Đồ án 1: Sàng lọc bệnh tự kỷ sớm của trẻ dựa trên ảnh chụp đối tượng

Báo cáo đồ án sàng lọc tự kỷ sớm ở trẻ bằng công nghệ nhận diện ảnh. Khám phá phương pháp ứng dụng Deep Learning và mô hình CNN trong chẩn đoán.

• Tác giả: Lương Văn Minh
• Người hướng dẫn: ThS. Nguyễn Thị Thanh Trúc
• Trường học: Trường Đại học Công nghệ Thông tin
• Chuyên ngành: Công nghệ Phần mềm
• Đề tài: Sàng Lọc Bệnh Tự Kỷ Sớm Của Trẻ Dựa Trên Ảnh Chụp
• Loại tài liệu: Đồ án 1
• Năm xuất bản: 2024
• Địa điểm: Thành phố Hồ Chí Minh

Tóm tắt

I. Giới thiệu về Sàng Lọc Tự Kỷ Sớm bằng Công Nghệ Ảnh Chụp

Sàng lọc tự kỷ sớm là một quá trình quan trọng trong việc phát hiện rối loạn phổ biến ở trẻ em. Tự kỷ (Autism Spectrum Disorder - ASD) ảnh hưởng đến khả năng giao tiếp và phát triển xã hội của trẻ. Phương pháp sử dụng ảnh chụp để sàng lọc bệnh tự kỷ là một đổi mới công nghệ hứa hẹn, cho phép phát hiện sớm các dấu hiệu bất thường thông qua phân tích hình ảnh. Đồ án ứng dụng này kết hợp Deep Learning và mạng nơ-ron tích chập (CNNs) để xây dựng hệ thống thông minh, giúp các bác sĩ và phụ huynh phát hiện sớm các triệu chứng tiềm ẩn. Việc phát hiện sớm có thể cải thiện đáng kể kết quả điều trị và chất lượng cuộc sống của trẻ em mắc tự kỷ.

1.1. Tầm Quan Trọng của Sàng Lọc Sớm

Phát hiện sớm bệnh tự kỷ có vai trò quan trọng trong việc can thiệp kịp thời. Trẻ em được sàng lọc và chẩn đoán sớm có cơ hội học hỏi tốt hơn, phát triển kỹ năng giao tiếp và tương tác xã hội. Các nghiên cứu cho thấy can thiệp sớm có thể cảm giảm mức độ nghiêm trọng của các triệu chứng, giúp trẻ hòa nhập tốt hơn với cộng đồng. Hệ thống sàng lọc tự động bằng ảnh chụp mở ra cơ hội tiếp cận chẩn đoán cho nhiều gia đình không có điều kiện phải tới bệnh viện chuyên khoa.

1.2. Ứng Dụng Công Nghệ AI trong Sàng Lọc Y Tế

Công nghệ Trí tuệ nhân tạo (AI) và học sâu (Deep Learning) đang cách mạng hóa ngành y tế. Mạng nơ-ron tích chập (CNNs) có khả năng nhận diện các mô hình phức tạp trong hình ảnh với độ chính xác cao. Ứng dụng mô hình RegNet cho phép xây dựng những hệ thống sàng lọc bệnh tự kỷ qua ảnh chụp hiệu quả, giảm chi phí và thời gian chẩn đoán. Công nghệ này đặc biệt hữu ích ở các vùng có nguồn lực y tế hạn chế.

II. Cơ Sở Lý Thuyết và Công Nghệ Áp Dụng

Đồ án sàng lọc tự kỷ dựa trên các nền tảng lý thuyết và công nghệ hiện đại. Deep Learning là một nhánh của machine learning, cho phép máy tính học từ dữ liệu mà không cần lập trình tường minh. Mạng nơ-ron tích chập (Convolutional Neural Networks - CNNs) được thiết kế đặc biệt để xử lý dữ liệu hình ảnh, nhận diện các đặc trưng tự động. Kiến trúc RegNet là một mô hình hiện đại, có thể cấu hình linh hoạt để tối ưu hiệu suất. Công nghệ này cho phép phân tích ảnh chụp của trẻ để phát hiện các dấu hiệu bất thường liên quan đến bệnh tự kỷ. Việc sử dụng Visual Studio Code và các công cụ phát triển hiện đại giúp xây dựng ứng dụng web mạnh mẽ và dễ sử dụng.

