CHƯƠNG 1 TONG QUAN ĐÈ TÀI Nội dung chương cung cấp cái nhìn tổng quan về dé tài nghiên cứu xoay quanh việc đặt van dé, đưa ra ly do, phát biểu bài toán và nhìn nhận thách thức bài toán đặt ra, từ đó đưa ra mục tiêu và phạm vi nghiên cứu phù hợp, cuối cùng là bố cục của khóa luận. Tổng quan đề tài Đôi mắt tốt giúp ta có thể nhìn thấy rõ và có cuộc sông chất lượng hơn. Chúng ta thường xem thường tầm quan trọng của nó nhưng nếu như ta gặp phải bệnh liên quan về mắt thì ta sẽ gặp khó khăn trong sinh hoạt hằng ngày. Các nguyên nhân hàng đầu gây suy giảm tầm nhìn và mù lòa theo thống kê của Tổ chức Y tế thế giới (WHO) [1]: « Lỗi kính lão hóa « Duc thủy tinh thé ¢ Tiéu đường gây tôn thương thé võng mạc e Bénh tăng nhãn áp « - Suy giảm võng mạc liên quan đến tuôi tác.
Hiện nay trên thế giới, các trường hợp có bệnh về mắt ngày càng tăng cao. Cụ thé là theo số liệu gần đây nhất từ WHO, ít nhất 2.2 tỷ người gặp phải suy giảm tầm nhìn gần hoặc xa. Trong it nhất | tỷ người - hoặc là một nửa trong số các trường hợp này, suy giảm tầm nhìn có thể đã được ngăn chặn hoặc chưa được giải quyết. Trong số 1 tỷ người, các tình trạng chính gây suy giảm tầm nhìn gần hoặc mù lòa là đục thủy tinh thể (94 triệu), lỗi kính lão hóa (88.4 triệu), suy giảm võng mạc liên quan đến tuổi tác (8 triệu), tăng nhãn áp (7.7 triệu), bệnh tiêu đường gây tôn thương võng mạc (3.
Tình trạng chính gây suy giảm tầm nhìn gần là loạn thị cận (826 triệu) [3]. Về mặt sự khác biệt vùng miền, tỷ lệ suy giảm tầm nhìn xa ở các khu vực thu nhập thấp và trung bình được ước tính cao gấp 4 lần so với các khu vực thu nhập cao [2]. Đối với suy giảm tầm nhìn gần, tỷ lệ tình trạng suy giảm tầm nhìn gần chưa được giải quyết ước tính là lớn hơn 80% ở phía tây, đông và trung Sahara châu Phi, trong khi tỷ lệ tương đối ở các khu vực thu nhập cao của Bắc Mỹ, châu Đại Dương, phía tây châu Âu và khu vực châu Á-Thái Bình Dương được báo cáo là thấp hơn 10% [3]. 90% người mù sống ở các nước nghèo và đang phát triển với các điều kiện tiếp cận dịch vụ y tế khó khăn.
Việt Nam được xếp trong các nhóm nước này [4]. Suy giảm tầm nhìn đặt một gánh nặng tài chính to lớn cho các nước trên thế giới với ước tính mat mát sản xuất hàng năm toàn cầu khoảng 411 tỷ đô la Mỹ (theo sức mua đồng giá) [5]. Dự kiến sự gia tăng dân số và già hóa sẽ tăng nguy cơ nhiều người mắc phải suy giảm tầm nhìn. Trên toàn thế giới, chỉ có 36% số bệnh nhân bị suy giảm thị lực do lỗi khúc xạ và 17% số người bị đục thủy tinh thận được điều trị đầy đủ [1].
