Ứng Dụng Mô Hình Deep Learning Trong Chẩn Đoán Bệnh Võng Mạc Tiểu Đường

Khóa luận tốt nghiệp nghiên cứu tốt nghiệp khoa học máy tính ứng dụng mô hình deep learning trong chẩn đoán các cấp độ bệnh võng, vận dụng lý thuyết vào thực tế, đề xuất giải pháp

• Tác giả: Đoàn Trọng Hải Anh
• Người hướng dẫn: Th.S. Trịnh Huy Hoàng
• Trường học: Trường Đại Học Sư Phạm TPHCM
• Chuyên ngành: Khoa Học Máy Tính
• Đề tài: Ứng Dụng Mô Hình Deep Learning Trong Chẩn Đoán Bệnh Võng Mạc Tiểu Đường
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2023
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• 1. CHƯƠNG 1: GIỚI THIEU
• 1.1. Tinh cấp thiết/ lý do chọn đề tài
• 1.2. Cách tiếp cận, phương pháp, phạm vi nghiên cứu
• 1.3. Phương pháp nghiên cứu
• 1.4. Công trình nghiên cứu liên quan
• 1.5. Tóm tắt nội dung khóa luận tốt nghiệp
• 1.6. Cấu trúc khóa luận tốt nghiệp
• 2. CHƯƠNG 2: CƠ SỞ LY THUYET
• 2.1. Khái quát về bệnh võng mạc tiêu đường
• 2.2. Một số kiến thức về xử lý ảnh số
• 2.3. Phân loại hình ảnh trong thị giác máy tính
• 2.4. Các phương pháp rút trích đặc trưng hình ảnh
• 2.5. Các loại độ đo được sử dụng để đánh giá các mô hình
• 2.6. Hàm mất mát
• 3. CHƯƠNG 3: CÁC PHƯƠNG PHÁP THỰC HIỆN
• 3.1. Mô hình K-Nearest Neighbor (KNN)
• 3.2. Mô hình Random Forest
• 3.3. Mô hình Support Vector Machine (SVM)
• 3.4. Mô hình Naive Bayes
• 3.5. Mô hình dựa trên kiến trúc GoogLeNet
• 3.6. Mô hình Convolutional Neural Network (CNN) đề xuất
• 4. CHƯƠNG 4: CÀI ĐẶT THỰC NGHIỆM, ĐÁNH GIÁ VÀ SO SÁNH
• 4.1. Cấu hình phần cứng
• 4.2. Các ứng dụng, thư viện, module, framework, package cần thiết
• 4.3. Ngôn ngữ lập trình Python
• 4.4. Tiền xử lý dữ liệu
• 4.5. Tăng cường dữ liệu
• 4.6. Cài đặt, huấn luyện và đánh giá mô hình
• 4.7. So sánh các mô hình
• 5. CHƯƠNG 5: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• 5.1. Kết luận
• 5.2. Hướng phát triển
• DANH MỤC BẢNG
• DANH MỤC HÌNH ẢNH
• DANH MỤC THUẬT NGỮ, CHỮ VIẾT TẮT

Tóm tắt

I. Tổng quan về Ứng Dụng Mô Hình Deep Learning Trong Chẩn Đoán Bệnh Võng Mạc Tiểu Đường

Bệnh võng mạc tiểu đường (Diabetic Retinopathy - DR) là một trong những biến chứng nghiêm trọng của bệnh tiểu đường, có thể dẫn đến mù lòa nếu không được phát hiện và điều trị kịp thời. Việc ứng dụng Deep Learning trong chẩn đoán bệnh này đã mở ra nhiều cơ hội mới cho ngành y tế. Mô hình học sâu, đặc biệt là mạng nơ-ron tích chập (CNN), đã chứng minh được khả năng phân loại và chẩn đoán chính xác các cấp độ của bệnh võng mạc tiểu đường thông qua việc phân tích hình ảnh nền võng mạc.

1.1. Khái niệm về Bệnh Võng Mạc Tiểu Đường

Bệnh võng mạc tiểu đường là một tình trạng bệnh lý xảy ra do tổn thương mạch máu trong võng mạc, dẫn đến các triệu chứng như mờ mắt, nhìn đôi và có thể gây mù lòa. Việc phát hiện sớm và điều trị kịp thời là rất quan trọng.

