứa hẹn sẽ còn nhiều tiềm năng phát triển.

5.1. Hướng phát triển trong nghiên cứu

Cần tiếp tục nghiên cứu và phát triển các mô hình học sâu mới để nâng cao độ chính xác và khả năng ứng dụng trong thực tiễn.

5.2. Tương lai của công nghệ học sâu trong y tế

Công nghệ học sâu sẽ tiếp tục đóng vai trò quan trọng trong việc cải thiện chất lượng chẩn đoán và điều trị ung thư, mở ra nhiều cơ hội mới cho ngành y tế.

Nội dung chính

Tổng quan nghiên cứu

Ung thư da hiện là một trong những gánh nặng y tế nghiêm trọng trên toàn cầu cũng như tại Việt Nam. Theo thống kê y tế năm 2022, Việt Nam ghi nhận 182.563 ca mắc mới và 122.690 ca tử vong do ung thư, nâng thứ hạng mắc mới lên vị trí 90/185 và tỷ lệ tử vong lên vị trí 50/185 quốc gia. Dưới tác động tiêu cực của biến đổi khí hậu và bức xạ tia cực tím ngày càng gia tăng, nguy cơ tổn thương ác tính tế bào da có xu hướng leo thang nhanh chóng.

Thách thức lớn nhất trong điều trị ung thư da nằm ở khâu phát hiện sớm. Chẩn đoán lâm sàng bằng mắt thường của bác sĩ da liễu chỉ đạt độ chính xác dao động từ 62% đến 80%, do nhiều dạng tổn thương ác tính và lành tính có biểu hiện sắc tố tương tự nhau. Việc lạm dụng kỹ thuật sinh thiết xâm lấn gây đau đớn, tốn kém chi phí và gia tăng áp lực cho hệ thống y tế.

Đề tài tập trung giải quyết bài toán phân loại tự động 7 nhóm tổn thương sắc tố da dựa trên ảnh chụp kính soi da (dermatoscope) thông qua các mô hình học sâu tiên tiến. Nghiên cứu được thực hiện tại Khoa Khoa học và Kỹ thuật Máy tính, Trường Đại học Bách Khoa – Đại học Quốc gia Thành phố Hồ Chí Minh từ năm 2022 đến tháng 01/2023. Mục tiêu cụ thể là xây dựng pipeline xử lý dữ liệu và huấn luyện hai kiến trúc mạng nơ-ron DenseNet201 và YOLOv7, hướng tới việc tối ưu hóa độ chính xác nhận diện đạt trên 90%, hỗ trợ giảm thiểu 30% thời gian chẩn đoán ban đầu cho nhân viên y tế.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu ứng dụng nền tảng mạng nơ-ron tích chập (Convolutional Neural Network - CNN) với hai nguyên lý cấu trúc nền tảng: tính bất biến tịnh tiến (translation invariance) và tính cục bộ không gian (localization). Các thành phần toán học cốt lõi bao gồm vùng tiếp nhận (receptive field), ánh xạ đặc trưng (feature map), phép tương quan chéo (cross-correlation) và kỹ thuật chuẩn hóa theo mẻ (batch normalization) nhằm đưa phân phối đặc trưng về trạng thái kỳ vọng bằng 0 và phương sai bằng 1, triệt tiêu hiện tượng bùng nổ hoặc biến mất đạo hàm.

Hai mô hình kiến trúc chủ đạo được khai thác chuyên sâu gồm:

1. DenseNet201: Cấu trúc gồm 709 lớp với cơ chế kết nối dày đặc, cho phép mọi tầng nhận trực tiếp bản đồ đặc trưng từ tất cả các tầng trước đó. Cấu trúc này tối ưu hóa dòng chảy thông tin, tái sử dụng đặc trưng tối đa và giảm số lượng tham số so với các mạng truyền thống.
2. YOLOv7: Kiến trúc phát hiện đối tượng thời gian thực tích hợp khối ELAN (Extended Efficient Layer Aggregation Networks), tầng cổ CSP-OSA PANet và bộ phân loại YOLOR khai thác tri thức ẩn (implicit knowledge), giúp định vị và phân loại tổn thương trong cùng một lượt xử lý.

