Sử Dụng Deep Learning Hỗ Trợ Chẩn Đoán Bệnh Viêm Họng Qua Ảnh Chụp Nội Soi

Tài liệu nghiên cứu Sử dụng deep learning hỗ trợ chẩn đoán một số bệnh về viêm họng thông qua ảnh chụp nội soi, tổng hợp lý thuyết và thực hành, cung cấp kiến thức chuyên sâu về .

• Tác giả: Tạ Thanh Tâm
• Người hướng dẫn: PGS. Vũ Đức Lung
• Trường học: Trường Đại Học Lạc Hồng
• Chuyên ngành: Công Nghệ Thông Tin
• Đề tài: Sử Dụng Deep Learning Hỗ Trợ Chẩn Đoán Một Số Bệnh Về Viêm Họng Qua Ảnh Chụp Nội Soi
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2023
• Địa điểm: Đồng Nai

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• TÓM TẮT LUẬN VĂN
• DANH MỤC TỪ VIẾT TẮT
• DANH MỤC HÌNH
• DANH MỤC BẢNG
• 1. CHƯƠNG 1: KHÁI QUÁT VỀ PHÁT HIỆN ĐỐI TƯỢNG
• 1.1. Các đặc trưng của bệnh viêm họng
• 1.2. Các ứng dụng và nghiên cứu liên quan trong và ngoài nước
• 1.3. Đối tượng, phạm vi nghiên cứu
• 1.4. Nội dung nghiên cứu
• 1.5. Phương pháp thực hiện (Cách thực hiện)
• 1.6. Dự kiến kết quả và bố cục luận văn
• 2. CHƯƠNG 2: LÝ THUYẾT LIÊN QUAN
• 2.1. Mạng thần kinh tích chập (CNN)
• 2.1.1. Lớp tích chập
• 2.1.2. Lớp kích hoạt
• 2.1.3. Lớp kết nối đầy đủ
• 2.2. Yolo
• 2.2.1. Các khái niệm, ứng dụng và phiên bản
• 2.2.2. Kiến trúc Yolo
• 2.2.3. Hàm tính IOU
• 2.2.4. Các phiên bản Yolo
• 3. CHƯƠNG 3: XÂY DỰNG DATASET
• 3.1. Chuẩn bị dataset
• 3.2. Gán nhãn dữ liệu
• 4. CHƯƠNG 4: THIẾT LẬP MÔI TRƯỜNG, THỬ NGHIỆM MODEL, ỨNG DỤNG DEMO VÀ ĐÁNH GIÁ KẾT QUẢ
• 4.1. Môi trường ứng dụng
• 4.2. Thử nghiệm model
• 4.3. Thiết kế và thực hiện ứng dụng Demo
• 5. CHƯƠNG 5: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• 5.1. Kết quả đạt được và đóng góp chính của luận văn
• 5.2. Hạn chế và hướng phát triển
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Về Ứng Dụng Deep Learning Chẩn Đoán Viêm Họng

Viêm họng là một bệnh lý phổ biến, ảnh hưởng đến mọi lứa tuổi và giới tính. Việc chẩn đoán sớm và chính xác là vô cùng quan trọng để điều trị hiệu quả và ngăn ngừa các biến chứng. Tuy nhiên, việc chẩn đoán thủ công có thể tốn thời gian và phụ thuộc vào kinh nghiệm của bác sĩ. Do đó, việc ứng dụng công nghệ deep learning để hỗ trợ chẩn đoán bệnh viêm họng qua ảnh nội soi hứa hẹn mang lại nhiều lợi ích, giúp tăng tốc độ và độ chính xác của quá trình chẩn đoán. Nghiên cứu của Tạ Thanh Tâm (2023) đã chỉ ra tiềm năng to lớn của deep learning trong việc này, mở ra hướng đi mới cho việc ứng dụng trí tuệ nhân tạo trong y tế. Ứng dụng này không chỉ hỗ trợ bác sĩ mà còn giảm tải cho hệ thống y tế đang ngày càng quá tải. Việc sử dụng ảnh nội soi họng deep learning giúp chẩn đoán khách quan và chính xác hơn.

1.1. Tầm Quan Trọng Của Chẩn Đoán Sớm Viêm Họng

Chẩn đoán sớm viêm họng giúp ngăn ngừa các biến chứng nguy hiểm như viêm cầu thận cấp, thấp tim và các bệnh nhiễm trùng lan rộng. Phát hiện sớm giúp bệnh nhân được điều trị kịp thời, giảm thời gian phục hồi và chi phí điều trị. Theo nghiên cứu, việc chẩn đoán chậm trễ có thể dẫn đến tăng nguy cơ kháng kháng sinh và các vấn đề sức khỏe nghiêm trọng khác. Deep learning hỗ trợ chẩn đoán nhanh chóng và chính xác, góp phần cải thiện chất lượng chăm sóc sức khỏe cộng đồng. Chẩn đoán sớm cũng giúp bác sĩ đưa ra phác đồ điều trị phù hợp nhất cho từng bệnh nhân.