2.1. Deep Learning và Nguyên Lý Hoạt Động

Deep Learning sử dụng mạng nơ-ron nhân tạo với nhiều lớp để học các biểu diễn dữ liệu phức tạp. Mạng nơ-ron tích chập (CNNs) gồm các lớp tích chập, gộp và kích hoạt, giúp trích xuất các đặc trưng từ hình ảnh. Mỗi lớp tích chập sử dụng bộ lọc để phát hiện các mô hình cụ thể. Quá trình huấn luyện điều chỉnh các trọng số để tối thiểu hóa lỗi dự đoán, cho phép mô hình học nhận diện các đặc điểm độc đáo của bệnh tự kỷ.

2.2. Kiến Trúc RegNet và Ứng Dụng

Mô hình RegNet là kiến trúc nơ-ron hiện đại, được thiết kế thông qua tìm kiếm kiến trúc tự động. RegNet cung cấp tốc độ nhanh và độ chính xác cao trong phân loại hình ảnh. Kiến trúc này có nhiều biến thể (RegNetX, RegNetY) phù hợp với các nhu cầu khác nhau. Trong ứng dụng sàng lọc bệnh tự kỷ, RegNet giúp phân tích ảnh chụp của trẻ và đưa ra dự đoán nhanh chóng, hỗ trợ các chuyên gia y tế trong quá trình chẩn đoán.

III. Thiết Kế và Phát Triển Ứng Dụng Web

Đồ án ứng dụng sàng lọc tự kỷ được thiết kế dưới dạng một nền tảng web toàn diện. Ứng dụng cung cấp các chức năng chính bao gồm đăng nhập bảo mật, upload và phân tích ảnh chụp, quiz đánh giá và quản lý lịch sử kiểm tra. Giao diện được thiết kế thân thiện với người dùng, phù hợp cho cả cha mẹ và chuyên gia y tế. Hệ thống sử dụng cơ sở dữ liệu quan hệ để lưu trữ thông tin người dùng, lịch sử kiểm tra và kết quả phân tích. Backend xử lý yêu cầu và gọi mô hình Deep Learning để dự đoán. Frontend được phát triển bằng các công nghệ web hiện đại, đảm bảo trải nghiệm người dùng tốt.

3.1. Các Tính Năng Chính của Hệ Thống

Ứng dụng cung cấp chức năng sàng lọc bệnh tự kỷ bằng ảnh chụp - người dùng có thể tải lên hình ảnh và nhận kết quả dự đoán. Chức năng quiz giáo dục giúp trẻ em học về bệnh tự kỷ thông qua trò chơi tương tác. Quản lý tài khoản cho phép người dùng cập nhật thông tin cá nhân. Lịch sử kiểm tra giúp theo dõi tiến trình theo thời gian. Câu chuyện thành công cung cấp động lực từ những người bệnh tự kỷ đã được can thiệp thành công.

3.2. Thiết Kế Giao Diện và Trải Nghiệm Người Dùng

Giao diện ứng dụng được thiết kế đơn giản, dễ sử dụng cho mọi độ tuổi. Màn hình đăng nhập cung cấp bảo mật, màn hình trang chủ hiển thị các tính năng chính. Màn hình sàng lọc cho phép upload ảnh một cách trực quan. Khu vực giáo dục cung cấp thông tin về bệnh tự kỷ một cách chi tiết. Tất cả các màn hình được tối ưu hóa cho thiết bị di động và máy tính để bàn.

