Luận văn thạc sĩ về kỹ thuật điện tử: Xử lý ảnh và đo lường cấu trúc răng hàm mặt

Khám phá phương pháp hiệu quả trong xử lý ảnh để đo lường thông số tương quan cấu trúc răng hàm mặt trong luận văn thạc sĩ kỹ thuật điện tử.

• Tác giả: Nguyễn Thiện Thông
• Người hướng dẫn: PGS. Lê Tiến Thường
• Trường học: Đại học Bách Khoa - ĐHQG - HCM
• Chuyên ngành: Kỹ Thuật Điện Tử
• Đề tài: Phương Pháp Hiệu Quả Xử Lý Ảnh Trong Đo Lường Cấu Trúc Răng Hàm Mặt
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2013
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• TÓM TẮT LUẬN VĂN
• GIỚI THIỆU ĐỀ TÀI
• DANH MỤC HÌNH VẼ
• 1. CHƯƠNG 1: PHÂN TÍCH PHIM SỌ NGHIÊNG
• 1.1. Phim sọ nghiêng (Cephalometric)
• 1.2. Mục đích của sử dụng phim cephalo
• 1.3. Các kỹ thuật phân tích trên phim cephalom
• 1.4. Các điểm chuẩn trên phim cephalo
• 1.5. Các phân tích trên cephalometric
• 1.5.1. Phân tích Downs
• 1.5.2. Phân tích Steiner
• 1.5.3. Phân tích Wits
• 1.5.4. Phân tích Mc Narama
• 2. CHƯƠNG 2: CÁC PHƯƠNG PHÁP NHẬN DIỆN ĐIỂM ẢNH
• 2.1. Giải thuật dò góc Harris
• 2.2. Biến đổi Gabor Wavelet
• 2.2.1. Tổng quát về biến đổi Gabor Wavelet
• 2.2.2. Biểu diễn hình ảnh bằng Gabor Wavelet
• 2.3. Giải thuật làm trội đường viền (giải thuật Chan-Vese)
• 2.3.1. Phân tích giải thuật Chan-Vese
• 3. CHƯƠNG 3: RÚT TRÍCH ĐẶC TRƯNG (HOG)
• 3.1. Rút trích đặc trưng HOG trong ảnh
• 3.2. Chuẩn hóa vector đặc trưng cho từng block
• 3.3. Ảnh tích hợp (Integral Image)
• 3.3.1. Công thức đệ quy tính ảnh tích hợp
• 4. CHƯƠNG 4: BỘ HỖ TRỢ VECTOR (SVM)
• 4.1. Nhận dạng dùng Support Vector Machine (SVM)
• 4.2. Phân loại SVM
• 4.2.1. SVM tuyến tính
• 4.2.2. SVM phi tuyến
• 4.3. Nhận dạng dùng Fuzzy SVM (SVM mờ)
• 5. CHƯƠNG 5: GIẢI PHÁP XỬ LÝ ẢNH TÌM ĐIỂM CHUẨN TRONG NHA HỌC
• 5.1. Ảnh mẫu chụp sọ nghiêng
• 5.1.1. Phân tích histogram của 4 mẫu ảnh
• 5.1.2. Phân loại ảnh mẫu
• 5.1.3. Đặc tính chung của các mẫu ảnh
• 5.2. Xác định các điểm chuẩn dùng bộ dò góc Harris
• 5.3. Sử dụng Gabor wavelet phân tích ảnh chụp sọ nghiêng
• 5.4. Xác định vùng chứa điểm chuẩn sử dụng bộ mô tả HOG
• 5.4.1. Dựng mô hình tham khảo bằng phương pháp HOG
• 5.4.2. Xác định các vùng chuẩn mong muốn
• 5.5. Xác định 4 điểm chuẩn nằm trong vùng cằm
• 5.5.1. Tạo đường viền cằm từ giải thuật Chan-Vese
• 5.5.2. Xác định vị trí của 4 điểm vùng cằm
• 5.6. Tổng kết vị trí các điểm tìm được trên ảnh sọ nghiêng
• KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• Hướng phát triển
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Phân tích phim sọ nghiêng

Phim sọ nghiêng (xử lý ảnh) là một công cụ quan trọng trong nha học, đặc biệt trong việc đo lường cấu trúc và phân tích sự phát triển của sọ mặt. Mục đích chính của việc sử dụng phim cephalo bao gồm quan sát sự tăng trưởng, phân tích và chẩn đoán các vấn đề liên quan đến răng hàm mặt. Các kỹ thuật phân tích phim cephalo hiện đại đã cho phép bác sĩ có thể xác định các điểm mốc quan trọng, vẽ các mặt phẳng tham chiếu và đo đạc các góc một cách chính xác hơn. Việc áp dụng công nghệ kỹ thuật số trong phân tích phim cephalo không chỉ nâng cao độ chính xác mà còn giúp tiết kiệm thời gian cho bác sĩ. Tuy nhiên, việc sử dụng phần mềm phân tích yêu cầu bác sĩ phải có kiến thức vững về công nghệ thông tin, điều này có thể là một thách thức đối với một số bác sĩ. Ngoài ra, phương pháp vẽ phim cổ điển vẫn được sử dụng phổ biến, mặc dù nó đòi hỏi nhiều kinh nghiệm và có thể không tối ưu bằng phương pháp kỹ thuật số.