Phương pháp nghiên cứu

Nghiên cứu sử dụng tập dữ liệu chuẩn quốc tế HAM10000 bao gồm 10.015 ảnh soi da độ phân giải 600x450 pixel, được thu thập từ nhiều nguồn và xác thực qua kiểm định mô bệnh học. Dữ liệu bao phủ 7 bệnh lý sắc tố da: 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), ung thư hắc tố (mel - 1.113 ảnh), nốt ruồi (nv - 6.705 ảnh), tổn thương mạch máu (vasc - 142 ảnh) và u xơ da (df - 115 ảnh).

Quy trình chọn mẫu và phân chia dữ liệu được thực hiện theo tỷ lệ: 80% tập huấn luyện (7.973 ảnh), 10% tập kiểm định (1.021 ảnh) và 10% tập kiểm tra độc lập (1.021 ảnh). Nhằm giải quyết tình trạng mất cân bằng dữ liệu nghiêm trọng giữa nhóm đa số (nốt ruồi chiếm 66,9%) và nhóm thiểu số (u xơ da chiếm 1,1%), phương pháp lấy mẫu ngẫu nhiên có trọng số (Weighted Random Sampling) của PyTorch được áp dụng kết hợp cùng chuỗi biến đổi hình học (xoay 180 độ, tịnh tiến 0,1, co giãn tỷ lệ) và điều chỉnh màu sắc (độ tương phản, độ sáng phân phối 0,7 - 1,3). Sau xử lý, tập huấn luyện mở rộng đạt 46.001 ảnh, tăng gấp 5,76 lần kích thước ban đầu.

Mô hình được huấn luyện trên hạ tầng GPU Tesla T4 với hàm tối ưu Adam, tốc độ học 0,0001, bộ lập lịch One Cycle Learning Rate, kích thước mẻ 64 và cơ chế Early Stopping dừng sớm qua 150 epoch để ngăn chặn hiện tượng quá khớp (overfitting).

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thực nghiệm đối sánh trên tập kiểm tra độc lập ghi nhận ba phát hiện mang tính đột phá về mặt hiệu năng mô hình:

1. Hiệu năng vượt trội của DenseNet201 sau cân bằng: Mô hình DenseNet201 khi được bổ trợ bởi kỹ thuật Weighted Random Sampling đạt độ chính xác tổng thể 92,3%, giá trị hàm mất mát (loss) giảm xuống mức 0,28 trên tập kiểm tra. Điểm F1-score trung bình có trọng số đạt 92,6%, trong đó độ chuẩn xác (precision) đạt 93,1% và độ nhạy (recall) đạt 92,3%.
2. Vai trò quyết định của kỹ thuật cân bằng dữ liệu: Thử nghiệm đối chứng cho thấy mô hình DenseNet201 khi không áp dụng cân bằng dữ liệu chỉ đạt độ chính xác 86,4% và F1-score 86,2%. Kỹ thuật xử lý mất cân bằng giúp nâng cao trực tiếp 5,9% độ chính xác toàn cục và cải thiện hơn 25% độ nhạy tại các lớp tổn thương hiếm gặp như u xơ da và tổn thương mạch máu.
3. Khả năng định vị thời gian thực của YOLOv7: Mô hình YOLOv7 đạt độ chính xác phân loại 86,8% cùng chỉ số mAP@0.5 vượt trên 80%, chứng minh tính hiệu quả vượt bậc khi vừa phân lớp vừa khoanh vùng chính xác tọa độ tổn thương trên bề mặt da mà không cần gia tăng tài nguyên tiền xử lý.

Thảo luận kết quả

Hiệu năng ấn tượng của DenseNet201 bắt nguồn từ cấu trúc 709 lớp kết nối dày đặc, giúp mạng bảo toàn được cả thông tin biên cạnh tần số cao ở các lớp nông lẫn đặc trưng bệnh lý trừu tượng ở các lớp sâu. Kết quả 92,3% của nghiên cứu tiệm cận sát các công bố quốc tế lớn như ResNeXt101 (93,20%) hay Inception ResNet v2 tích hợp Soft-Attention (93,7%), đồng thời vượt trội hoàn toàn so với ngưỡng chẩn đoán trung bình 62% - 80% của bác sĩ khám thông thường.