IV. Kết Quả Đạt Được và Hướng Phát Triển Tương Lai

Đồ án sàng lọc tự kỷ sớm đã đạt được những kết quả đáng kể trong việc xây dựng một hệ thống tự động hóa cho phát hiện bệnh. Mô hình Deep Learning được huấn luyện trên tập dữ liệu ảnh đạt độ chính xác cao. Ứng dụng web hoàn chỉnh với các tính năng thiết yếu để hỗ trợ sàng lọc và quản lý thông tin bệnh nhân. Mặc dù vậy, hệ thống vẫn có những hạn chế về độ chính xác trong một số trường hợp biên, và cần dữ liệu huấn luyện lớn hơn. Hướng phát triển tương lai bao gồm tích hợp AI tiên tiến hơn, mở rộng khả năng sàng lọc nhiều bệnh khác, cải thiện giao diện người dùng và hợp tác với các cơ sở y tế để xác thực hiệu quả trên quy mô lớn.

4.1. Các Thành Tựu Chính của Dự Án

Xây dựng thành công một hệ thống web hoàn chỉnh cho sàng lọc bệnh tự kỷ. Mô hình Deep Learning sử dụng CNNs và RegNet đạt hiệu suất tốt trên tập test. Tích hợp đầy đủ backend (xử lý ảnh) và frontend (giao diện người dùng). Cơ sở dữ liệu được thiết kế logic và hiệu quả. Ứng dụng đã được kiểm thử và tối ưu hóa cho tốc độ và độ ổn định. Dự án cung cấp giá trị thực tế trong việc hỗ trợ chẩn đoán sớm bệnh tự kỷ.

4.2. Hướng Phát Triển Tiếp Theo

Cải thiện độ chính xác bằng cách sử dụng dữ liệu huấn luyện lớn hơn và kỹ thuật augmentation. Mở rộng phạm vi ứng dụng để sàng lọc nhiều bệnh khác liên quan đến phát triển trẻ em. Tích hợp tính năng AI nâng cao như phân tích video và theo dõi hành vi thời gian thực. Hợp tác với các bệnh viện để xác thực lâm sàng. Phát triển ứng dụng di động để tiếp cận người dùng rộng hơn. Triển khai công nghệ blockchain cho bảo mật dữ liệu bệnh nhân.

Trích đoạn nội dung tài liệu

TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN KHOA CÔNG NGHỆ PHẦN MỀM BÁO CÁO ĐỒ ÁN 1 Đề tài: SÀNG LỌC BỆNH TỰ KỶ SỚM CỦA TRẺ DỰA TRÊN ẢNH CHỤP ĐỐI TƯỢNG Giảng viên hướng dẫn : ThS. Nguyễn Thị Thanh Trúc Sinh viên thực hiện : Lương Văn Minh – 22520869 Hồ Tiến Vũ Bình – 22520129 Mã lớp : SE121.P11 Thành phố Hồ Chí Minh, ngày 01 tháng 12 năm 2024 LỜI CẢM ƠN Sau quá trình học tập và rèn luyện tại khoa Công nghệ phần mềm trường Đại học Công nghệ Thông tin – ĐHQG TP.HCM chúng em đã được trang bị các kiến thức cơ bản, các kỹ năng thực tế để có thể lần đầu thực hiện Đồ án 1 của mình. Để hoàn thành Đồ án này, bọn em xin gửi lời cảm ơn chân thành đến: Ban Giám hiệu trường Đại học Công nghệ Thông tin – ĐHQG TP.HCM vì đã tạo điều kiện về cơ sở vật chất với hệ thống thư viện hiện đại, đa dạng các loại sách, tài liệu thuận lợi cho việc tìm kiếm, nghiên cứu thông tin. Chúng em cũng xin gửi lời cảm ơn chân thành đến cô Nguyễn Thị Thanh Trúc đã tận tình giúp đỡ, định hướng trong quá trình thực hiện đồ án.

Đó là những góp ý hết sức quý báu không chỉ trong quá trình thực hiện đồ án này mà còn là hành trang tiếp bước cho chúng em trong quá trình học tập và lập nghiệp sau này. Trong thời gian một học kì thực hiện đề tài này, chúng em đã vận dụng những kiến thức nền tảng đã tích lũy đồng thời kết hợp với việc học hỏi và nghiên cứu những kiến thức mới. Từ đó, chúng em đã cố gắng hết sức để hoàn thành một báo cáo đồ án tốt nhất. Tuy nhiên, trong quá trình làm Đồ án này không tránh khỏi được những sai sót, chúng em kính mong nhận được sự chỉ dẫn và góp ý của quý thầy cô để hoàn thiện và phát triển đồ án hơn trong môn học Đồ án 2 cũng như trong Khóa luận tốt nghiệp trong tương lai.