1.1. Mục đích của sử dụng phim cephalo

Mục đích của việc sử dụng phim cephalo là rất đa dạng, bao gồm việc quan sát và nghiên cứu sự tăng trưởng của sọ mặt, phân tích và chẩn đoán các tình trạng bệnh lý, lập kế hoạch điều trị và tiên đoán kết quả điều trị. Phân tích phim cephalo cũng giúp đánh giá hiệu quả điều trị và theo dõi sự tái phát của các vấn đề đã được điều trị. Các kỹ thuật phân tích hiện đại như phần mềm phân tích cephalometric không chỉ cải thiện độ chính xác trong việc xác định các điểm chuẩn mà còn giúp lưu trữ và quản lý thông tin bệnh nhân hiệu quả hơn.

1.2. Các điểm chuẩn trên phim cephalo

Các điểm chuẩn trên phim cephalo rất quan trọng trong việc xác định các thông số nha học. Những điểm như Sella (S), Nasion (Na), Gonion (Go), Menton (Me), Pogonion (Pog), Gnathion (Gn) và Sudmental (B) đều có vai trò quan trọng trong việc phân tích cấu trúc răng hàm mặt. Việc xác định chính xác các điểm này không chỉ giúp bác sĩ trong việc chẩn đoán mà còn hỗ trợ trong việc lập kế hoạch điều trị. Các điểm chuẩn này có thể được xác định thông qua các phương pháp phân tích khác nhau như phân tích Downs, phân tích Steiner, và nhiều phương pháp khác.

II. Các phương pháp nhận diện điểm ảnh

Việc nhận diện điểm ảnh trong phim sọ nghiêng là một phần quan trọng trong quá trình đo lường cấu trúc răng hàm mặt. Các giải thuật như bộ dò góc Harris, biến đổi Gabor Wavelet và phương pháp rút trích đặc trưng HOG (Histogram of Oriented Gradients) đã được áp dụng để phát hiện các điểm chuẩn. Bộ dò góc Harris giúp phát hiện các điểm nổi bật trong ảnh, trong khi biến đổi Gabor Wavelet hỗ trợ trong việc phân tích các đặc trưng tần số không gian. HOG là một trong những phương pháp mạnh mẽ nhất hiện nay, cho phép nhận diện các vùng ảnh mong muốn một cách chính xác. Sự kết hợp của các phương pháp này không chỉ nâng cao độ chính xác mà còn giúp giảm thiểu thời gian thực hiện cho bác sĩ.

2.1. Giải thuật dò góc Harris

Giải thuật dò góc Harris là một trong những phương pháp đơn giản và hiệu quả để phát hiện các điểm đặc trưng trong ảnh. Phương pháp này dựa trên việc phân tích biến đổi cục bộ của cường độ ánh sáng để xác định các điểm có độ biến thiên cao. Điều này rất hữu ích trong việc xác định các điểm chuẩn trên phim sọ nghiêng, giúp bác sĩ dễ dàng nhận diện các cấu trúc quan trọng. Mặc dù phương pháp này có nhiều ưu điểm, nhưng nó cũng có những hạn chế trong việc xử lý các ảnh có độ nhiễu cao.

2.2. Biến đổi Gabor Wavelet

Biến đổi Gabor Wavelet là một công cụ mạnh mẽ trong việc phân tích các đặc trưng tần số không gian của ảnh. Phương pháp này cho phép phân tích các đặc trưng hình học của các vùng ảnh khác nhau, từ đó xác định các điểm chuẩn một cách chính xác. Gabor Wavelet giúp làm nổi bật các cạnh và đường viền trong ảnh, điều này rất hữu ích trong việc phân tích phim sọ nghiêng. Việc sử dụng biến đổi Gabor Wavelet kết hợp với các phương pháp khác như HOG có thể nâng cao độ chính xác trong việc nhận diện các điểm chuẩn.

III. Rút trích đặc trưng HOG

Rút trích đặc trưng HOG (Histogram of Oriented Gradients) là một phương pháp nổi bật trong việc nhận diện các đối tượng trong ảnh, đặc biệt là trong lĩnh vực y tế. Phương pháp này giúp phân tích cấu trúc hình học của ảnh và nhận diện các điểm chuẩn một cách chính xác. HOG hoạt động bằng cách chia ảnh thành các khối nhỏ và tính toán histogram của các gradient hướng trong mỗi khối. Kết quả là một vector đặc trưng có thể được sử dụng để phân loại các vùng ảnh có chứa điểm chuẩn. Việc kết hợp HOG với các thuật toán phân loại như Support Vector Machine (SVM) đã chứng minh hiệu quả cao trong việc nhận diện các điểm chuẩn trong phim sọ nghiêng.

3.1. Rút trích đặc trưng HOG trong ảnh

Quá trình rút trích đặc trưng HOG bắt đầu bằng việc chia ảnh thành các khối nhỏ và tính toán các gradient hướng trong mỗi khối. Các histogram của gradient được tính toán và chuẩn hóa, tạo ra một vector đặc trưng cho mỗi khối. Điều này cho phép nhận diện các đối tượng trong ảnh một cách hiệu quả. HOG đã được áp dụng thành công trong nhiều ứng dụng khác nhau, từ nhận diện khuôn mặt đến phân tích phim sọ nghiêng.

3.2. Công thức đệ quy tính ảnh tích hợp

Công thức đệ quy tính ảnh tích hợp là một phần quan trọng trong quá trình rút trích đặc trưng HOG. Phương pháp này cho phép tính toán nhanh chóng các đặc trưng của ảnh mà không cần phải lặp lại quá trình tính toán cho từng pixel. Điều này không chỉ tiết kiệm thời gian mà còn nâng cao hiệu suất trong việc xử lý ảnh. Việc áp dụng công thức này trong rút trích đặc trưng HOG đã giúp cải thiện đáng kể độ chính xác trong việc nhận diện các điểm chuẩn trên phim sọ nghiêng.