Lý do chọn đề tài Công nghệ Chụp cắt lớp kết hợp quang học (Optical Coherence Tomography — OCT) đã phát triển mạnh mẽ và trở thành công cụ không thể thiếu trong chân đoán và theo dõi các bệnh về mắt. Nhu cầu sử dụng máy tính dé hỗ trợ dự đoán các hình ảnh võng mạc ngày càng tăng vì việc này sẽ giúp cho các bác sĩ nhãn khoa phát hiện sớm các bệnh mắt và giám sát điều trị. Khi được tiếp cận kịp thời và chính xác thì sẽ giúp phần nào giảm tỉ lệ mù lòa và các bệnh liên quan đến mắt trên thế giới. Các nghiên cứu về ứng dụng cua OCT trong chan đoán và điều trị các bệnh như đục thủy tinh thể, bệnh đục thủy tinh đen, đục thủy tinh nhanh, đục thủy tinh trẻ em, viêm mạc, bệnh thoái hóa ống nghiệm, và các bệnh lý khác, đã mang lại nhiều đột phá trong việc hiéu và điều tri các bệnh lý mắt.
Gần đây, các phương pháp dựa trên mạng nơ-ron tích chập (Convolutional Neural Network — CNN) đã được áp dụng rộng rãi trên các tập dữ liệu dé phan loại các bệnh về mắt sử dụng quét thi, quét day mắt và OCT [6]. Bước ban đầu là thu thập một bộ dữ liệu hình ảnh y tế gồm nhiều bệnh lý về mắt. Điều này có thé thực hiện thông qua các máy móc trong các cơ sở y tế, cung cấp các hình ảnh trực quan về các bệnh mắt. Mô hình CNN được huấn luyện bằng cách sử dụng một bộ dữ liệu được gán nhãn với phương pháp học có giám sát.
Trong quá trình huấn luyện, mô hình có thé phân biệt các mẫu, đặc trưng và cấu trúc của từng loại bệnh khác nhau. Sau quá trình tối ưu hóa, mô hình sẽ trải qua thực nghiệm trên một bộ dữ liệu độc lập để đánh giá hiệu suất [7]. Mặc dù CNN mang lại nhiều lợi ích cho việc chân đoán OCT, nhưng vẫn còn tồn tại một số thách thức. Các thách thức này bao gồm sự phức tạp trong việc đánh giá hình ảnh OCT, chỉ phí cao của các thiết bị OCT và việc cung cấp huấn luyện cho các chuyên gia về việc sử dụng và hiểu biết về công nghệ này.
Hơn thé nữa, dé huấn luyện một mô 3 hình phân loại bệnh về mắt cần rất nhiều tham số và tài nguyên của máy tính cần phải có hiệu suất cao. Và hiệu suất của mô hình còn phụ thuộc vào tập dữ liệu, sự mat cân bằng dữ liệu sẽ làm giảm hiệu suất của bài toán. Nhận thấy tính thực tế, nhóm sinh viên tiến hành thực hiện đề tài này với mong muốn tìm hiểu, thực nghiệm, tối ưu bài toán và đánh giá các phương pháp chân đoán bệnh về mắt dựa trên các kiến trúc học sâu. Phát biểu của bài toán và các thách thức Mục tiêu của bài toán là phân loại một hình ảnh cắt lớp quang học võng mạc vào các lớp khác nhau dựa trên các đặc trưng học sâu.
Dữ liệu đầu vào của bài toán là tập hình ảnh cắt quang học võng mạc - Optical Coherence Tomography (OCT). OCT sử dụng nguyên lý giao thoa sóng ánh sáng dé tạo ra hình anh chi tiết của các vi cấu trúc võng mạc, cho phép hién thi các lớp võng mạc khiến nó trở thành một công cụ có giá tri dé chân đoán các tình trạng ở mắt [8]. Đây là một phương pháp quan trọng đề định lượng, phát hiện bất thường các bệnh về vong mac.1 Hình ảnh cắt lớp quang học võng mạc ở người bình thường. [9] Dữ liệu đầu ra của bài toán là phân lớp các loại bệnh về mắt qua đó hỗ trợ quá trình chân đoán đưa ra quyết định trong lĩnh vực y tế, tập dir liệu bao gồm 4 phân lớp: NORMAL, CNV, DME, DRUSEN.