1.2. Giới Thiệu Về Kỹ Thuật Nội Soi Họng

Nội soi họng là một phương pháp chẩn đoán hình ảnh trực quan cho phép bác sĩ quan sát trực tiếp niêm mạc họng, thanh quản và các cấu trúc lân cận. Kỹ thuật này sử dụng một ống nội soi mềm hoặc cứng, có gắn camera và đèn chiếu sáng, để đưa vào họng qua đường mũi hoặc miệng. Nội soi họng giúp phát hiện các bất thường như viêm nhiễm, loét, khối u hoặc dị vật. Hình ảnh nội soi có độ phân giải cao cung cấp thông tin chi tiết về tình trạng bệnh, giúp bác sĩ đưa ra chẩn đoán chính xác hơn. Việc kết hợp ảnh nội soi họng deep learning giúp tối ưu hóa quy trình chẩn đoán.

II. Thách Thức Trong Chẩn Đoán Viêm Họng Bằng Phương Pháp Truyền Thống

Chẩn đoán viêm họng bằng phương pháp truyền thống, dựa vào thăm khám lâm sàng và đánh giá chủ quan của bác sĩ, thường gặp phải một số thách thức. Sự khác biệt về kinh nghiệm và trình độ chuyên môn giữa các bác sĩ có thể dẫn đến sự không nhất quán trong chẩn đoán. Các triệu chứng của viêm họng có thể tương tự với các bệnh lý khác, gây khó khăn cho việc phân biệt. Việc đánh giá mức độ nghiêm trọng của viêm họng cũng mang tính chủ quan và có thể bị ảnh hưởng bởi các yếu tố bên ngoài. Theo Tạ Thanh Tâm (2023), cần có một phương pháp khách quan và chính xác hơn để hỗ trợ bác sĩ trong quá trình chẩn đoán. Do đó, việc sử dụng trí tuệ nhân tạo chẩn đoán viêm họng là một giải pháp tiềm năng.

2.1. Tính Chủ Quan Trong Đánh Giá Triệu Chứng Lâm Sàng

Việc đánh giá triệu chứng lâm sàng của viêm họng như đau họng, sưng tấy, đỏ rát thường mang tính chủ quan và phụ thuộc vào kinh nghiệm của bác sĩ. Các triệu chứng này có thể khác nhau ở mỗi bệnh nhân và có thể bị ảnh hưởng bởi các yếu tố như độ tuổi, tình trạng sức khỏe và các bệnh lý kèm theo. Việc không có một tiêu chuẩn khách quan để đánh giá triệu chứng có thể dẫn đến sự khác biệt trong chẩn đoán giữa các bác sĩ khác nhau. Sự không nhất quán này có thể ảnh hưởng đến chất lượng điều trị và kết quả của bệnh nhân.

2.2. Khó Khăn Trong Phân Biệt Các Loại Viêm Họng

Có nhiều loại viêm họng khác nhau, gây ra bởi các tác nhân khác nhau như vi khuẩn, virus hoặc nấm. Mỗi loại viêm họng có thể có các triệu chứng và biểu hiện lâm sàng khác nhau. Việc phân biệt các loại viêm họng này đòi hỏi bác sĩ phải có kiến thức chuyên môn sâu rộng và kinh nghiệm thực tế. Tuy nhiên, trong nhiều trường hợp, các triệu chứng của các loại viêm họng có thể tương tự nhau, gây khó khăn cho việc phân biệt. Chẩn đoán sai loại viêm họng có thể dẫn đến việc sử dụng thuốc không hiệu quả và kéo dài thời gian điều trị.

III. Cách Deep Learning Hỗ Trợ Chẩn Đoán Viêm Họng Qua Ảnh Nội Soi

Công nghệ deep learning cung cấp một giải pháp tiềm năng để vượt qua những thách thức trong chẩn đoán viêm họng bằng phương pháp truyền thống. Mô hình deep learning chẩn đoán bệnh có khả năng học hỏi từ lượng lớn dữ liệu hình ảnh nội soi, tự động trích xuất các đặc trưng quan trọng và phân loại các loại viêm họng khác nhau với độ chính xác cao. Việc sử dụng xử lý ảnh y tế deep learning giúp giảm thiểu tính chủ quan trong đánh giá và cung cấp một công cụ hỗ trợ khách quan cho bác sĩ. Theo nghiên cứu của Tạ Thanh Tâm (2023), mô hình mạng nơ-ron tích chập (CNN) chẩn đoán viêm họng cho kết quả hứa hẹn.

3.1. Ứng Dụng Mạng Nơ ron Tích Chập CNN Trong Phân Tích Ảnh

Mạng nơ-ron tích chập (CNN) là một loại mô hình deep learning đặc biệt phù hợp cho việc phân tích hình ảnh. CNN có khả năng tự động học các đặc trưng quan trọng từ hình ảnh, chẳng hạn như đường viền, góc cạnh và kết cấu. Bằng cách sử dụng các lớp tích chập và gộp, CNN có thể trích xuất các đặc trưng này một cách hiệu quả và tạo ra một biểu diễn hình ảnh có tính khái quát cao. Biểu diễn này sau đó có thể được sử dụng để phân loại hoặc phát hiện các đối tượng trong hình ảnh. Trong lĩnh vực chẩn đoán bệnh bằng hình ảnh, CNN đã được chứng minh là có hiệu quả trong việc phát hiện các bệnh lý khác nhau, bao gồm ung thư, bệnh tim mạch và bệnh thần kinh.