IV. Giải pháp xử lý ảnh tìm điểm chuẩn trong nha học

Giải pháp xử lý ảnh để tìm điểm chuẩn trong nha học là một bước tiến quan trọng trong việc cải thiện độ chính xác và hiệu quả trong việc phân tích phim sọ nghiêng. Việc áp dụng các phương pháp như HOG, SVM và các giải thuật khác đã cho phép tự động hóa quá trình nhận diện các điểm chuẩn. Điều này không chỉ giúp bác sĩ tiết kiệm thời gian mà còn giảm thiểu sai sót do yếu tố con người. Hơn nữa, việc áp dụng công nghệ hiện đại trong phân tích phim sọ nghiêng đã mở ra nhiều cơ hội mới cho nghiên cứu và phát triển trong lĩnh vực nha học.

4.1. Xác định các điểm chuẩn

Quá trình xác định các điểm chuẩn trong nha học sử dụng các phương pháp xử lý ảnh hiện đại. Các điểm như Sella, Nasion, Gonion, Menton, Pogonion, Gnathion và Sudmental được xác định thông qua các giải thuật nhận diện điểm ảnh. Việc áp dụng HOG và SVM đã giúp nhận diện chính xác các điểm chuẩn trong phim sọ nghiêng, từ đó hỗ trợ bác sĩ trong việc chẩn đoán và điều trị.

4.2. Dựng mô hình tham khảo

Dựng mô hình tham khảo là một bước quan trọng trong việc áp dụng các phương pháp xử lý ảnh để tìm điểm chuẩn. Mô hình tham khảo được xây dựng dựa trên các đặc trưng của các điểm chuẩn đã xác định. Việc sử dụng mô hình tham khảo giúp tăng cường độ chính xác trong việc nhận diện các điểm chuẩn trong các ảnh mới. Điều này không chỉ hỗ trợ bác sĩ trong việc chẩn đoán mà còn giúp nâng cao hiệu quả điều trị trong lĩnh vực nha học.

Nội dung chính

Tổng quan nghiên cứu

Trong nha khoa hiện đại, phân tích phim sọ nghiêng là bước chẩn đoán bắt buộc trước khi thực hiện chỉnh nha hoặc phẫu thuật hàm mặt. Theo các thống kê lâm sàng, phương pháp đo vẽ thủ công truyền thống bằng giấy can và thước kẻ chuyên dụng thường tiêu tốn từ 15 đến 30 phút cho mỗi ca bệnh, đồng thời tỷ lệ sai lệch vị trí điểm mốc giải phẫu giữa các bác sĩ có thể dao động từ 15% đến 25% do phụ thuộc lớn vào yếu tố chủ quan và kinh nghiệm cá nhân. Vấn đề nghiên cứu trọng tâm được đặt ra là làm thế nào để tự động hóa hoàn toàn quy trình nhận diện các điểm chuẩn hình thái học trên phim X-quang sọ nghiêng, loại bỏ sai số chủ quan và tối ưu hóa thời gian chẩn đoán cho đội ngũ y tế.

Mục tiêu cụ thể của luận văn là xây dựng và hiện thực hóa một giải pháp xử lý ảnh thông minh, tự động định vị chính xác 7 điểm chuẩn xương hàm mặt quan trọng hàng đầu bao gồm Sella, Nasion, Gonion, Menton, Pogonion, Gnathion và Submental. Đề tài được triển khai nghiên cứu thực nghiệm tại Trường Đại học Bách Khoa – Đại học Quốc gia Thành phố Hồ Chí Minh trong giai đoạn từ tháng 07 năm 2012 đến tháng 06 năm 2013, sử dụng tập dữ liệu ảnh chụp thực tế của bệnh nhân nam trong độ tuổi từ 10 đến 35 và nữ từ 10 đến 32 tuổi.

Ý nghĩa thực tiễn của công trình thể hiện qua việc giảm thời gian xác định mốc giải phẫu xuống dưới 5 giây mỗi phim chụp, đạt độ chính xác tương đương các chuyên gia phẫu thuật hàm mặt đầu ngành và được thẩm định chuyên môn bởi bác sĩ chuyên khoa tại Bệnh viện Pháp Việt. Kết quả này mở ra hướng ứng dụng vượt trội trong việc xây dựng các hệ thống hỗ trợ chẩn đoán nha khoa số hóa tại Việt Nam.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn xây dựng trên nền tảng tích hợp giữa lý thuyết chỉnh nha hình thái sọ mặt và lý thuyết thị giác máy tính hiện đại. Về mặt y học, nghiên cứu áp dụng 4 hệ thống phân tích phim sọ nghiêng chuẩn mực quốc tế: phân tích Downs, phân tích Steiner, phân tích Wits và phân tích McNamara. Các mô hình này thiết lập tương quan hình thái thông qua góc mặt trung bình 87.8 độ, góc nền sọ - hàm trên SNA 82 độ, góc SNA-SNB chuẩn 2 độ, cùng các đường chiếu tham chiếu quan trọng nhằm phân loại chính xác các dạng sai khớp cắn loại I, II và III.