1.2. Tầm quan trọng của Deep Learning trong Y Tế

Deep Learning đã trở thành một công cụ mạnh mẽ trong y tế, giúp cải thiện độ chính xác trong chẩn đoán và điều trị. Các mô hình học sâu có khả năng xử lý và phân tích lượng lớn dữ liệu hình ảnh, từ đó đưa ra những dự đoán chính xác hơn.

II. Vấn Đề và Thách Thức Trong Chẩn Đoán Bệnh Võng Mạc Tiểu Đường

Chẩn đoán bệnh võng mạc tiểu đường gặp nhiều thách thức, bao gồm việc nhận diện các triệu chứng sớm và phân loại chính xác các cấp độ bệnh. Các bác sĩ thường phải đối mặt với khối lượng lớn hình ảnh và dữ liệu, điều này có thể dẫn đến sai sót trong chẩn đoán. Việc áp dụng Công Nghệ AI và Deep Learning có thể giúp giảm thiểu những vấn đề này.

2.1. Những Khó Khăn Trong Việc Phát Hiện Sớm

Nhiều bệnh nhân không nhận ra triệu chứng của bệnh võng mạc tiểu đường cho đến khi bệnh đã tiến triển nặng. Điều này làm tăng nguy cơ mất thị lực và gây khó khăn trong việc điều trị.

2.2. Khối Lượng Dữ Liệu Lớn và Độ Chính Xác Thấp

Việc xử lý một lượng lớn hình ảnh y tế đòi hỏi thời gian và công sức lớn. Các phương pháp truyền thống có thể không đủ hiệu quả để đạt được độ chính xác cao trong chẩn đoán.

III. Phương Pháp Deep Learning Để Chẩn Đoán Bệnh Võng Mạc Tiểu Đường

Mô hình Deep Learning như CNN đã được áp dụng để chẩn đoán bệnh võng mạc tiểu đường với độ chính xác cao. Các mô hình này có khả năng học hỏi từ dữ liệu hình ảnh và tự động phân loại các cấp độ bệnh. Việc sử dụng các kỹ thuật như Xử Lý Hình Ảnh và Phân Tích Dữ Liệu là rất quan trọng trong quá trình này.

3.1. Mô Hình CNN Trong Chẩn Đoán

Mô hình CNN được thiết kế để nhận diện các đặc trưng trong hình ảnh, giúp phân loại các cấp độ bệnh võng mạc tiểu đường một cách chính xác. Các lớp tích chập và pooling trong CNN giúp giảm thiểu kích thước dữ liệu đầu vào mà vẫn giữ lại các thông tin quan trọng.

3.2. Kỹ Thuật Tiền Xử Lý Dữ Liệu

Tiền xử lý dữ liệu là bước quan trọng để cải thiện độ chính xác của mô hình. Các kỹ thuật như tăng cường dữ liệu và chuẩn hóa hình ảnh giúp mô hình học tốt hơn từ các dữ liệu đầu vào.

IV. Ứng Dụng Thực Tiễn Của Mô Hình Deep Learning Trong Chẩn Đoán

Nhiều nghiên cứu đã chỉ ra rằng việc áp dụng Deep Learning trong chẩn đoán bệnh võng mạc tiểu đường mang lại kết quả khả quan. Các mô hình CNN đã đạt được độ chính xác lên đến 100% trong một số trường hợp thử nghiệm. Điều này cho thấy tiềm năng lớn của công nghệ trong việc cải thiện chất lượng chăm sóc sức khỏe.

4.1. Kết Quả Nghiên Cứu và Đánh Giá

Các nghiên cứu cho thấy mô hình CNN có độ chính xác cao hơn so với các phương pháp học máy truyền thống như K-NN và SVM. Điều này chứng tỏ rằng Deep Learning có thể là giải pháp hiệu quả cho việc chẩn đoán bệnh võng mạc tiểu đường.

4.2. Ứng Dụng Trong Thực Tế

Nhiều bệnh viện và phòng khám đã bắt đầu áp dụng các mô hình học sâu để hỗ trợ bác sĩ trong việc chẩn đoán bệnh võng mạc tiểu đường, từ đó nâng cao chất lượng dịch vụ y tế.

V. Kết Luận và Hướng Phát Triển Tương Lai

Việc ứng dụng Deep Learning trong chẩn đoán bệnh võng mạc tiểu đường không chỉ giúp nâng cao độ chính xác mà còn giảm tải công việc cho các bác sĩ. Tương lai, công nghệ này có thể được mở rộng để áp dụng cho nhiều bệnh lý khác trong y tế. Cần tiếp tục nghiên cứu và phát triển các mô hình mới để cải thiện hơn nữa khả năng chẩn đoán.