Thành phố Hồ Chí Minh, ngày 01 tháng 12 năm 2024 Sinh viên thực hiện LƯƠNG VĂN MINH HỒ TIẾN VŨ BÌNH 2 NHẬN XÉT CỦA GIẢNG VIÊN HƯỚNG DẪN. 3 MỤC LỤC LỜI CẢM ƠN.2 NHẬN XÉT CỦA GIẢNG VIÊN HƯỚNG DẪN.1 Lý do chọn đề tài.2 Mục tiêu đề tài.3 Đối tượng nghiên cứu.4 Các hướng nghiên cứu liên quan. CƠ SỞ LÝ THUYẾT & CÔNG NGHỆ.1 Giới thiệu về Deep Learning.2 Nguyên lý hoạt động của Deep Learning.2 Kiến trúc mạng nơ-ron tích chập (Convolutional Neural Networks - CNNs):.1 Giới thiệu về mạng nơ-ron tích chập.1 Nguyên lý hoạt động của CNN.3 Kiến trúc mô hình RegNet.1 Giới thiệu về mô hình RegNet.2 Nguyên lý hoạt động và kiến trúc của RegNet.3 Các biến thể của kiến trúc RegNet.4 Visual Studio Code. PHÂN TÍCH VÀ THIẾT KẾ.1 Khảo sát hiện trạng.2 Xác định các yêu cầu chức năng và phi chức năng.1 Các yêu cầu chức năng.1 Chức năng chơi game:.2 Đăng nhập và làm kiểm tra:.2 Các yêu cầu phi chức năng.1 Sơ đồ Usecase tổng quát.2 Sơ đồ Quản lý thông tin tài khoản.3 Sơ đồ Usecase chơi game.4 Sơ đồ Usecase xem các câu chuyện về bệnh tự kỷ.5 Sơ đồ Usecase tìm hiểu thông tin về bệnh tự kỷ.6 Sơ đồ Usecase đăng nhập.7 Sơ đồ Usecase kiểm tra.8 Sơ đồ Usecase quản lý lịch sử làm kiểm tra.4 Đặc tả Usecase.1 Đặc tả Usecase đăng nhập.2 Dòng sự kiện.3 Các yêu cầu đặc biệt.4 Trạng thái hệ thống khi bắt đầu thực hiện Usecase.5 Trạng thái hệ thống sau khi thực hiện Usecase.6 Điểm mở rộng.2 Đặc tả Usecase quản lý thông tin tài khoản.2 Dòng sự kiện.3 Các yêu cầu đặc biệt.4 Trạng thái hệ thống khi bắt đầu thực hiện Usecase.5 Trạng thái hệ thống sau khi thực hiện Usecase.6 Điểm mở rộng.3 Đặc tả Usecase chơi game.2 Dòng sự kiện.3 Các yêu cầu đặc biệt.4 Trạng thái hệ thống khi bắt đầu thực hiện Usecase.5 Trạng thái hệ thống sau khi thực hiện Usecase.6 Điểm mở rộng.4 Đặc tả Usecase xem các câu chuyện về bệnh tự kỷ.2 Dòng sự kiện.3 Các yêu cầu đặc biệt.4 Trạng thái hệ thống khi bắt đầu thực hiện Usecase.5 Trạng thái hệ thống sau khi thực hiện Usecase.6 Điểm mở rộng.5 Đặc tả Usecase tìm hiểu thông tin vể bệnh tự kỷ.2 Dòng sự kiện.3 Các yêu cầu đặc biệt.4 Trạng thái hệ thống khi bắt đầu thực hiện Usecase.5 Trạng thái hệ thống sau khi thực hiện Usecase.6 Điểm mở rộng.6 Đặc tả Usecase kiểm tra.2 Dòng sự kiện.3 Các yêu cầu đặc biệt.4 Trạng thái hệ thống khi bắt đầu thực hiện Usecase.5 Trạng thái hệ thống sau khi thực hiện Usecase.6 Điểm mở rộng.7 Đặc tả Usecase quản lý làm lịch sử kiểm tra.2 Dòng sự kiện.3 Các yêu cầu đặc biệt.4 Trạng thái hệ thống khi bắt đầu thực hiện Usecase.5 Trạng thái hệ thống sau khi thực hiện Usecase.6 Điểm mở rộng.1 Sơ đồ hoạt động làm bài kiểm tra Quizz.2 Sơ đồ hoạt động dự đoán bệnh tự kỷ qua ảnh chụp.1 Sơ đồ tuần tự đăng nhập.2 Sơ đồ tuần tự dự đoán bệnh tự kỷ qua ảnh chụp.8 Thiết kế hệ thống.9 Thiết kế dữ liệu.2 Mô hình quan hệ dữ liệu.

