CHƯƠNG 1 TỔNG QUAN VỀ BÀI TOÁN PHÂN VÙNG POLYP TRÊN ẢNH NỘI SOI ĐẠI TRÀNG 1. Bài toán tự động phân vùng polyp trên ảnh nội soi đại tràng 1. Giới thiệu bài toán Nội soi đại tràng là một kiểm tra được sử dụng để phát hiện những đối tượng bất thường trong ruột già (đại tràng) và trực tràng [42]. Phương pháp này có thể dò tìm các polyp bất thường là nguyên nhân gây nên ung thư.
Để tiến hành nội soi đại tràng bác sĩ sẽ dùng một ống soi mỏng được gắn camera và đèn soi. Ống nội soi sẽ được đưa vào từ hậu môn quét toàn bộ đại tràng. Hình ảnh thu được từ camera được phóng đại trên màn hình màu có độ nét cao, cho phép các bác sĩ quan sát kỹ bên trong đại tràng, phát hiện các đối tượng bất thường.1 minh họa thủ thuật nội soi đại tràng. Minh họa thủ thuật nội soi đại tràng [12] Nội soi là một thủ thuật hiệu quả làm giảm đáng kể về tỷ lệ mắc và tử vong do ung thư.
Tuy nhiên, qui trình nội soi hiện tại các bác sỹ thực hiện quan sát bằng mắt thường để dò tìm các đối tượng bất thường nên chất lượng thủ thuật nội soi phụ thuộc hoàn toàn vào tay nghề, kinh nghiệm và sự tập trung của các bác sĩ nội soi. Các nghiên cứu gần đây đã chỉ ra tỷ lệ bỏ sót các polyp trong quá trình nội soi đại trực tràng của các bác sĩ là khoảng 25% và 1/13 số bệnh nhân ung thư đại trực tràng không phát hiện được bằng chẩn đoán bằng 8 nội soi [42]. Có nhiều nguyên nhân gây nên tỉ lệ lỗi cao trong quá trình nội soi trong đó có nguyên nhân là do kỹ năng điều hướng camera của bác sỹ chưa thành thạo dẫn tới không kiểm tra được các khu vực khó tiếp cận của đại tràng là nơi có thể chứa các polyp và sự mất tập trung không quan sát kỹ lưỡng chi tiết các hình ảnh của bác sỹ dẫn tới có thể bỏ sót polyp [42]. Ngoài ra khả năng phát hiện polyp của các bác sỹ còn phụ thuộc vào chất lượng hình ảnh thu được của hệ thống nội soi.
Một số hệ thống nội soi có chế độ tăng cường ánh sáng giúp các bác sỹ có thể quan sát rõ hơn và dễ dàng dò tìm polyp hơn. Hệ thống hỗ trợ chẩn đoán bằng máy tính gọi tắt là CADx (Computer- Aided Diagnosis), có thể tự động phân tích ảnh, phát hiện, phân vùng các polyp trên hình ảnh thu được từ camera nội soi và cảnh báo cho các bác sỹ trong quá trình nội soi sẽ là một công cụ hiệu quả, hỗ trợ các bác sỹ giảm thiểu tỷ lệ sai sót trong quá trình nội soi đại tràng chuẩn đoán ung thư trực tràng giúp, thực hiện thủ thuật nội soi đại tràng tầm soát ung thư đại tràng nhanh hơn với độ chính xác cao hơn, nâng cao hiệu suất làm việc của các bác sỹ.2 dưới đây là minh họa cho hệ thống CADx hỗ trợ chuẩn đoán nội soi đại tràng Hình 1. Hệ thống CADx hỗ trợ chuẩn đoán nội soi đại tràng [16] Hệ thống CADx phân tích ảnh nội soi đại tràng sẽ nhận đầu vào là các ảnh nội soi đại tràng thu được từ camera nội soi và phân tích các ảnh này sử dụng các kỹ thuật thị giác máy để tự động phát hiện các polyp (Real time polyp detection, polyp localization) và khoanh vùng chúng trên ảnh (polyp segmentation), phân tích đặc trưng của polyp (region content analysis) và hỗ trợ chẩn đoán bệnh trong quá trình nội soi đại tràng. Các kỹ thuật thị giác máy để phân tích ảnh nội soi đại tràng cần phải giải quyết các bài toán thị giác máy tính cơ bản sau: phân loại ảnh (classification), phát hiện đối tượng trên ảnh (object detection), phân vùng các đối tượng trên ảnh (object segmentation), phân loại đối tượng (object classification) 9 - Phân loại ảnh: đầu vào là ảnh nội soi đại tràng, đầu ra phân loại ảnh đó có chứa polyp hoặc không chứa polyp.