3.2. Quy Trình Xây Dựng Mô Hình Deep Learning Chẩn Đoán Viêm Họng

Quy trình xây dựng mô hình deep learning chẩn đoán viêm họng bao gồm các bước sau: Thu thập và chuẩn bị dữ liệu: Thu thập một bộ dữ liệu lớn các ảnh nội soi họng đã được gán nhãn bởi các chuyên gia. Chia dữ liệu thành tập huấn luyện, tập kiểm tra và tập xác thực. Xây dựng kiến trúc mô hình: Lựa chọn một kiến trúc CNN phù hợp, chẳng hạn như ResNet, Inception hoặc EfficientNet. Điều chỉnh kiến trúc để phù hợp với bài toán phân loại ảnh viêm họng. Huấn luyện mô hình: Sử dụng tập huấn luyện để huấn luyện mô hình. Theo dõi hiệu suất của mô hình trên tập kiểm tra và tập xác thực để điều chỉnh các siêu tham số. Đánh giá mô hình: Sử dụng tập kiểm tra để đánh giá hiệu suất cuối cùng của mô hình. Tính toán các chỉ số đánh giá như độ chính xác, độ nhạy và độ đặc hiệu.

3.3. Các Yếu Tố Ảnh Hưởng Đến Độ Chính Xác Của Mô Hình

Độ chính xác của mô hình deep learning chẩn đoán viêm họng bị ảnh hưởng bởi nhiều yếu tố: Chất lượng và số lượng dữ liệu huấn luyện: Dữ liệu huấn luyện cần phải đủ lớn, đa dạng và có chất lượng cao. Kiến trúc mô hình: Lựa chọn kiến trúc mô hình phù hợp là rất quan trọng. Siêu tham số: Điều chỉnh các siêu tham số một cách cẩn thận có thể cải thiện hiệu suất của mô hình. Kỹ thuật tiền xử lý ảnh: Sử dụng các kỹ thuật tiền xử lý ảnh như tăng cường độ tương phản và loại bỏ nhiễu có thể cải thiện chất lượng hình ảnh và giúp mô hình học tốt hơn.

IV. Ứng Dụng Thực Tế Kết Quả Nghiên Cứu Về Chẩn Đoán Viêm Họng AI

Nghiên cứu của Tạ Thanh Tâm (2023) đã thử nghiệm mô hình deep learning trên bộ dữ liệu ảnh nội soi họng và cho thấy kết quả đầy hứa hẹn. Mô hình có khả năng phân loại các loại viêm họng khác nhau với độ chính xác cao, vượt trội so với phương pháp chẩn đoán truyền thống. Ứng dụng này có thể được tích hợp vào các thiết bị nội soi, giúp bác sĩ chẩn đoán nhanh chóng và chính xác hơn. Việc sử dụng ứng dụng AI trong y tế giúp giảm thiểu thời gian chờ đợi của bệnh nhân và cải thiện chất lượng dịch vụ y tế. Kết quả này cho thấy tiềm năng to lớn của công nghệ deep learning trong chẩn đoán y khoa.

4.1. Đánh Giá Hiệu Quả Mô Hình Trên Dữ Liệu Thực Tế

Để đánh giá hiệu quả của mô hình deep learning, cần thực hiện thử nghiệm trên dữ liệu thực tế từ các bệnh viện và phòng khám. So sánh kết quả chẩn đoán của mô hình với kết quả chẩn đoán của các chuyên gia. Tính toán các chỉ số đánh giá như độ chính xác, độ nhạy, độ đặc hiệu và F1-score. Phân tích các trường hợp mà mô hình chẩn đoán sai để hiểu rõ hơn về điểm yếu của mô hình và cải thiện hiệu suất. Thực hiện so sánh với các phương pháp chẩn đoán truyền thống để đánh giá mức độ cải thiện về độ chính xác và thời gian chẩn đoán.

4.2. Triển Vọng Ứng Dụng Trong Thực Tế Lâm Sàng

Mô hình deep learning có thể được tích hợp vào các thiết bị nội soi để cung cấp hỗ trợ chẩn đoán trực tiếp cho bác sĩ. Mô hình có thể được sử dụng để sàng lọc bệnh nhân có nguy cơ cao mắc viêm họng và ưu tiên khám cho những bệnh nhân này. Ứng dụng có thể giúp bác sĩ chẩn đoán nhanh chóng và chính xác hơn, đặc biệt là trong các trường hợp khó. Việc ứng dụng công nghệ này giúp giảm thiểu sai sót trong chẩn đoán và cải thiện chất lượng chăm sóc sức khỏe cho bệnh nhân.

4.3. Những Lợi Ích Cụ Thể Cho Bác Sĩ và Bệnh Nhân

Đối với bác sĩ, mô hình deep learning giúp giảm tải công việc, tăng độ chính xác và tốc độ chẩn đoán. Nó cung cấp một công cụ khách quan để hỗ trợ đưa ra quyết định điều trị. Đối với bệnh nhân, chẩn đoán nhanh chóng và chính xác giúp giảm thời gian chờ đợi, chi phí điều trị và nguy cơ biến chứng. Bệnh nhân được tiếp cận với các phương pháp điều trị tiên tiến và hiệu quả hơn. Ứng dụng giúp nâng cao chất lượng cuộc sống và sức khỏe cộng đồng.

V. Kết Luận và Hướng Phát Triển Của Deep Learning Chẩn Đoán Bệnh

Ứng dụng deep learning chẩn đoán viêm họng qua ảnh nội soi mở ra một tương lai đầy hứa hẹn cho ngành y tế. Nghiên cứu của Tạ Thanh Tâm (2023) chứng minh tiềm năng to lớn của học sâu trong chẩn đoán hình ảnh viêm họng. Tuy nhiên, cần tiếp tục nghiên cứu và phát triển để cải thiện độ chính xác và độ tin cậy của mô hình. Trong tương lai, mô hình có thể được mở rộng để chẩn đoán các bệnh lý khác liên quan đến họng và thanh quản, góp phần nâng cao chất lượng chăm sóc sức khỏe cho cộng đồng.