THIẾT KẾ VÀ TRIỂN KHAI.1 Giới thiệu webiste.2 Mô tả chi tiết giao diện.1 Màn hình đăng nhập.2 Màn hình đăng ký.3 Màn hình quên mật khẩu.4 Màn hình trang chủ.5 Màn hình giáo dục.6 Màn hình kiểm tra.7 Màn hình câu chuyện thành công.8 Màn hình trò chơi.9 Màn hình thông tin tài khoản. KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN.2 Kết quả đạt được.4 Nhược điểm.5 Hướng phát triển.68 TÀI LIỆU THAM KHẢO.1 Lý do chọn đề tài Tự kỷ là một rối loạn phát triển phổ biến, ảnh hưởng nghiêm trọng đến khả năng giao tiếp và hòa nhập xã hội của trẻ em. Tuy nhiên, nếu được phát hiện và can thiệp kịp thời, trẻ có thể cải thiện đáng kể các kỹ năng xã hội và khả năng phát triển toàn diện. Thực tế, việc chẩn đoán tự kỷ hiện nay thường dựa vào quan sát lâm sàng và các bài kiểm tra chủ quan, dẫn đến nguy cơ sai lệch cao do phụ thuộc vào kinh nghiệm của các chuyên gia y tế.

Điều này đặt ra nhu cầu cấp thiết về việc phát triển một hệ thống tự động hóa, hỗ trợ phát hiện sớm các dấu hiệu tự kỷ nhằm nâng cao hiệu quả chẩn đoán và điều trị. Đề tài này tập trung vào việc xây dựng một ứng dụng web tích hợp trí tuệ nhân tạo (AI) sử dụng mô hình mạng nơ-ron tích chập RegNet, để phát hiện các dấu hiệu tự kỷ thông qua ảnh khuôn mặt. Ứng dụng sẽ cung cấp các chức năng như phân loại ảnh, đánh giá trẻ dựa trên bảng câu hỏi, và trò chơi giáo dục tương tác, giúp phụ huynh và trẻ tiếp cận thông tin và hỗ trợ một cách toàn diện. Việc áp dụng công nghệ AI và các công cụ hiện đại như .NET và React không chỉ giúp cải thiện độ chính xác của việc phát hiện mà còn đảm bảo hiệu quả xử lý và khả năng triển khai thực tế trong môi trường y tế và giáo dục.