Về mặt kỹ thuật, nghiên cứu vận dụng 3 khái niệm cốt lõi:

• Bộ mô tả trích xuất đặc trưng cục bộ Histogram of Oriented Gradients: Phân tích phân bố gradient và hướng cạnh ảnh. Không gian góc từ 0 đến 180 độ được chia thành 9 bin (mỗi bin 20 độ), tính toán trên từng ô kích thước 8x8 pixel và gom thành khối 16x16 pixel (chứa 4 ô, tạo vector 36 chiều), chuẩn hóa bằng chuẩn L2-norm hoặc L1-sqrt nhằm triệt tiêu ảnh hưởng của biến đổi cường độ chiếu sáng. Vector toàn cửa sổ trích xuất có số chiều lên đến 3780 thành phần.
• Máy học véc-tơ hỗ trợ Support Vector Machine: Xây dựng siêu phẳng phân lớp tối ưu trong không gian đa chiều, giải quyết bài toán quy hoạch toàn phương với điều kiện biên lỏng Karush-Kuhn-Tucker để cực đại hóa khoảng cách lề đạt giá trị 2 chia cho chuẩn của vectơ pháp tuyến, đảm bảo khả năng tổng quát hóa cao.
• Mô hình đường viền chủ động Chan-Vese: Kỹ thuật phân đoạn ảnh dựa trên hàm năng lượng tối thiểu Mumford-Shah và phương pháp tập mức vi phân, cho phép theo dõi và làm nổi bật các đường cong giải phẫu mà không phụ thuộc vào đạo hàm gradient dừng bậc một truyền thống.

Phương pháp nghiên cứu

Nguồn dữ liệu nghiên cứu sử dụng tập ảnh X-quang sọ nghiêng kỹ thuật số có độ phân giải cao, biến thiên từ 1300x1300 pixel, 1360x1804 pixel đến 1735x2012 pixel. Cỡ mẫu thực nghiệm bao gồm hơn 100 phim chụp được lựa chọn theo phương pháp chọn mẫu phân tầng có chủ đích, đại diện đồng đều cho các nhóm giới tính (nam từ 10 đến 35 tuổi, nữ từ 10 đến 32 tuổi) và bao gồm đầy đủ hai trạng thái: ảnh sắc nét chuẩn mực và ảnh chụp bị mờ, nhiễu hoặc sai lệch độ tương phản.

Lý do lựa chọn phương pháp phân tích kết hợp giữa HOG, SVM và Chan-Vese xuất phát từ việc khắc phục triệt để nhược điểm của các giải thuật truyền thống. Bộ dò góc Harris tuy bất biến với phép quay nhưng tạo ra quá nhiều điểm góc giả trên ảnh y tế; trong khi biến đổi Gabor Wavelet yêu cầu chập với 40 bộ lọc (5 tỷ lệ tần số và 8 hướng) gây tiêu tốn bộ nhớ và chi phí tính toán rất lớn. Ngược lại, mô hình HOG kết hợp SVM phân lớp nhị phân tuyến tính mang lại độ chính xác vượt trội. Đặc biệt, nghiên cứu tích hợp thuật toán Ảnh tích hợp (Integral Image) với công thức đệ quy đạt độ phức tạp tuyến tính O(n), giúp tính toán nhanh giá trị vector cell chỉ bằng 4 phép truy xuất góc hình chữ nhật.

Toàn bộ quy trình từ xử lý ảnh xám, cân bằng lược đồ mức xám histogram, trích xuất đặc trưng HOG, phân loại SVM đến xấp xỉ biên cằm Chan-Vese được hoàn thành và nghiệm thu thực nghiệm trong lộ trình 12 tháng.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thử nghiệm và đối sánh thuật toán đã mang lại 4 phát hiện khoa học quan trọng:

• Độ chính xác định vị vùng mốc giải phẫu: Mô hình HOG kết hợp SVM tuyến tính đạt tỷ lệ nhận diện chính xác 100% đối với 4 vùng không gian trọng yếu (vùng hố yên Sella kích thước 300x200 pixel, vùng mũi Nasion 200x300 pixel, vùng góc hàm Gonion 300x200 pixel và vùng cằm 200x300 pixel) trên toàn bộ mẫu thử nghiệm.
• Tối ưu hóa tốc độ xử lý: Việc ứng dụng cấu trúc Ảnh tích hợp giúp cắt giảm hơn 70% thời gian tính toán trích xuất đặc trưng HOG so với phương pháp lặp điểm ảnh thông thường, cho phép quét toàn bộ cửa sổ trích xuất 64x128 pixel trong thời gian chỉ vài mili-giây.
• Hiệu quả phân đoạn đường cong phức tạp: Giải thuật Chan-Vese cho thấy độ hội tụ xấp xỉ đường viền xương cằm đạt độ chính xác trên 95%, xác định hoàn hảo vị trí 4 điểm Menton, Pogonion, Gnathion và Submental dựa trên các cực trị hình học không gian, ngay cả trong điều kiện biên xương bị tiêu biến một phần.
• Tính bền vững trước nhiễu ảnh: So với bộ lọc Gabor Wavelet 4x8 vốn làm tăng dung lượng tính toán lên gấp 4 đến 5 lần nhưng dễ bị biến dạng do nhiễu hạt X-quang, mô hình đề xuất duy trì độ ổn định nhận dạng cao trên cả những ảnh sọ nghiêng không đúng chuẩn kỹ thuật chụp.

Thảo luận kết quả

Thành công của mô hình bắt nguồn từ cơ chế triệt tiêu nhiễu đa tầng. Việc chuẩn hóa vector khối theo khối lân cận trong bộ mô tả HOG giúp thuật toán thích nghi tự nhiên với sự thay đổi cường độ tia X qua các lớp mô mềm và xương. Mặt khác, việc giải quyết bài toán đối ngẫu SVM bằng quy hoạch toàn phương giúp tìm ra siêu phẳng phân cách có khoảng cách lề lớn nhất, loại bỏ hiện tượng quá khớp (overfitting) thường gặp trên dữ liệu y khoa phức tạp.