Dữ liệu thực nghiệm được trực quan hóa thông qua ma trận nhầm lẫn (Confusion Matrix) 7x7 và biểu đồ phân phối dự đoán. Phân tích ma trận nhầm lẫn cho thấy tỷ lệ phân loại sai giữa ung thư hắc tố (mel) và nốt ruồi thông thường (nv) giảm hơn 65% so với mô hình gốc. Đồ thị hàm mất mát và độ chính xác theo từng epoch thể hiện sự hội tụ mượt mà nhờ bộ điều phối One Cycle Learning Rate, không xuất hiện hiện tượng phân kỳ hay dao động biên độ lớn. Việc kết hợp đồng thời bảng tham số F1-score và ma trận nhầm lẫn khẳng định tính khách quan của kết quả đánh giá trên tập dữ liệu mất cân bằng.

Đề xuất và khuyến nghị

Dựa trên kết quả nghiên cứu thực nghiệm, bốn giải pháp trọng tâm được đề xuất nhằm chuyển hóa mô hình học sâu vào thực tiễn y tế:

1. Tích hợp mô hình DenseNet201 vào hệ thống chẩn đoán hỗ trợ máy tính (CAD): Cơ quan chủ quản và các bệnh viện chuyên khoa da liễu cần triển khai phần mềm phụ trợ lâm sàng, hướng tới mục tiêu giảm 40% tỷ lệ chẩn đoán sót các ca u ác tính trong giai đoạn 2024 - 2025.
2. Xây dựng ngân hàng dữ liệu ảnh soi da mở rộng: Viện nghiên cứu phối hợp cùng Bộ Y tế thu thập và chuẩn hóa hơn 50.000 mẫu ảnh sắc tố da trên người bệnh châu Á giai đoạn 2024 - 2026, khắc phục triệt để hạn chế thiên lệch chủng tộc từ các bộ dữ liệu phương Tây.
3. Phát triển ứng dụng nhúng YOLOv7 trên thiết bị cầm tay: Đội ngũ kỹ sư phần mềm tối ưu hóa mạng YOLOv7 với tốc độ xử lý dưới 50 mili-giây trên mỗi khung hình, cho phép tích hợp trực tiếp vào máy soi da di động từ quý 3/2024 nhằm phục vụ khám sàng lọc tại trạm y tế cơ sở.
4. Chuẩn hóa chương trình đào tạo liên ngành Y - Tin sinh học: Các trường đại học y dược và công nghệ thông tin cần thiết lập các khóa đào tạo định kỳ trong năm 2024 - 2025, nâng tỷ lệ nhân viên y tế sử dụng thành thạo công cụ AI lên trên 80%.

Đối tượng nên tham khảo luận văn

Nội dung luận văn mang lại giá trị thực tiễn và học thuật cho 4 nhóm đối tượng cụ thể:

1. Bác sĩ chuyên khoa da liễu và nhân viên y tế: Nắm bắt nguyên lý hoạt động của các công cụ hỗ trợ thông minh, nâng cao độ tin cậy khi chẩn đoán tổn thương sắc tố da từ mức 70% lên trên 90%, giảm thiểu các chỉ định sinh thiết không cần thiết.
2. Kỹ sư Trí tuệ nhân tạo và chuyên gia thị giác máy tính trong y tế: Tham khảo thiết kế đường ống xử lý dữ liệu mất cân bằng nghiêm trọng tỷ lệ 1:58, phương pháp tinh chỉnh siêu tham số và tối ưu hóa kiến trúc mạng nơ-ron tích chập 709 lớp.
3. Học viên cao học và sinh viên ngành Khoa học máy tính / Công nghệ thông tin: Sử dụng luận văn như tài liệu mẫu chuẩn mực về phương pháp nghiên cứu ứng dụng PyTorch, Keras, cách triển khai transfer learning và quy trình đánh giá mô hình bằng thang đo đa chiều.
4. Các doanh nghiệp phát triển thiết bị và phần mềm y tế thông minh: Khai thác mô hình YOLOv7 để tích hợp vào các hệ thống máy soi da kỹ thuật số thời gian thực, mở rộng danh mục sản phẩm thương mại công nghệ y tế (MedTech).