5.1. Tóm Tắt Các Kết Quả Đạt Được Trong Nghiên Cứu

Nghiên cứu đã xây dựng và huấn luyện thành công mô hình deep learning có khả năng phân loại các loại viêm họng khác nhau với độ chính xác cao. Mô hình đã được thử nghiệm trên dữ liệu thực tế và cho thấy kết quả hứa hẹn. Nghiên cứu đã đóng góp vào việc khám phá tiềm năng của học sâu trong chẩn đoán hình ảnh viêm họng. Nghiên cứu cũng đã đề xuất các hướng phát triển tiếp theo để cải thiện hiệu suất và ứng dụng của mô hình.

5.2. Hướng Nghiên Cứu Tiếp Theo và Phát Triển Ứng Dụng

Các hướng nghiên cứu tiếp theo có thể tập trung vào việc thu thập thêm dữ liệu để tăng cường độ chính xác của mô hình, sử dụng các kiến trúc mô hình deep learning tiên tiến hơn và tích hợp thêm thông tin lâm sàng vào mô hình. Phát triển ứng dụng thực tế để bác sĩ có thể sử dụng trong quá trình chẩn đoán. Nghiên cứu cũng cần tập trung vào việc đảm bảo tính bảo mật và riêng tư của dữ liệu bệnh nhân.

Nội dung chính

Tổng quan nghiên cứu

Viêm họng là một trong những bệnh lý phổ biến thuộc hệ hô hấp trên, ảnh hưởng đến mọi đối tượng với tỷ lệ mắc bệnh do virus chiếm khoảng 60-80%, phần còn lại do vi khuẩn gây ra. Tình trạng ô nhiễm môi trường, điều kiện sống và làm việc khắc nghiệt đã làm gia tăng đáng kể số ca viêm họng, gây áp lực lớn lên hệ thống y tế trong việc chẩn đoán và điều trị. Việc phát hiện sớm và chính xác các bệnh về viêm họng là yếu tố then chốt giúp nâng cao hiệu quả điều trị, giảm thiểu biến chứng và cải thiện chất lượng cuộc sống người bệnh.

Luận văn tập trung nghiên cứu ứng dụng công nghệ deep learning, đặc biệt là mô hình YOLO (You Only Look Once), để hỗ trợ chẩn đoán một số bệnh viêm họng thông qua ảnh chụp nội soi tai mũi họng. Mục tiêu chính là xây dựng hệ thống nhận diện tự động các bệnh lý viêm họng dựa trên hình ảnh nội soi, giúp giảm tải công việc cho bác sĩ, tăng tốc độ và độ chính xác trong chẩn đoán. Nghiên cứu được thực hiện trên bộ dữ liệu hơn 2000 ảnh nội soi được gán nhãn kỹ lưỡng, thu thập từ các bệnh viện tại Việt Nam trong năm 2023.

Ý nghĩa của nghiên cứu thể hiện qua việc ứng dụng trí tuệ nhân tạo trong y tế, góp phần nâng cao chất lượng khám chữa bệnh, giảm thiểu sai sót trong chẩn đoán và hỗ trợ bác sĩ ra quyết định nhanh chóng. Kết quả nghiên cứu có thể mở rộng ứng dụng trong các lĩnh vực y tế khác, đồng thời thúc đẩy phát triển công nghệ thị giác máy tính trong chăm sóc sức khỏe.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu dựa trên các lý thuyết và mô hình học sâu trong lĩnh vực thị giác máy tính, bao gồm:

• Mạng thần kinh tích chập (Convolutional Neural Network - CNN): Là mô hình chủ đạo trong việc trích xuất đặc trưng từ ảnh, CNN gồm các lớp tích chập, giảm mẫu, kích hoạt phi tuyến và kết nối đầy đủ. CNN giúp tự động học các đặc trưng phức tạp từ dữ liệu hình ảnh, tăng độ chính xác nhận diện.

• Thuật toán YOLO (You Only Look Once): Là mô hình phát hiện đối tượng một bước, cho phép nhận diện và định vị các đối tượng trong ảnh một cách nhanh chóng và chính xác. YOLO chia ảnh đầu vào thành lưới ô vuông, mỗi ô dự đoán các bounding box và xác suất đối tượng. Phiên bản YOLO V8 được sử dụng trong nghiên cứu với nhiều cải tiến về tốc độ và độ chính xác.

• Các khái niệm chính:

  • Intersection over Union (IoU): Đánh giá độ chính xác của bounding box dự đoán so với thực tế.
  • Loss function: Bao gồm các thành phần lỗi phân loại, lỗi định vị và lỗi độ tin cậy, giúp tối ưu hóa mô hình trong quá trình huấn luyện.
  • Anchor box: Các hộp tham chiếu với kích thước khác nhau giúp mô hình dự đoán chính xác hơn các đối tượng có kích thước đa dạng.

Phương pháp nghiên cứu

• Nguồn dữ liệu: Bộ dữ liệu gồm hơn 2000 ảnh nội soi tai mũi họng được thu thập từ các bệnh viện tại Việt Nam, được gán nhãn chi tiết các bệnh viêm họng như viêm amidan, viêm thanh đới, viêm thanh quản.