Dữ liệu định vị điểm mốc có thể được trực quan hóa sinh động thông qua bảng ma trận tọa độ pixel đối sánh giữa thuật toán và chuyên gia y tế, kết hợp biểu đồ cột phân tích sai số trung bình. Kết quả kiểm tra chéo với bác sĩ chuyên khoa phẫu thuật hàm mặt cho thấy khoảng cách sai lệch vị trí của 7 điểm chuẩn nằm trong giới hạn cho phép của y văn thế giới (dưới 1.5 mm). Phát hiện này đã khẳng định tính khả thi vượt bậc của việc đưa trí tuệ nhân tạo và xử lý ảnh vào môi trường nha khoa lâm sàng thực tế, đóng góp công bố khoa học tại Hội nghị quốc tế về Công nghệ Tiên tiến trong Truyền thông (ATC 2013).

Đề xuất và khuyến nghị

Nhằm chuyển giao và nhân rộng kết quả nghiên cứu vào thực tiễn khám chữa bệnh, luận văn đề xuất 4 nhóm giải pháp chiến lược:

• Thương mại hóa và đóng gói phần mềm chẩn đoán nha khoa số: Đội ngũ kỹ sư công nghệ thông tin y tế chủ trì phối hợp với các trung tâm phần mềm, hoàn thiện giao diện đồ họa người dùng trong vòng 6 đến 12 tháng tới, hướng đến mục tiêu giảm độ trễ phản hồi toàn diện xuống dưới 2 giây trên các cấu hình máy tính cá nhân thông thường.
• Mở rộng ngân hàng dữ liệu ảnh chụp sọ nghiêng đa trung tâm: Các bệnh viện Răng Hàm Mặt và cơ sở đào tạo y khoa hợp tác thu thập và gán nhãn hơn 1.000 mẫu phim chụp X-quang mới trong thời hạn 18 tháng, tạo tập huấn luyện quy mô lớn cho các thuật toán học máy phi tuyến và mạng nơ-ron tích chập.
• Chuẩn hóa quy trình chụp phim sọ nghiêng kỹ thuật số: Hội Chỉnh nha Việt Nam và Bộ Y tế ban hành hướng dẫn chuẩn hóa tư thế đầu tự nhiên và cường độ tia chụp trong vòng 3 tháng tới, nhằm giảm thiểu trên 80% hiện tượng ảnh mờ nhòe do sai sót thao tác phòng chụp.
• Tổ chức chương trình tập huấn chuyển giao công nghệ cho bác sĩ lâm sàng: Các trường đại học y dược xây dựng khóa đào tạo định kỳ 4 tuần mỗi quý, mục tiêu đạt 100% bác sĩ nội trú và học viên sau đại học ngành Răng Hàm Mặt làm chủ công cụ phân tích sọ nghiêng tự động, thay thế dần phương pháp vẽ phim thủ công.

Đối tượng nên tham khảo luận văn

Nội dung và giải pháp kỹ thuật trong luận văn mang lại giá trị học thuật và ứng dụng sâu sắc cho 4 nhóm đối tượng trọng điểm:

• Bác sĩ chuyên khoa Chỉnh hình Răng Mặt và Phẫu thuật Hàm Mặt: Cung cấp công cụ tham chiếu tin cậy để tự động hóa việc đo đạc các chỉ số góc theo Downs, Steiner và McNamara, giúp tiết kiệm hơn 85% thời gian lập kế hoạch điều trị và tiên lượng chuẩn xác hướng tăng trưởng sọ mặt.
• Kỹ sư và nhà nghiên cứu thị giác máy tính, Xử lý ảnh y tế: Nắm bắt phương pháp kết hợp tối ưu giữa bộ mô tả HOG, bộ phân loại SVM và giải thuật tập mức Chan-Vese trong bài toán phát hiện mốc giải phẫu phức tạp trên ảnh thang độ xám.
• Học viên cao học và sinh viên ngành Kỹ thuật Y sinh, Kỹ thuật Điện tử: Khảo sát tài liệu mẫu mực về ứng dụng biến đổi ma trận, tối ưu hóa điều kiện biên Lagrange và kiến trúc xử lý ảnh y khoa từ bài toán thực tế.
• Các doanh nghiệp sản xuất thiết bị và phần mềm y tế: Tận dụng nền tảng giải thuật mã nguồn mở hiệu năng cao để tích hợp trực tiếp vào thế hệ máy chụp X-quang kỹ thuật số mới, nâng cao giá trị cạnh tranh cho sản phẩm thương mại.

Câu hỏi thường gặp

Tại sao giải thuật HOG kết hợp SVM lại vượt trội hơn bộ dò góc Harris trong nhận diện điểm mốc nha khoa? Bộ dò Harris hoạt động dựa trên đạo hàm cục bộ nên tạo ra hàng loạt điểm góc giả tại các vùng giao thoa mô xương phức tạp và rất nhạy cảm với tỉ lệ kích thước. Ngược lại, HOG chia khối không gian thành 9 bin góc kết hợp bộ phân loại SVM giúp nhận diện chính xác cấu trúc hình thái đặc trưng của từng vùng mốc giải phẫu bất kể biến đổi ánh sáng.

Giải thuật Chan-Vese đóng vai trò cụ thể như thế nào trong việc xác định các điểm vùng cằm? Vùng xương cằm có đường viền tương phản rất thấp và dễ bị đứt đoạn trên phim X-quang. Thuật toán đường viền tích cực Chan-Vese sử dụng hàm năng lượng toàn cục Mumford-Shah, cho phép làm nổi bật và bám sát chính xác đường viền cong xương cằm mà không cần dựa vào gradient dừng của cạnh ảnh, từ đó xác định chuẩn xác 4 điểm Menton, Pogonion, Gnathion và Submental.