Ngoài ra, đề tài còn mang ý nghĩa nhân văn sâu sắc, hỗ trợ phụ huynh và chuyên gia y tế sớm nhận biết nguy cơ tự kỷ, từ đó có các biện pháp can thiệp phù hợp. Với mục tiêu phục vụ cộng đồng, đề tài “Sàng lọc bệnh tự kỷ sớm của trẻ dựa trên ảnh chụp đối tượng” thể hiện rõ tính cấp thiết, tiềm năng ứng dụng, và giá trị thực tiễn trong việc nâng cao chất lượng cuộc sống, đặc biệt ở trẻ em – giai đoạn vàng của sự phát triển.2 Mục tiêu đề tài Đề tài “Sàng lọc bệnh tự kỷ sớm của trẻ dựa trên ảnh chụp đối tượng” đặt mục tiêu phát triển một ứng dụng web hiện đại, sử dụng trí tuệ nhân tạo (AI) với mô hình mạng nơ- ron tích chập RegNet để hỗ trợ chẩn đoán sớm tự kỷ thông qua ảnh khuôn mặt. Ứng dụng được xây dựng bằng công nghệ .0 và React, tích hợp nhiều chức năng: 1. Phân loại ảnh: Dự đoán nguy cơ tự kỷ từ ảnh khuôn mặt của trẻ.

Đánh giá trẻ dựa trên bảng câu hỏi ABCD: Sử dụng dữ liệu sẵn có để phân loại và hỗ trợ nhận diện hành vi. Trò chơi giáo dục: o Trẻ bình thường: Hỗ trợ hiểu hành vi, học tập cách phản ứng trong các tình huống thường gặp. o Trẻ tự kỷ: Tăng cường nhận diện cảm xúc, giao tiếp xã hội và kỹ năng hợp tác qua các trò chơi tương tác. Cung cấp thông tin giáo dục: Bao gồm bài viết, video, và câu hỏi thường gặp để nâng cao nhận thức của phụ huynh về tự kỷ.

Câu chuyện thành công: Chia sẻ kinh nghiệm từ phụ huynh và trẻ tự kỷ, truyền cảm hứng và khuyến khích các gia đình khác. Hệ thống hướng đến mục tiêu trở thành một công cụ hữu ích, không chỉ giúp các chuyên gia y tế đưa ra quyết định chính xác mà còn hỗ trợ phụ huynh trong việc nhận diện và can thiệp sớm. Đây là bước tiến quan trọng trong việc ứng dụng công nghệ hiện đại vào lĩnh vực y tế và giáo dục, mang lại lợi ích lớn cho cộng đồng.3 Đối tượng nghiên cứu Đối tượng nghiên cứu của đề tài bao gồm dữ liệu hình ảnh khuôn mặt trẻ em được thu thập từ tập dữ liệu có sẵn trên Kaggle , trong đó các bức ảnh được gán nhãn thuộc hai nhóm chính: "Autistic" (trẻ có dấu hiệu tự kỷ) và "Non_Autistic" (trẻ không có dấu hiệu tự kỷ). Các đặc trưng khuôn mặt như hình dáng, vị trí, và cấu trúc các bộ phận (mắt, mũi, miệng) được trích xuất và phân tích bằng các kỹ thuật học sâu để xác định các dấu hiệu liên quan đến tự kỷ.

Ngoài dữ liệu hình ảnh, đối tượng nghiên cứu còn bao gồm hệ thống trí tuệ nhân tạo (AI) và mô hình RegNet, được triển khai và tối ưu hóa để khám phá cách áp dụng mạng nơ-ron tích chập trong việc phân loại và chuẩn đoán sớm bệnh tự kỷ.4 Các hướng nghiên cứu liên quan Nghiên cứu về sàng lọc bệnh tự kỷ sớm dựa trên ảnh chụp khuôn mặt trẻ em đã được thực hiện rộng rãi với nhiều phương pháp khác nhau. Dưới đây là một số hướng nghiên cứu liên quan: Bài nghiên cứu 1: Early Autism Screening in Children Using Facial Recognition -Link bài research: https://www.net/publication/380734143_Early_Autism_Screening_in_Childre n_Using_Facial_Recognition -Thu thập dữ liệu: Sử dụng thuật toán phát hiện khuôn mặt Viola-Jones, áp dụng các đặc trưng Haar để phân biệt giữa vùng mặt và không phải mặt, cùng với hình ảnh tích phân(integral image) để tăng tốc độ tính toán và thuật toán Adaboost để đào tạo bộ phân loại mạnh mẽ. Phương pháp này giúp phát hiện nhanh chóng và chính xác các đặc điểm khuôn mặt trong hình ảnh.