• Phương pháp chọn mẫu: Ảnh được lựa chọn kỹ càng đảm bảo chất lượng cao, rõ nét, có đặc trưng bệnh lý rõ ràng để phục vụ huấn luyện mô hình.

• Phương pháp phân tích:

  • Tiền xử lý ảnh bao gồm chuẩn hóa kích thước, tăng cường dữ liệu để cải thiện khả năng tổng quát của mô hình.
  • Huấn luyện mô hình YOLO V8 trên bộ dữ liệu đã gán nhãn, sử dụng thuật toán tối ưu gradient descent để giảm hàm lỗi tổng thể.
  • Thử nghiệm mô hình với các epoch khác nhau (60, 100) để đánh giá độ chính xác và tốc độ nhận diện.
  • Xây dựng phần mềm demo hỗ trợ nhận diện bệnh qua ảnh nội soi, đánh giá hiệu quả thực tế.

• Timeline nghiên cứu:

  • Thu thập và xử lý dữ liệu: 3 tháng
  • Huấn luyện và thử nghiệm mô hình: 4 tháng
  • Xây dựng ứng dụng demo và đánh giá: 2 tháng
  • Tổng kết và hoàn thiện luận văn: 1 tháng

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Hiệu quả nhận diện bệnh viêm họng: Mô hình YOLO V8 đạt độ chính xác trung bình (mAP) trên 85% trong việc phát hiện các bệnh viêm họng qua ảnh nội soi, vượt trội so với các phiên bản YOLO trước đó như V3 và V5 với mức chênh lệch khoảng 10-15%.

2. Tốc độ xử lý: Mô hình có khả năng nhận diện theo thời gian thực với tốc độ xử lý trên 30 khung hình mỗi giây trên GPU tiêu chuẩn, giúp ứng dụng trong môi trường y tế thực tế.

3. Độ nhạy và độ đặc hiệu: Độ nhạy trong phát hiện viêm amidan đạt khoảng 90%, viêm thanh đới 88%, viêm thanh quản 85%, cho thấy mô hình có khả năng phát hiện chính xác các bệnh lý phổ biến.

4. Bộ dữ liệu và gán nhãn: Bộ dữ liệu hơn 2000 ảnh được gán nhãn chi tiết, giúp mô hình học được các đặc trưng bệnh lý đa dạng, tăng khả năng tổng quát hóa khi áp dụng trên dữ liệu mới.

Thảo luận kết quả

Kết quả cho thấy việc ứng dụng deep learning, đặc biệt là mô hình YOLO V8, có thể hỗ trợ hiệu quả trong chẩn đoán các bệnh viêm họng qua ảnh nội soi. Độ chính xác và tốc độ xử lý cao giúp giảm tải công việc cho bác sĩ, đồng thời nâng cao chất lượng chẩn đoán. So với các nghiên cứu trước đây sử dụng YOLO V3 hoặc các mô hình R-CNN, nghiên cứu này đã cải thiện đáng kể về mặt hiệu suất và khả năng ứng dụng thực tế.

Nguyên nhân thành công đến từ việc sử dụng bộ dữ liệu lớn, chất lượng cao và các kỹ thuật tăng cường dữ liệu, cùng với kiến trúc mạng tối ưu của YOLO V8. Tuy nhiên, một số hạn chế vẫn tồn tại như yêu cầu cấu hình GPU mạnh để huấn luyện và xử lý, cũng như khả năng nhận diện các đối tượng nhỏ hoặc phức tạp còn hạn chế.

Dữ liệu có thể được trình bày qua biểu đồ so sánh độ chính xác (mAP) giữa các phiên bản YOLO, bảng thống kê độ nhạy và độ đặc hiệu theo từng loại bệnh, cũng như biểu đồ tốc độ xử lý khung hình trên giây (FPS) để minh họa hiệu quả mô hình.

Đề xuất và khuyến nghị

1. Mở rộng bộ dữ liệu huấn luyện: Thu thập thêm ảnh nội soi từ nhiều bệnh viện và đa dạng các bệnh lý viêm họng để tăng khả năng tổng quát hóa của mô hình. Thời gian thực hiện dự kiến 6-12 tháng, do các trung tâm y tế phối hợp.

2. Tối ưu hóa mô hình cho thiết bị cấu hình thấp: Phát triển phiên bản mô hình nhẹ hơn (như YOLO-tiny) để ứng dụng trên các thiết bị y tế có cấu hình hạn chế, giúp mở rộng phạm vi sử dụng. Thời gian nghiên cứu và phát triển khoảng 3-6 tháng.

3. Tích hợp hệ thống vào quy trình khám chữa bệnh: Đề xuất triển khai phần mềm hỗ trợ chẩn đoán tại các phòng khám tai mũi họng, giúp bác sĩ có công cụ hỗ trợ nhanh chóng và chính xác. Chủ thể thực hiện là các bệnh viện và trung tâm y tế, thời gian thử nghiệm 6 tháng.

4. Đào tạo và nâng cao nhận thức cho nhân viên y tế: Tổ chức các khóa đào tạo về sử dụng công nghệ AI trong chẩn đoán bệnh, giúp nhân viên y tế làm quen và khai thác hiệu quả hệ thống. Thời gian đào tạo 3 tháng, do các trường đại học và bệnh viện phối hợp thực hiện.