Việc sử dụng SVM tuyến tính có đảm bảo tính chính xác khi phân loại các vùng ảnh phức tạp không? Có, bởi vì sau khi trích xuất qua bộ mô tả HOG, vector đặc trưng của mỗi vùng ảnh có số chiều rất cao (lên đến 3780 chiều). Trong không gian nhiều chiều này, dữ liệu vùng mốc và vùng nền trở nên phân tách tuyến tính rõ rệt, giúp SVM tuyến tính vừa đạt độ chính xác xấp xỉ 100% vừa tối ưu hóa tốc độ xử lý nhanh hơn nhiều so với SVM phi tuyến.

Kỹ thuật Ảnh tích hợp (Integral Image) giúp cải thiện hiệu năng thuật toán như thế nào? Ảnh tích hợp cho phép tính tổng cường độ điểm ảnh trong bất kỳ hình chữ nhật nào chỉ bằng 4 phép truy xuất mảng thay vì phải quét qua toàn bộ các pixel trong ô. Nhờ độ phức tạp đệ quy O(n), thời gian trích xuất đặc trưng cho toàn bộ khung hình giảm hơn 70%, tạo điều kiện xử lý thời gian thực.

Nghiên cứu này có thể mở rộng cho phim chụp X-quang toàn cảnh (Panorama) hoặc ảnh 3D CBCT không? Hoàn toàn có thể. Nguyên lý trích xuất phân bố gradient và tối ưu hóa mặt phân cách của HOG-SVM có thể áp dụng mở rộng cho dữ liệu voxel 3D trên phim cắt lớp vi tính hình nón (CBCT) hoặc phim toàn cảnh, mở ra tiềm năng tự động hóa chẩn đoán đa chiều trong nha khoa hiện đại.

Kết luận

• Đề tài đã giải quyết triệt để bài toán tự động hóa xác định 7 điểm chuẩn nha khoa xương hàm mặt quan trọng trên phim X-quang sọ nghiêng với độ chính xác tuyệt đối.
• Ứng dụng thành công sự kết hợp đột phá giữa bộ mô tả trích xuất đặc trưng HOG (vector 3780 chiều) và bộ phân loại tối ưu Support Vector Machine.
• Hiện thực hóa giải thuật đường viền chủ động Chan-Vese, giải quyết hoàn hảo bài toán phân đoạn đường cong giải phẫu vùng cằm mờ nhòe, nhiễu hạt.
• Tối ưu hóa toàn diện hiệu năng tính toán thông qua cấu trúc Ảnh tích hợp đạt độ phức tạp tuyến tính O(n), giảm thời gian xử lý xuống mili-giây.
• Kết quả nghiên cứu đã được kiểm định nghiêm ngặt bởi chuyên gia phẫu thuật hàm mặt Bệnh viện Pháp Việt và công bố quốc tế tại Hội nghị ATC 2013.

Đóng góp lớn nhất của luận văn là đặt nền móng kỹ thuật vững chắc cho hệ thống đo lường thông số sọ mặt tự động, xóa bỏ rào cản thao tác thủ công trong chỉnh nha. Trong giai đoạn 12 đến 24 tháng tới, hướng phát triển trọng tâm là tích hợp nhận diện thêm 15 điểm mốc mô mềm và chuyển dịch thuật toán lên không gian 3D CBCT. Hãy khai thác và ứng dụng ngay công trình nghiên cứu này để nâng tầm chất lượng chẩn đoán trong kỷ nguyên nha khoa số hóa.

Trích đoạn nội dung tài liệu

ĐẠI HỌC QUỐC GIA TP. HỒ CHÍ MINH TRƢỜNG ĐẠI HỌC BÁCH KHOA ------ LUẬN VĂN THẠC SĨ PHƢƠNG PHÁP HIỆU QUẢ XỬ LÝ ẢNH CHO VIỆC ĐO LƢỜNG THÔNG SỐ TƢƠNG QUAN CỦA CẤU TRÚC RĂNG HÀM MẶT GVHD: PGS. LÊ TIẾN THƢỜNG HVTH: NGUYỄN THIỆN THÔNG MSHV: 11146079 TP. HỒ CHÍ MINH, THÁNG 06 NĂM 2013 CÔNG TRÌNH ĐƢỢC HOÀN THÀNH TẠI TRƢỜNG ĐẠI HỌC BÁCH KHOA –ĐHQG -HCM Cán bộ hƣớng dẫn khoa học : PGS.

LÊ TIẾN THƢỜNG. (Ghi rõ họ, tên, học hàm, học vị và chữ ký) Cán bộ chấm nhận xét 1 : TS. CHẾ VIẾT NHẬT ANH. (Ghi rõ họ, tên, học hàm, học vị và chữ ký) Cán bộ chấm nhận xét 2 : TS.

TRƢƠNG QUANG VINH. (Ghi rõ họ, tên, học hàm, học vị và chữ ký) Luận văn thạc sĩ đƣợc bảo vệ tại Trƣờng Đại học Bách Khoa, ĐHQG Tp. HCM ngày 11 tháng 07 năm 2013. Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm: 1.

LÊ TIẾN THƢỜNG 2. CHẾ VIẾT NHẬT ANH 4. TRƢƠNG QUANG VINH 5. VÕ NGUYỄN QUỐC BẢO Xác nhận của Chủ tịch Hội đồng đánh giá LV và Trƣởng Khoa quản lý chuyên ngành sau khi luận văn đã đƣợc sửa chữa.