- Phát hiện đối tượng: phát hiện các polyp, xác định vị trí và nhận biết các vùng chứa nó trên ảnh. - Phân vùng đối tượng: phân vùng các polyp, xác định hình dạng và kích thước của chúng trên ảnh. -Phân loại đối tượng: phân loại các polyp hỗ trợ chẩn đoán bệnh dựa trên đặc trưng của các vùng polyp. Để xây dựng các hệ thống CADx này, các nhà nghiên cứu đã và đang tập trung vào nghiên cứu đề xuất các mô hình học máy và các kỹ thuật thị giác máy tính tự để tự động phân tích ảnh nội soi đại tràng, phát hiện và phân vùng các polyp một cách nhanh chóng, chính xác.
Giải quyết trọn vẹn bài toán phân tích ảnh nội soi đại tràng là một vấn đề khó và đồ sộ, đòi hỏi phải nghiên cứu lâu dài. Luận án này tập trung vào bài toán phân vùng các polyp trên ảnh nội soi đại tràng với các ảnh nội soi được chụp bằng ánh sáng trắng thông thường và hệ thống nội soi không sử dụng chế độ tăng cường ảnh. Đầu vào của bài toán là các ảnh nội soi đại tràng được chụp với ánh sáng trắng, đầu ra là phân vùng ngữ nghĩa của ảnh đó, trong đó các pixel trên ảnh sẽ được phân lớp nhị phân, thành các pixel thuộc lớp polyp hoặc các pixel thuộc lớp không phải là polyp. Nhãn phân vùng polyp là các ảnh nhị phân thể hiện hình dạng polyp, gọi là polyp mask, trong đó vùng polyp có giá trị 1, vùng không phải polyp có giá trị 0.3 là các ví dụ về phân vùng polyp trên ảnh nội soi đại tràng.
Phân vùng polyp trên ảnh nội soi đại tràng: (a) Ảnh đầu vào, (b) Kết quả phân vùng polyp, (c): Hiển thị trực quan phát hiện và phân vùng poly. 10 Phân vùng polyp là tác vụ rất cần thiết trong các ứng dụng hỗ trợ chẩn đoán lâm sàng, hỗ trợ các bác sỹ tập trung vào các khu vực polyp tiềm ẩn, trích rút thông tin chi tiết về polyp và hỗ trợ các bác sỹ đánh giá các tổn thương và ra quyết định loại bỏ polyp nếu cần thiết. Hệ thống CADx tự động phân vùng polyp có thể hỗ trợ các bác sỹ theo dõi và tăng khả năng chẩn đoán chính xác và giảm thiểu các can thiệp thủ công. Hơn nữa, nó có thể làm giảm lỗi phân vùng polyp hơn so với khi được thực hiện thủ công bởi con người.
Hệ thống này có thể làm giảm khối lượng công việc và cải thiện quy trình làm việc của bác sĩ. Phân vùng polyp tự động có thể giúp bác sỹ điều hướng ống nội soi tập trung hơn vào những vùng nghi ngờ trong quá trình nội soi. Do đó hệ thống CADx tự động phân vùng polyp có thể sử dụng như một công cụ hỗ trợ các bác sỹ giảm thiểu lỗi bỏ sót polyp trong nội soi đại tràng. Phân vùng các polyp một cách chính xác là một tác vụ khó vì các polyp có hình dạng, kích thước, màu sắc và kết cấu rất đa dạng.