Đối tượng nên tham khảo luận văn

1. Bác sĩ chuyên khoa Tai Mũi Họng: Nghiên cứu cung cấp công cụ hỗ trợ chẩn đoán chính xác và nhanh chóng, giúp giảm tải công việc và nâng cao hiệu quả điều trị.

2. Chuyên gia công nghệ thông tin trong y tế: Tham khảo phương pháp ứng dụng deep learning và YOLO trong xử lý ảnh y tế, từ đó phát triển các giải pháp tương tự cho các bệnh lý khác.

3. Nhà quản lý y tế và bệnh viện: Đánh giá tiềm năng ứng dụng công nghệ AI trong nâng cao chất lượng khám chữa bệnh, từ đó hoạch định chính sách đầu tư và triển khai.

4. Sinh viên và nghiên cứu sinh ngành Công nghệ Thông tin, Y sinh: Học hỏi quy trình xây dựng bộ dữ liệu, huấn luyện mô hình và phát triển ứng dụng thực tế trong lĩnh vực y tế.

Câu hỏi thường gặp

1. Deep learning có thể thay thế hoàn toàn bác sĩ trong chẩn đoán viêm họng không?
   Không, deep learning chỉ hỗ trợ bác sĩ trong việc nhận diện và phân tích hình ảnh, giúp tăng độ chính xác và tốc độ chẩn đoán. Quyết định cuối cùng vẫn do bác sĩ đưa ra dựa trên tổng thể các yếu tố lâm sàng.

2. Bộ dữ liệu ảnh nội soi có đủ đa dạng để mô hình hoạt động hiệu quả không?
   Bộ dữ liệu gồm hơn 2000 ảnh được gán nhãn kỹ lưỡng, đảm bảo đa dạng các bệnh lý viêm họng phổ biến. Tuy nhiên, mở rộng dữ liệu sẽ giúp mô hình tổng quát hơn và giảm sai sót khi áp dụng thực tế.

3. Mô hình YOLO V8 có thể áp dụng cho các bệnh lý khác ngoài viêm họng không?
   Có, YOLO V8 là mô hình phát hiện đối tượng đa năng, có thể được huấn luyện lại với bộ dữ liệu phù hợp để nhận diện các bệnh lý khác qua hình ảnh y tế như ung thư, tổn thương da, sâu răng.

4. Yêu cầu phần cứng để chạy mô hình này là gì?
   Để huấn luyện mô hình cần GPU mạnh như NVIDIA RTX series. Đối với chạy mô hình (inference), có thể sử dụng GPU hoặc phiên bản tối ưu cho CPU với tốc độ xử lý chậm hơn.

5. Phần mềm demo có thể tích hợp vào hệ thống bệnh viện hiện tại không?
   Phần mềm được thiết kế với giao diện thân thiện, có thể tích hợp vào hệ thống quản lý hình ảnh y tế (PACS) hiện có, hỗ trợ bác sĩ trong quá trình khám và chẩn đoán.

Kết luận

• Nghiên cứu đã xây dựng thành công hệ thống hỗ trợ chẩn đoán một số bệnh viêm họng qua ảnh nội soi sử dụng mô hình deep learning YOLO V8 với độ chính xác trên 85%.
• Bộ dữ liệu hơn 2000 ảnh nội soi được gán nhãn chi tiết là nền tảng quan trọng giúp mô hình học hiệu quả.
• Mô hình đạt tốc độ xử lý theo thời gian thực, phù hợp ứng dụng trong môi trường y tế thực tế.
• Các đề xuất mở rộng dữ liệu, tối ưu mô hình và tích hợp hệ thống sẽ giúp nâng cao hiệu quả và phạm vi ứng dụng.
• Giai đoạn tiếp theo là triển khai thử nghiệm tại các bệnh viện, đào tạo nhân viên y tế và phát triển phiên bản mô hình nhẹ hơn để mở rộng ứng dụng.

Luận văn khuyến khích các nhà nghiên cứu và chuyên gia y tế tiếp tục phát triển và ứng dụng công nghệ AI trong chẩn đoán và điều trị, góp phần nâng cao chất lượng chăm sóc sức khỏe cộng đồng.

Trích đoạn nội dung tài liệu

Chương 1: Tổng quan bài toán phát hiện đối tượng trong ảnh. Mô tả khái quát lý do chọn đề tài, tìm hiểu các bài toán chuyên đề nhận diện trong và ngoài nước nêu bật sự cần thiết của việc nghiên cứu nhận diện, phát hiện các đối tượng thông qua các hình ảnh từ các camera nội soi trong y tế, nắm được các vấn đề và những điều đóng góp được của luận văn. Chương 2: Các lý thuyết liên quan. Nêu lên các lý thuyết phục vụ cho việc nhận dạng hình ảnh nói chung và Yolo nói riêng.

Giới thiệu về các đặc trưng của Yolo. Chương 3: Xây dựng dataset và demo ứng dụng phát hiện bệnh. Rút trích, phân loại dán nhãn các hình ảnh và tạo nên bộ CSDL mới có mục đích. Ứng dụng Deep Learning để thiết kế hệ thống hỗ trợ chẩn đoán bệnh thông qua camera nội soi y tế.

Chương 4: Thử nghiệm và đánh giá kết quả với bộ dữ liệu tự tạo. Thực hiện thử nghiệm rút ra kết luận, từ đó đưa ra các ưu và khuyết điểm của phương pháp được dùng trong luận văn. Chương 5:Kết luận và hướng phát triển. Thống kê đưa ra các kết luận, và phân tích các vấn đề của hệ thống.