5.1. Tương Lai Của Deep Learning Trong Y Tế

Deep Learning có tiềm năng lớn trong việc cải thiện chẩn đoán và điều trị nhiều bệnh lý khác nhau. Việc phát triển các mô hình mới và cải tiến các kỹ thuật hiện tại sẽ là hướng đi quan trọng trong tương lai.

5.2. Khuyến Nghị Nghiên Cứu Thêm

Cần có thêm nhiều nghiên cứu để đánh giá hiệu quả của các mô hình học sâu trong các tình huống thực tế khác nhau. Việc hợp tác giữa các nhà nghiên cứu và bác sĩ sẽ giúp tối ưu hóa quy trình chẩn đoán và điều trị.

Trích đoạn nội dung tài liệu

Mở đầu - Lý do chọn đề tải - Mục tiêu nghiên cứu - _ Cách tiếp cận, phương pháp, phạm vi nghiên cứu, công trình nghiên cứu liên quan - Tóm tắt nội dung khóa luận - Cấu trúc khoá luận. Chương 2: Cơ sở lý thuyết - Kiến thức cần nắm về bệnh võng mạc tiêu đường - Một số kiến thức về xử lý ảnh số - Phân loại hình anh trong thị giác máy tính - Cac phương pháp rút trích đặc trưng hình anh - Các loại độ đo được sử dung dé đánh giá các mô hình. 17 - Hàm mat mát Chương 3: Các phương pháp giải quyết bai toán. - K-nearest neighbor - Random forest - Support vector machine - Naive Bayes - M6hinh dựa trên kiến trac GoogLeNet - Convolutional Neural Network dé xuất, Chương 4: Cài dat thực nghiệm.

đánh giá va so sánh - Cau hình máy tính - Cài đặt các ứng dung, thư viện, module, framework, package cần thiết - Dữ liệu - Cài đặt, huấn luyện và đánh giá các mô hình -_ So sánh các mô hinh. Chương 5: Kết luận - Kết luận - Hướng phát triển. 18 CHƯƠNG 2: CƠ SỞ LY THUYET 2. Khái quát về bệnh võng mạc tiêu đường: Căn bệnh võng mạc tiêu đường ngày càng trở nên phô biến ở các nước dang phát triển và được xem lả nguyên nhân chính dẫn đến mù loa ở các quốc gia.

Có khoảng 90% các trường hợp tiểu đường tiến triển sau 10-15 năm sẽ phát triển bệnh võng mạc tiểu đường, bất kê loại tiêu đường phụ thuộc vào Insulin hay không [1]. Với hơn 200 triệu người mắc tiêu đường trên toàn cau, nếu không được phát hiện và điều trị kịp thời, các tôn thương của bệnh tại võng mạc như phù hoảng điểm, xuất huyết võng mạc, xuất huyết dịch kính, bong võng mạc sẽ trở nên rất nghiêm trọng và có thê dẫn đến mù loa [10]. Nguyên nhân gây ra bệnh võng mạc tiểu đường: Các mao mạch võng mac bị tôn thương do bệnh tiêu đường, gây tắc vả thiểu máu võng mạc, khiến cơ thẻ kích thích phát triển tân mạch (mạch máu mới) để nuôi đưỡng các vùng võng mạc bị thiểu máu [1]. Tuy nhiên, những tân mach nay mỏng manh và dé vỡ, gây ra các bién chứng như xuất huyết dịch kính và xơ hóa, dẫn đến co kéo và bong võng mạc.

Hoàng điểm (điểm vàng) là trung tâm của võng mạc, đây là nơi có tập trung nhiều tế bao thị giác nhất và là bộ phận quan trọng trong quá trình nhận dạng hình anh. Bệnh tiều đường gây tôn thương trực tiếp đến võng mạc, đặc biệt là hoàng điểm, gây ảnh hưởng đến chức năng thị giác và lam suy giảm tâm nhìn [10]. Các mảng xuất huyết Mạch máu mới tăng sinh Phình mạch Xuất tiết dạng cham Hình 2. 1- Triệu chứng mất bị bệnh wong mạc tiểu đường.

Các giai đoạn bệnh võng mạc tiếu đường 2. Giai đoạn mat chưa mac bệnh: © giai đoạn này, mắt bệnh nhân tiểu đường vẫn chưa bị bệnh võng mạc tiêu đường. 3- Hình anh mat chưa mac bệnh, Newon: Kaewle 2. Giai đoạn bệnh lý võng mạc nén: Đây là giai đoạn đầu tiên của bệnh lý võng mạc do tiêu đường, nơi mao mạch võng mạc bị phình to, xuất hiện xuất huyết nhẹ, chất tiết tích tụ trong võng mạc và phù mạch mau, dan đến tôn thương của võng mạc.