Việc áp dụng các mô hình hoc sâu vào phân lớp các bệnh về võng mạc giúp giảm thời gian phát hiện và chân đoán của bác sĩ, từ đó tăng khả năng điều trị sớm cho bệnh nhân, đồng thời cũng góp phan tiết kiệm tài nguyên y tế và giảm thiêu chi phí điều trị. Thách thức lớn trong việc phân tích hình ảnh OCT võng mạc bao gồm: Thứ nhất, tập dữ liệu công khai của hình ảnh OCT võng mạc được sử dụng cho nghiên cứu có số lượng nhỏ hơn nhiều so với các tập dữ liệu trong lĩnh vực phân tích hình ảnh truyền thống. Thứ hai, có sự khác biệt lớn về chất lượng và kích thước của các hình ảnh cắt lớp quang học võng mạc thu thập từ các mô khác nhau (sự khác biệt này cũng tồn tại trong các hình ảnh OCT võng mac mà các bác sĩ gặp phải trong y hoc lâm sàng) [10]. Thách thức này làm giảm độ chính xác của các mô hình dự đoán.
Mục tiêu và phạm vỉ Trong phạm vi khóa luận tốt nghiệp đại học, nhóm nghiên cứu dé ra các mục tiêu chính như sau: (1) Tìm hiéu bài toán phân lớp hình ảnh cắt lớp võng mạc quang học. Xác định yêu câu bài toán. Năm rõ các khái niệm liên quan. (2) Tìm hiểu và hệ thống lại các hướng nghiên cứu, các phương pháp đã áp dụng hoặc liên quan đến bài toán phân lớp hình ảnh OCT-scans.
(4) Tìm hiểu, đề xuất phương pháp kết hợp, tổng hợp kết qua phân lớp của các phương pháp đã nghiên cứu dựa trên các hàm. (5) Thực nghiệm và đánh giá các phương pháp trên tập dữ liệu Labeled Optical Coherence Tomography (OCT) and Chest X-Ray Images for Classification dựa trên các độ đo Precision, Recall, F1-score. (6) Dựa trên kết quả thực nghiệm, đưa ra kết luận về hiệu suất, ưu điểm của các phương pháp. Bên cạnh đó, thử nghiệm kết hợp các phương pháp thông qua các hàm dé cải tiền mô hình phân lớp và tối ưu hóa kết quả dau ra.
(7) Xây dụng hệ thống trực quan hóa cho phép người dùng đưa vào hình ảnh OCT- scans và nhận kết quả phân lớp tương ứng. Bố cục của khóa luận Bồ cục của báo cáo khóa luận tốt nghiệp bao gồm 7 chương như sau: Chương |: Tông quan đê tài. Giới thiệu vê van đê nghiên cứu và mục tiêu của khóa luận. Chương 2: Cơ sở lý thuyết và các nghiên cứu liên quan.
Tìm hiểu về các khái niệm cơ bản liên quan đến bài toán phân lớp các bệnh lý về mắt và tổng hợp những nghiên cứu có liên quan đến đề tài. Lưu ý các bệnh lý về mắt liên quan đến các lớp của bộ dữ liệu thực nghiệm. Chương 3: Một số phương pháp phân lớp ảnh dựa trên học sâu. Trình bày chi tiết về các phương pháp sử dụng học sâu dé phân lớp ảnh, các phương pháp mà nhóm đã sử dụng.
Chương 4: Thực nghiệm và đánh giá. Mô tả quy trình thực hiện thực nghiệm, các bộ dữ liệu sử dụng và kết quả đạt được từ các phương pháp đã thực nghiệm. Trình bày thực nghiệm mô hình đê xuât và đánh giá hiệu quả của mô hình đê xuât. Chương 5: Thử nghiệm cải tiến và đánh giá kết quả.
Dựa vào quan sát thực nghiệm đề xuất sử dụng một số hàm đề tổng hợp kết quả dự đoán của các mô hình. Giới thiệu và trình bày cách ước lượng tham số cho các hàm tông hợp. Đánh giá và phân tích kết quả thực nghiệm của mô hình đê xuât. Chương 6: Xây dựng công cụ phân lớp ảnh.
Trình bày quá trình vận dụng mô hình máy học đã được huấn luyện dé hiện thực công cụ phân lớp. Chương 7: Kết luận và hướng phát triển. Tổng kết những kết qua đạt được từ nghiên cứu và đề xuất hướng phát triển tiếp theo trong lĩnh vực phân lớp ảnh y khoa.