Suy ra những điều học được và định hướng phát triển của hệ thống 7 CHƯƠNG 2 LÝ THUYẾT LIÊN QUAN Với sự phát triển nhanh chóng về kiến thức và trí tuệ trong việc sử dụng và khai thác công nghệ trong thời đại ngày nay. Các hệ thống máy móc và sản phẩm có trên thị trường đã và đang phục vụ con người ngày càng tốt hơn. Các sản phẩm và dịch vụ đang hiểu mọi người nhiều hơn mức họ nghĩ. Đó là nhờ sự phát triển không ngừng của một thế hệ máy móc mới, mang trong mình những khái niệm kỹ thuật vượt bậc.

Đó là những hệ thống có tích hợp trí tuệ nhân tạo.1 ANN Mạng thần kinh nhân tạo là một công cụ hữu ích để giải quyết các bài toán khó trong nhiều lĩnh vực khác nhau. Một trong những ứng dụng quan trọng của mạng thần kinh là trong lĩnh vực thị giác máy tính, nơi nó được sử dụng để phân loại và nhận diện hình ảnh, như phát hiện khuôn mặt, nhận dạng biển số xe, hay phát hiện các vật thể trong ảnh. Trong mạng thần kinh, các thần kinh thường được tổ chức thành các lớp, với mỗi lớp đại diện cho một cấp độ xử lý khác nhau. Lớp đầu tiên là lớp đầu vào, lớp cuối cùng là lớp đầu ra, và các lớp ở giữa được gọi là lớp ẩn.

Mỗi thần kinh trong mạng tính toán một giá trị đầu ra dựa trên các giá trị đầu vào của nó và các trọng số liên kết với các thần kinh khác. Chúng được huấn luyện thông qua một quá trình tối ưu hóa để tìm ra bộ trọng số tối ưu cho mạng. Quá trình huấn luyện này bao gồm việc cung cấp cho mạng một tập dữ liệu đầu vào đã biết đầu ra đúng, và sử dụng các kỹ thuật tối ưu hóa để cập nhật các trọng số liên kết giữa các thần kinh. Mục tiêu của quá trình huấn luyện là để cải thiện độ chính xác của dự đoán đầu ra của mạng.

Mạng thần kinh nhân tạo được tổ chức thành các lớp liên kết với nhau qua các trọng số. Kiến trúc cơ bản của mạng thần kinh gồm: Lớp đầu vào (input layer): Lớp này chứa các thần kinh đại diện cho các đặc trưng đầu vào của mạng. Số lượng thần kinh trong lớp này phụ thuộc vào số lượng 8 đặc trưng đầu vào của bài toán. Các lớp ẩn (hidden layers): Đây là các lớp nằm giữa lớp đầu vào và lớp đầu ra.

Mỗi lớp ẩn chứa nhiều thần kinh, và mỗi thần kinh trong lớp này tính toán giá trị đầu ra của mình dựa trên giá trị đầu vào từ các thần kinh trong lớp trước đó, kết hợp với trọng số tương ứng. Lớp đầu ra (output layer): Lớp này chứa các thần kinh đại diện cho kết quả dự đoán của mạng. Số lượng thần kinh trong lớp này phụ thuộc vào số lượng lớp đầu ra của bài toán. 1Mô tả mạng thần kinh nhân tạo Quá trình hoạt độngcủa mạng thần kinh nhân gồm các quá trình như khởi tạo, truyền thuận, tính toán lỗi, truyền ngược, cập nhật trọng số.

Trước khi mạng bắt đầu hoạt động, các trọng số giữa các thần kinh được khởi tạo với các giá trị ngẫu nhiên nhỏ. Dữ liệu đầu vào được truyền qua các thần kinh ở lớp đầu vào, được nhân với các trọng số và tổng hợp lại để tính toán giá trị đầu ra của mỗi thần kinh trong lớp ẩn. Giá trị đầu ra này được truyền qua các liên kết đến các thần kinh ở lớp tiếp theo cho đến khi giá trị đầu ra cuối cùng của mạng được tính toán. Sau khi tính toán được giá trị đầu ra của mạng, một hàm mất mát (loss function) được sử dụng để tính toán sai số giữa kết quả dự đoán và giá trị đầu ra thực tế.

Hàm mất mát thường được thiết kế để đo lường độ chính xác của mô hình. Sau đó, quá trình truyền ngược được sử dụng để điều chỉnh trọng số của các liên kết giữa các thần kinh. Quá trình này đảm bảo rằng sai số giữa dự đoán và giá trị đầu ra thực tế được giảm thiểu. Sau khi tính toán được 9 độ lỗi, trọng số được điều chỉnh bằng cách sử dụng một thuật toán tối ưu hoá như gradient descent.

Thuật toán này tìm kiếm giá trị tối ưu của trọng số sao cho sai số giữa dự đoán và giá trị đầu ra thực tế được giảm thiểu. Kết quả thu được sẽ được đưa qua một hàm kích hoạt (Activation Function) để quyết định xem thần kinh đó có được phép hoạt động và cập nhập dữ liệu mới trên mô hình mạng hay không. Hàm kích hoạt giúp mô hình có thể học hỏi các mối quan hệ phức tạp của dữ liệu, và đa phần không phải là tuyến tính. Do đó, các hàm kích hoạt đều là hàm phi tuyến, với các công thức hàm khác nhau tùy thuộc vào hàm kích hoạt sử dụng, ví dụ như hàm kích hoạt Sigmoid với công thức như sau: 1 𝑓(𝑥) = 1 + 𝑒 −𝑥 Các quá trình trên được lặp lại cho đến khi mô hình đạt được độ chính xác mong muốn hoặc đến khi hàm mất mát đạt giá trị tối thiểu.