Nếu giai đoạn bệnh lý chưa ảnh hưởng đến khu vực hoàng điểm, thì thị lực của bệnh nhân chưa bị giảm. Tuy nhiên, bệnh nhân có thé cảm thấy các dấu hiệu khác như thấy điểm đen trước mắt hoặc thay đôi về mau sắc. Việc theo đối và điều trị kịp thời rat quan trọng dé ngăn ngừa tình trạng bệnh tram trọng và bao vệ chức năng thị giác [10]. 3- Giai đaạn Bink ff vững mạc nên, Nguồn: Kagele 20 2.

Giai đoạn bệnh lý hoàng điểm: Giảm thị lực ở bệnh nhân tiêu đường, đặc biệt là thé bệnh không phụ thuộc insulin ở độ tuôi từ 50-70 thường do hoàng điểm bị phù. có thê tạo thành nang va đi kèm với thiểu máu nuôi dưỡng cục bộ. Phù hoàng điểm với các xuất tiết cứng quanh hoàng điểm. Đề khắc phục bệnh lý hoàng điểm với triệu chứng giảm thị lực nghiêm trong, bệnh nhân can được khám mắt và điều trị bằng phương pháp laser ngay lập tức dé đạt hiệu quả hỏi phục hoảng điểm nhanh chóng [10].

4- Giai đoạn bệnh ty hoàng diém. Giai đoạn bệnh lý tiên tăng sinh Tôn thương ở võng mạc giai đoạn nay gây nên bởi sự bat thường cung cap máu cho võng mạc, dẫn đến các tôn thương thiểu máu cục bộ, xuất huyết, xuất tiết và phù võng mạc. Tôn thương ở giai đoạn nảy nếu de doa chức năng thị giác hoặc gây thiểu máu cục bộ nặng can chụp võng mạc bằng laser quang đông đẻ phòng biến chứng [10]. $- Giai doan bệnh tứ tiền ting sinh.

Giai đoạn bệnh lý tăng sinh: Trong giai đoạn bệnh lý tăng sinh, các mô mỡ và mô sợi bị chồng chéo và day hon, gây ra sự biến dang và tăng kích thước của võng mạc. Triệu chứng thường gặp trong giai đoạn này bao gồm mở mắt, thị lực giám sút, khó nhìn vào ánh sáng và thậm chí là mất thị lực. Điều trị bệnh võng mạc tiêu đường giai đoạn bệnh lý tăng sinh, các bác sĩ thường khuyến cáo bệnh nhân kiêm tra định kỳ và kiêm soát tốt nồng độ đường huyết, điều trị bằng thuốc hoặc phẫu thuật có thé được đề xuất tùy thuộc vào tinh trạng bệnh lý và mức độ tôn thương của võng mac {10]. 6- Giai doan bệnh lý tăng sink.

Một số kiến thức về xử lý ảnh số: 2. Anh số và điểm ảnh: Anh số là một loại hình ảnh được tạo thành băng cách sử dụng các thuật toán số học và các thiết bị điện tử dé chuyên đổi các tín hiệu quang học thành tín hiệu điện và lưu trữ chúng dưới dạng số. Các ảnh số có thé được lưu trữ, xử lý và chia sẻ dé dang trên các thiết bị điện tử như máy tính, điện thoại thông minh và máy tính bảng. Các ứng dụng của ảnh số rat đa dang, bao gồm trong y học, khoa học vật lý, công nghệ thông tin, nghệ thuật, giải trí và nhiều lĩnh vực khác [1H].

Điểm anh (hay còn gọi là pixel) là đơn vị cơ bản nhất trong một hình ảnh số, Một hình ảnh được tạo thành bởi rất nhiều điểm ảnh, mỗi điềm ảnh có một giá trị mảu sắc và độ sáng cụ thé được lưu trữ dưới dạng các số trong bộ nhớ máy tính. Khi được sắp xếp theo một mạng lưới 2 chiều, các điểm ảnh này tạo thành một hình ảnh hoàn chỉnh. Độ 22 phân giải của một hình ảnh sẽ phụ thuộc vào số lượng điểm anh trên chiều ngang và chiều doc của hình ảnh. Số điểm ảnh càng lớn thì hình ảnh sẽ càng chỉ tiết và chất lượng cảng tốt.