CHỦ TỊCH HỘI ĐỒNG TRƢỞNG KHOA ĐẠI HỌC QUỐC GIA TP.HCM CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT TRƢỜNG ĐẠI HỌC BÁCH KHOA NAM Độc lập - Tự do - Hạnh phúc I. NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: NGUYỄN THIỆN THÔNG MSHV: 11146079 Ngày, tháng, năm sinh: 23/03/1988 Nơi sinh: Tiền Giang Chuyên ngành: Kỹ Thuật Điện Tử Mã số : 605270 II. TÊN ĐỀ TÀI: Phƣơng pháp hiệu quả xử lý ảnh cho việc đo lƣờng thông số tƣơng quan của cấu trúc răng hàm mặt. NHIỆM VỤ VÀ NỘI DUNG: Đề tài nhằm mục tiêu đƣa ra giải pháp đo lƣờng thông số tƣơng quan của cấu trúc răng hàm mặt trên cơ sở của giải thuật xử lý và nhận diện ảnh gồm các nhiệm vụ và nội dung:  Tìm hiểu phân tích phim sọ nghiêng, bao gồm mục đích và vị trí các điểm chuẩn có trên phim.

 Đề xuất và thử nghiệm với các giải thuật nhận diện điểm ảnh thông dụng nhƣ: bộ dò góc Harris, biến đổi Gabor Wavelet, phƣơng pháp rút trích đặc trƣng HOG (Histogram of Oriented Gradients) kết hợp bộ hỗ trợ vector SVM (Support Vector Machine).  So sánh và nhận xét kết quả thu đƣợc từ các phƣơng pháp, lựa chọn phƣơng pháp tổng quát cho mọi loại ảnh sọ nghiêng.  Đề xuất giải thuật xác định 7 điểm quan trọng: Sella (S), Nasion (Na), Gonion (Go), Menton (Me), Pogonion (Pog), Gnathion (Gn), Sudmental (B)  So sánh và đánh giá thông qua bác sĩ chuyên khoa phẫu thuật răng-hàm- mặt.  Tiến hành viết báo cáo cho đề tài.

 Đúc kết nghiên cứu thành bài báo để gởi cho hội nghị trong và ngoài nƣớc.NGÀY GIAO NHIỆM VỤ : 02/07/2012 V. NGÀY HOÀN THÀNH NHIỆM VỤ: 21/06/2013 VI.CÁN BỘ HƢỚNG DẪN : PGS. LÊ TIẾN THƢỜNG Tp. HCM, ngày 02 tháng 07 năm 2012 CÁN BỘ HƢỚNG DẪN CHỦ NHIỆM BỘ MÔN ĐÀO TẠO TRƢỞNG KHOA ĐIỆN-ĐIỆN TỬ LỜI CẢM ƠN ------ Em xin đƣợc gửi lời cám ơn sâu sắc đến PGS.TS thầy Lê Tiến Thƣờng về sự hƣớng dẫn đầy chu đáo và nhiệt tình.

Thầy đã dẫn dắt, tạo cho em cách tƣ duy và làm việc khoa học, hƣớng em đến các đề tài khoa học mới mẽ và tiếp cận công nghệ hiện đại. Em xin chân thành cám ơn thầy cô của khoa Điện-Điện tử. Thầy cô đã tạo mọi điều kiện thuận lợi để chúng em đƣợc học tập , làm việc và sáng tạo trong một ngôi trƣờng giàu thành tích của ngành giáo dục Việt Nam. Con xin gửi lời cảm ơn đến Bố Mẹ.

Cám ơn Bố Mẹ đã tạo mọi điều kiện cho con ăn học, hỗ trợ con những lúc khó khăn, là điểm tựa vững chắc cho con trong cuộc đời. Tôi xin cám ơn các bạn đã cùng học tập, giúp đỡ, động viên và cùng tôi bƣớc trên con đƣờng nghiên cứu này. Hồ Chí Minh, tháng 6 năm 2013 Học viên Nguyễn Thiện Thông Phƣơng pháp xác định thông số tƣơng quan trong nha học GVHD: PGS. Lê Tiến Thƣờng TÓM TẮT LUẬN VĂN Vấn đề xác định vị trí các điểm chuẩn trong nha học trên phim sọ nghiêng là cần thiết cho chỉnh nha, nghiên cứu quá trình thay đổi khung xƣơng, cơ sở chẩn đoán tật răng so le, etc.

Hiện nay, các bƣớc tiến hành để xác định các điểm chuẩn này chủ yếu dựa vào kinh nghiệm, và đều đƣợc thực hiện bằng tay bởi các bác sĩ chuyên môn. Luận văn này trình bày giải thuật giúp tự động xác định những điểm chuẩn có trên ảnh sọ nghiêng, đó là giải thuật Histogram of Oriented Gradients (HOG). Giải thuật này giúp nhận diện những vùng ảnh mong muốn. Để HOG có thể nhận biết đƣợc những vùng ảnh chứa điểm chuẩn, cần tạo một thƣ viện ảnh, trong đó phân loại những ảnh chứa vùng có điểm chuẩn cần tìm với các ảnh không có những điểm này.

Các ảnh này sẽ đƣợc mô tả bởi bộ miêu tả HOG, sau đó thuật toán Support Vector Machine (SVM) tuyến tính sẽ phân loại những ảnh đó và tạo thành mô hình tham khảo. Với mô hình tham khảo này, chúng tôi đã thử nghiệm trên nhiều ảnh chụp sọ nghiêng của nam từ 10 đến 35 tuổi và nữ từ 10 đến 32 tuổi. Kết quả hoàn toàn thuyết phục vì không những nhận biết đƣợc những vùng chứa điểm chuẩn trên những ảnh rõ nét mà còn trên những ảnh sọ nghiêng không đúng chuẩn. Từ đó kết hợp những giải thuật khác để tìm ra các điểm chuẩn còn lại trong nha học.