Sau khi kết thúc chuỗi quá trình này, mạng thần kinh có thể học cách đưa ra dự đoán chính xác từ các dữ liệu đầu vào. Một số kiến trúc mạng thần kinh phổ biến bao gồm: mạng thần kinh truyền thẳng (feedforward thần kinh network), mạng thần kinh lan truyền ngược (backpropagation thần kinh network), mạng thần kinh tích chập (convolutional thần kinh network), và mạng thần kinh tái tạo tự động (autoencoder thần kinh network). Các kiến trúc này có cấu trúc khác nhau tùy thuộc vào bài toán được giải quyết.2 Mạng thần kinh tích chập (CNN) Mạng thần kinh tích chập (Convolutional Thần kinh Network - CNN) là một loại mạng nơ-ron được thiết kế đặc biệt cho xử lý dữ liệu có cấu trúc đặc biệt, chẳng hạn như hình ảnh và âm thanh. CNN sử dụng các tầng tích chập để tìm kiếm các đặc trưng (features) cục bộ trong dữ liệu đầu vào, sau đó kết hợp các đặc trưng này để tạo ra các biểu diễn cấp cao hơn của dữ liệu.

Một trong những ưu điểm của CNN là nó có khả năng học các đặc trưng tự động, tức là không cần phải biết trước các đặc trưng cụ thể nào trong dữ liệu. Điều này làm cho CNN rất mạnh mẽ trong việc phân loại hình ảnh và nhận dạng đối tượng. 10 So với mạng nơ-ron truyền thẳng (Artificial Thần kinh Network - ANN), CNN có một số ưu điểm vượt trội. Trong khi ANN xử lý dữ liệu bằng cách đưa toàn bộ dữ liệu đầu vào qua các tầng ẩn liên kết với nhau, thì CNN sử dụng các tầng tích chập để xử lý dữ liệu ở cấp độ cục bộ, giúp mạng nhanh hơn và tiết kiệm bộ nhớ hơn.

Ngoài ra, CNN còn có khả năng học được các đặc trưng cục bộ và không cần phải biết trước các đặc trưng cụ thể của dữ liệu, giúp nó tự động hóa việc trích xuất đặc trưng và có độ chính xác cao hơn khi xử lý dữ liệu ảnh. Tuy nhiên, ANN có thể được sử dụng cho các bài toán khác nhau ngoài việc xử lý dữ liệu ảnh và âm thanh, trong khi CNN thường được sử dụng đặc biệt cho các bài toán liên quan đến ảnh và âm thanh. Mô hình CNN được dùng để bằng cách chuyển đổi qua nhiều lớp thần kinh khác nhau. Tương tự với cấu trúc vỏ não thị giác, CNN sử dụng một chuỗi các lớp thần kinh để nhận diện các đặc trưng của hình ảnh.

Mỗi lớp thần kinh sẽ kích hoạt để nhận diện các đặc trưng đơn giản của hình ảnh, và các lớp ở phía sau sẽ tiếp tục nhận diện các đặc trưng phức tạp hơn. Trong mô hình CNN, mỗi lớp được tính toán bằng cách tích chập lớp trước đó, tạo thành một mô hình truyền tới. Lớp cuối cùng của mô hình sẽ đóng vai trò phân loại hoặc nhận diện ảnh. Thông thường, kiến trúc một mô hình CNN sẽ bao gồm bốn phần chính: Lớp tích chập (Convolutional layer), Lớp giảm mẫu (Pooling layer), Lớp kích hoạt (Activation layer), Lớp kết nối đầy đủ (Fully connected layer).1 Lớp tích chập Đây là lớp quan trọng của mô hình mạng tích chập (CNN).

Nó là lớp đầu tiên được áp dụng trên dữ liệu hình ảnh đầu vào và được sử dụng để trích xuất đặc trưng của hình ảnh đó. Lớp tích chập trong CNN sử dụng một bộ lọc (filter) có kích thước nhỏ hơn hình ảnh đầu vào để trượt qua toàn bộ hình ảnh và tạo ra một ma trận tích chập (convolved feature). Việc lựa chọn siêu tham số như số lượng bộ lọc, kích thước bộ lọc, bước trượt và chế độ lề sẽ ảnh hưởng đến kích thước và đặc tính của ma trận tích 11 chập. Sau khi tính toán ma trận tích chập, một hàm kích hoạt được áp dụng để đưa giá trị qua một hàm phi tuyến để tạo ra đầu ra của lớp tích chập.

Các giá trị đầu ra này sẽ được sử dụng cho lớp tiếp theo của mô hình CNN để tiếp tục trích xuất đặc trưng của hình ảnh đầu vào. Với nhiều lớp tích chập, mô hình CNN có thể trích xuất được những đặc trưng phức tạp và trừu tượng hơn của hình ảnh, giúp cho việc phân loại hay nhận dạng đối tượng trên hình ảnh trở nên chính xác hơn. Như hình sau, với một bức ảnh có kích thước 5x5 và áp dụng một lớp tích chập với một lọc có kích thước 3x3 và sử dụng bước trượt (stride) là 1.