Trong hệ màu RGB, giá trị của mỗi màu (đỏ, xanh lá cây, xanh dương) được biểu dién bằng một số trong khoảng từ 0 đến 255, và mỗi điểm ánh được biéu dién bằng 3 số tương ứng với giá trị của 3 màu này. Độ sáng của một điểm ảnh được biểu diễn bằng một số trong khoảng tir 0 đến 255, trong đó số 0 tương đương với màu den va số 255 tương đương với mau trắng. Giá trị của mỗi điểm ảnh quyết định chất lượng và độ chỉ tiết của hình ảnh, và có vai trò quan trọng trong các ứng đụng đồ họa và xử lý ảnh [H. Ảnh thật Ảnh số Hình 2.

7- Vi dụ minh họa về ảnh số 23 2. Hệ màu RGB: Hệ màu RGB (Red Green Blue) là hệ màu được sử dụng phô biến trong đồ họa vả xử lý hình ảnh. Hệ mau RGB được tạo thành bởi 3 mau cơ bản là do (R), xanh lá cay (G) và xanh dương (B). Mỗi màu được biéu dién bằng một giá try số trong khoảng từ 0 đến 255.

Khi kết hợp các giá trị của các màu nảy, ta có thể tạo ra một loạt các màu khác nhau, bao gom cả màu trăng (255, 255, 255) va mau đen (0, 0, 0) [12]. Tensor: Khi biêu dicen dữ liệu một chiều, ta biêu điện dudi dang vector. Vi dụ, ta có vector v sau đây: y= [vi, Võ; V3a ¿óõa Vn] oped -‹ ~1°A :Ầ sà .2 Pz ^ TT £ Khi biêu dien dữ liệu hai chiêu, ta biêu diễn dưới dạng ma trận. Vi du, ta có ma trận W sau đây: wll --- win wml --- wmn Hình 2.

10- Hink hộp mink hoa về tensor 3 chiêu, Nuuân: Stackoverflow 2. Xứ lý ảnh số: Xử lý ánh số (Digital Image Processing) là một lĩnh vực của khoa học máy tính liên quan đến việc xử lý, phân tích và trích xuất thông tin từ các hình ảnh kỹ thuật số. Nó được áp dụng rộng rãi trong nhiều lĩnh vực, bao gồm y học, công nghiệp, quân sự, an ninh, giải trí và các lĩnh vực khác [12]. Một số kỹ thuật xử lý ảnh số: Thay đôi kích thước ảnh: Thay đôi kích thước của ảnh là một hoạt động quan trọng trong xử lý ảnh số.

Điều nay giúp điều chỉnh kích thước của ảnh dé phù hợp với mục dich sử dụng. Thay đỏi kích thước ảnh có thé được thực hiện bằng nhiều phương pháp khác nhau. Mỗi phương pháp có ưu và nhược điểm riêng, tùy thuộc vào mục đích sử đụng của người dùng mà lựa chọn phương pháp phủ hợp. Trong quá trình thay đôi kích thước anh, người dùng can phải lưu ý đến việc mat mat thông tin và biến dạng hình dang của các đôi tượng trong ảnh, Đề đảm bảo kết quả chính xác, việc kiém tra và điều chỉnh lại kích thước của ảnh là điều rất cần thiết [12].

Tăng độ tương phản cho hình ánh: Tăng độ tương phản trong xứ lý ảnh là quá trình làm tăng độ khác biệt giữa các pixel trong ảnh. Việc tăng độ tương phản có thé giúp cải thiện chất lượng và độ nét của ảnh, làm nỗi bật các chỉ tiết và khuôn mặt, giúp cho người xem dé dàng nhận diện va phân tích các thông tin trong anh. Tuy nhiên, cần phải lưu ý rằng việc tăng độ tương phan quá mức có thê làm mat mát thông tin trong ảnh, làm cho các đối tượng trở nên bị méo mó và không còn tự nhiên như ban đầu. Do đó, người dùng cần phải cân nhắc và điều chỉnh độ tương phản sao cho phủ hợp với mục đích sử dụng và không làm mắt mát quá nhiều thông tin trong ảnh.

Ngoài ra, cũng cần lưu ý rằng, việc tăng độ tương phản có thê làm tăng nhiễu và các chỉ tiết không mong muon trong anh. 26 Xoay ảnh: Xoay ảnh là một trong những hoạt động cơ bản trong xử lý ảnh số.