Câu hỏi thường gặp

1. Tại sao nghiên cứu lại chọn tập dữ liệu HAM10000 thay vì tự thu thập dữ liệu?

Tập dữ liệu HAM10000 chứa 10.015 ảnh soi da chất lượng cao đã qua làm sạch và kiểm định chuẩn mô bệnh học quốc tế. Việc sử dụng bộ dữ liệu chuẩn này đảm bảo tính khách quan khoa học, cho phép đối sánh trực tiếp hiệu năng 92,3% của mô hình với các công trình nghiên cứu hàng đầu thế giới.

2. Kỹ thuật Weighted Random Sampling giải quyết vấn đề mất cân bằng mẫu như thế nào?

Trong tập dữ liệu gốc, lớp nốt ruồi chiếm 6.705 ảnh trong khi lớp u xơ chỉ có 115 ảnh. Thuật toán gán xác suất rút mẫu nghịch đảo với tần suất xuất hiện, kết hợp biến đổi đa dạng hình học để nhân rộng tập huấn luyện lên 46.001 ảnh, giúp F1-score của mô hình tăng thêm 6,4%.

3. Sự khác biệt cốt lõi giữa mô hình DenseNet201 và YOLOv7 trong luận văn là gì?

DenseNet201 tập trung chuyên sâu vào nhiệm vụ phân loại đa lớp dựa trên 709 tầng trích xuất đặc trưng sâu đạt độ chính xác 92,3%. Ngược lại, YOLOv7 đảm nhiệm phân loại kết hợp khoanh vùng tọa độ tổn thương theo thời gian thực với độ chính xác 86,8% và mAP@0.5 trên 80%.

4. Độ chính xác 92,3% của mô hình có thể thay thế hoàn toàn bác sĩ da liễu không?

Mô hình đóng vai trò trợ lý thông minh hỗ trợ sàng lọc và đưa ra khuyến nghị ban đầu, không thay thế bác sĩ. Hệ thống giúp bác sĩ nâng cao độ chính xác từ mức 62% - 80% lên trên 90% và giải quyết quá tải chẩn đoán lâm sàng tại các bệnh viện.

5. Hệ thống phần cứng nào đáp ứng được việc tái lập mô hình trong luận văn?

Mô hình được tối ưu trên cấu hình điện toán đám mây gồm CPU Intel Xeon 2.00GHz, GPU Tesla T4 dung lượng RAM từ 13GB đến 25GB và bộ nhớ lưu trữ 166GB, hoàn toàn khả thi để triển khai trên các máy trạm y tế phổ biến hiện nay.

Kết luận

• Luận văn xây dựng thành công pipeline phân loại 7 dạng tổn thương sắc tố da dựa trên ảnh soi da với độ chính xác cao nhất đạt 92,3% từ mô hình DenseNet201.
• Kỹ thuật cân bằng dữ liệu Weighted Random Sampling chứng minh vai trò then chốt khi tăng quy mô tập train lên 46.001 ảnh, giúp nâng hiệu năng mô hình thêm 5,9%.
• Mô hình YOLOv7 khẳng định tính khả thi vượt trội trong việc phát hiện và định vị ranh giới bệnh lý với độ chính xác 86,8% cùng chỉ số mAP@0.5 đạt trên 80%.
• Đóng góp khoa học của đề tài mở ra lộ trình thương mại hóa và ứng dụng các giải pháp học sâu vào thiết bị y tế trong giai đoạn 2024 - 2026.
• Các nhà nghiên cứu và cơ sở y tế hãy đẩy mạnh hợp tác liên ngành nhằm tích hợp ngay các giải pháp AI vào quy trình khám chữa bệnh thực tế, nâng cao tỷ lệ sống sót cho bệnh nhân ung thư.

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.