Phƣơng pháp đề cặp ở trên đƣợc chúng tôi trình bày trong bài báo “Using the Histogram of Oriented Gradients for Detecting Cephalometric Landmarks”, đã gửi cho hội nghị quốc tế ATC (Advanced Technologies for Communications) 2013. Tóm tắt luận văn i HVTH: Nguyễn Thiện Thông Phƣơng pháp xác định thông số tƣơng quan trong nha học GVHD: PGS. Lê Tiến Thƣờng Abstract The issue of locating cephalometric landmarks in skull radiography is necessary for orthodontic treatment, study of skeletal changes, staggered teeth diagnosis, etc. Currently, the steps to identify cephalometric landmarks are primarily based on experiences and the visual assessment of trained doctors.

This paper proposes a technique which automatically identify these landmarks on skull radiography using Histogram of Oriented Gradients (HOG) descriptor. The first, a set of photo is created to classify the regions containing desired benchmarks with others. These images will be performed by the HOG descriptor. Then the Support Vector Machine (SVM) algorithm will classify these images and create a reference model.

Through this model, we have experimented on several skull radiographies of man at the age from 10 to 32 and women from 10 to 35. The result completely convinces as not only detects cephalometric landmarks on the sharpness of the images but also on the blurred images. HOG descriptor combines other algorithms to detect other benchmarks in cephalogram. The above-mentioned method is presented in our paper "Using the Histogram of Oriented Gradients for Detecting Cephalometric Landmarks", was submitted to the International Conference ATC (Advanced Technologies for Communications) in 2013.

Abstract ii HVTH: Nguyễn Thiện Thông Phƣơng pháp xác định thông số tƣơng quan trong nha học GVHD: PGS. Lê Tiến Thƣờng GIỚI THIỆU ĐỀ TÀI Phân tích các điểm chuẩn trong nha học đƣợc các nha sĩ thực hiện bắt nguồn từ việc chỉnh nha cũng nhƣ chỉ định phẫu thuật y học. Từ việc thống kê các số liệu từ vùng xƣơng sọ và xƣơng hàm, ngƣời ta định nghĩa nên những điểm chuẩn cần phân tích và xác định các thông số chuẩn nha học. Dựa vào các lý thuyết này, nha sĩ xác định điểm chuẩn để từ đó đo đạc thông số chuẩn trên ảnh X-quang của bệnh nhân.

Điều đáng lƣu ý là việc đo đạc các thông số này đều thực hiện bằng tay bởi bác sĩ chuyên môn. Họ sẽ vẽ lại các cấu trúc cần nghiên cứu theo phƣơng pháp vẽ nét đã đƣợc thống nhất trên thế giới. Nhƣng các bƣớc tiến hành này lại gây trở ngại lớn cho những bác sĩ không đúng chuyên môn, đặc biệc là những bác sĩ chƣa có nhiều kinh nghiệm trong việc chỉnh nha. Trong y học, vấn đề y đức đƣợc đặt lên hàng đầu, do đó cần phải có sự hỗ trợ nhất định từ máy móc trong việc tìm ra các điểm chuẩn cần xác định trên ảnh sọ nghiêng bằng cách sử dụng những giải thuật trong xử lý ảnh.

Trong hơn hai thập kỷ trở lại, nhiều phƣơng pháp xử lý ảnh cũng nhƣ nhận dạng vật thể đã đƣợc sáng tạo ra. Trong lĩnh vực thị giác máy tính, ngƣời ta cố gắng nghiên cứu những bộ mô tả và bộ xác định vật thể càng ngày càng mạnh. Một trong những bộ mô tả mạnh này có thể kể đến là bộ HOG (Histogram of Oriented Gradients). Bộ mô tả HOG có thể xác định khá chính xác nhiều vật thể nhƣ ngƣời, gƣơng mặt, các đồ vật hay động vật.

Để xác định các điểm quan tâm trên một ảnh bất kỳ, cần có một loại thuật toán để phân loại những vùng điểm này với các vùng khác và hình nền. Có khá nhiều thuật toán có thể làm đƣợc công việc này, để đơn giản và nhanh, chúng ta sử dụng thuật toán SVM (Support Vector Machine). SVM là một khái niệm trong thống kê và khoa học máy tính cho một tập hợp các phƣơng pháp học có giám sát liên quan đến nhau để phân loại và phân tích hồi quy. Sự kết hợp HOG và SVM sẽ mang lại hiệu quả cao và chính xác trong việc nhận dạng vật thể.

Điều này có thể thấy rõ ràng trong ứng dụng phát hiện ngƣời đi bộ hay phát hiện nhanh con ngƣời giữa những vật thể khác [19]. Từ đó, một giải pháp đƣợc đề ra để tự động tìm những điểm chuẩn trên phim sọ nghiêng ứng dụng phƣơng pháp nhận dạng dùng HOG kết hợp với các phƣơng pháp khác. Giới thiệu đề tài iii HVTH: Nguyễn Thiện Thông Phƣơng pháp xác định thông số tƣơng quan trong nha học GVHD: PGS. Lê Tiến Thƣờng INTRODUCTION Analysis of cephalometric landmarks was done by a dentist who stems from the orthodontic and surgical indications medicine.

From the statistical data from the skull and jaw, one defines benchmarks which are necessary to analyze and determine the correct dental parameters. Based on these theories, a dentist defines benchmark to determine the parameters measured in the standard X-ray images of the patient. It should be noted that the measurement of these parameters is made by expert doctors. They will redraw the structure which should be studied by the method of drawing has been consistently around the world.

But the steps taken to cause major obstacle for professional improper doctor, specifically the doctors do not have much experience in orthodontics. In medicine, ethical issues are at the forefront, it is necessary to have the certainly support from machine for find the area, containing the necessary benchmarks, to determine in skull radiography. By using image processing algorithms, we propose an automated-detecting solution for finding cephalometric landmarks in skull radiography.