Khi nghiên cứu phát triển các kỹ thuật thị giác máy tính tự động phân vùng polyp trên ảnh nội soi đại tràng có một số khó khăn phải giải quyết: -Một là, hình ảnh các polyp có mức độ biến thể rất lớn về hình dạng, kích thước, kết cấu và màu sắc. Thêm vào đó là camera nội soi chuyển động trong quá trình nội soi có thể làm cho ảnh bị mờ, ảnh bị chói và chất lượng hình ảnh thấp. là một số ví dụ các trường hợp khó phân vùng polp Hình 1. Các trường hợp khó phân vùng polyp: (a) polyp có hình dạng, kích thước, màu sắc và kết cấu rất đa dạng, (b) polyp nhỏ khó nhìn thấy, (c) ảnh mờ, chói, chất lượng ảnh thấp, đại tràng chưa được làm sạch khi nội soi 11 - Hai là, các dữ liệu ảnh nội soi đại tràng là các dữ liệu không cân bằng, tức là số lượng dữ liệu thuộc lớp polyp (dương tính) ít hơn nhiều so với lớp bình thường không phải polyp (âm tính).5 là minh họa về các dữ liệu không cân bằng, các pixel thuộc lớp không polyp lớn hơn nhiều so với số lượng pixel thuộc lớp polyp.
Mô hình được huấn luyện bằng dữ liệu không cân bằng có thể đưa ra các dự đoán của bị lệch về phía lớp không phải là polyp, điều này là không mong muốn vì hậu quả của dự đoán âm tính sai sẽ đặc biệt nghiêm trọng hơn so với dự đoán dương tính giả. Ví dụ minh họa dữ liệu không cân bằng - Ba là, sự thiếu hụt các tập dữ liệu ảnh nội soi được gán nhãn phân vùng polyp đủ lớn, bởi vì việc gán nhãn phân vùng polyp cho các ảnh nội soi đại tràng phải được thực hiện bởi các chuyên gia chẩn đoán ảnh nội soi lành nghề, và việc này đòi hỏi rất nhiều thời gian, công sức. Hơn nữa, một yếu tố hạn chế khác là sự thiếu hụt các mẫu dữ liệu huấn luyện đa dạng, mặc dù các tập dữ liệu có thể có nhiều ảnh, nhưng những ảnh này thường được trích xuất từ một số lượng nhỏ các chuỗi video nội soi, mỗi chuỗi video nội soi chỉ chứa một loại polyp được chụp từ các góc nhìn khác nhau. Để vượt qua những khó khăn này, đòi hỏi có những nghiên cứu chuyên sâu để tìm ra các hướng giải quyết bài toán khác nhau.
Hiện nay trên thế giới đã có nhiều nhóm nghiên cứu tập trung vào bài toán phân vùng polyp trên ảnh nội soi đại tràng và đã đạt được một số kết quả, tuy nhiên các kết quả đạt được còn chưa đủ thuyết phục để được ứng dụng rộng rãi trong y tế. Các bộ dữ liệu ảnh nội soi đại tràng chuẩn đã được công bố Trong những năm gần đây, bài toán phân tích ảnh nội soi đại tràng tự động phát hiện, phân vùng các polyp đã được quan tâm nghiên cứu rộng rãi. Các nhóm nghiên cứu ngoài việc đưa ra các mô hình thuật toán giải quyết bài toán còn công bố các bộ dữ liệu ảnh soi đại tràng chuẩn để dùng cho các mô hình học máy. Điều này đã tạo điều kiện để các nghiên cứu giải quyết bài toán được thuận lợi hơn rất nhiều.
Luận án đã tiến hành khảo sát một số bộ dữ liệu ảnh nội soi chuẩn được công bố công khai và sử dụng rộng rãi hiện nay, từ đó lựa chọn ra các bộ dữ liệu phù hợp cho nghiên cứu. Phần dưới đây là tổng quan các bộ dữ liệu nội soi đại tràng phổ biến hiện nay: - CVC-ClinicDB [8] gồm 612 ảnh kích thước (384x384) ảnh được cắt từ các video nội soi của 29 bệnh nhân khác nhau, trên mỗi ảnh đều có các polyp với 31 loại polyp khác nhau. Các ảnh trong bộ dữ liệu này đều được gán nhãn polyp mask.