Ứng Dụng Mô Hình Máy Học Hỗ Trợ Phát Hiện Và Phân Loại Tổn Thương Da

Đồ án tốt nghiệp trình bày ứng dụng mô hình máy học trong phát hiện và phân loại tổn thương da, góp phần nâng cao chất lượng chẩn đoán y tế.

• Tác giả: Trần Khoa Dự
• Người hướng dẫn: TS. Vũ Chí Cường
• Trường học: Trường Đại Học Sư Phạm Kỹ Thuật Thành Phố Hồ Chí Minh
• Chuyên ngành: Kỹ Thuật Y Sinh
• Đề tài: Ứng Dụng Mô Hình Máy Học Trong Phát Hiện Và Phân Loại Tổn Thương Da
• Loại tài liệu: Đồ Án Tốt Nghiệp
• Năm xuất bản: 2024
• Địa điểm: Thành Phố Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Các loại tổn thương da được khảo sát
• 1.2. Sử dụng mô hình máy học để hỗ trợ phân loại ảnh
• 1.3. Các công cụ thực hiện xây dựng mô hình máy học
• 1.4. TÍNH TOÁN VÀ XÂY DỰNG MÔ HÌNH
• 1.4.1. Sơ đồ khối của mô hình phân loại tổn thương da
• 1.4.2. Tập dữ liệu
• 1.4.3. Tiền xử lý dữ liệu
• 1.4.4. Xây dựng mô hình
• 1.4.5. Đánh giá mô hình huấn luyện
• 4. CHƯƠNG 4: KẾT QUẢ – NHẬN XÉT – ĐÁNH GIÁ
• 4.1. Kết quả huấn luyện các mô hình dựa trên các phương pháp tiền xử lý dữ liệu
• 4.2. Kết quả huấn luyện dựa trên việc điều chỉnh các siêu tham số
• 4.3. So sánh các mô hình đã thực hiện huấn luyện
• 4.4. Kết quả phân loại của mô hình ResNet50
• 4.5. So sánh kết quả phân loại của đề tài với các nghiên cứu khác
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về ứng dụng mô hình máy học trong phát hiện tổn thương da

Mô hình máy học đang trở thành một công cụ quan trọng trong lĩnh vực y tế, đặc biệt là trong việc phát hiện và phân loại các loại tổn thương da. Việc ứng dụng công nghệ này không chỉ giúp nâng cao độ chính xác trong chẩn đoán mà còn tiết kiệm thời gian cho bác sĩ. Các mô hình như Inception, ResNet, ConvNeXt và Vision Transformer đã được nghiên cứu và áp dụng để phân loại các tổn thương da khác nhau.

1.1. Khái niệm về tổn thương da và sự cần thiết phát hiện

Tổn thương da có thể là dấu hiệu của nhiều bệnh lý nghiêm trọng, bao gồm ung thư da. Việc phát hiện sớm các tổn thương này là rất quan trọng để điều trị kịp thời và hiệu quả.

1.2. Vai trò của mô hình máy học trong y tế

Mô hình máy học giúp tự động hóa quá trình phân tích hình ảnh y tế, từ đó hỗ trợ bác sĩ trong việc đưa ra chẩn đoán chính xác hơn. Công nghệ này đã chứng minh được hiệu quả trong nhiều nghiên cứu trước đây.

II. Thách thức trong việc phát hiện và phân loại tổn thương da

Mặc dù có nhiều tiến bộ trong công nghệ, việc phát hiện và phân loại tổn thương da vẫn gặp phải nhiều thách thức. Các yếu tố như độ chính xác của dữ liệu, sự đa dạng của các loại tổn thương và sự khác biệt trong hình ảnh giữa các loại da đều ảnh hưởng đến kết quả.

2.1. Độ chính xác của dữ liệu hình ảnh

Dữ liệu hình ảnh không đồng nhất có thể dẫn đến sai sót trong quá trình phân loại. Việc thu thập dữ liệu từ nhiều nguồn khác nhau là cần thiết để cải thiện độ chính xác.

2.2. Sự đa dạng của các loại tổn thương

Các loại tổn thương da rất đa dạng, từ ung thư đến các bệnh lý khác. Mỗi loại tổn thương có đặc điểm riêng, đòi hỏi mô hình phải được huấn luyện với dữ liệu phong phú và đa dạng.

III. Phương pháp xây dựng mô hình máy học cho phát hiện tổn thương da

Để xây dựng mô hình máy học hiệu quả, cần thực hiện các bước như thu thập dữ liệu, tiền xử lý, huấn luyện và đánh giá mô hình. Mỗi bước đều đóng vai trò quan trọng trong việc đảm bảo mô hình hoạt động tốt.

3.1. Thu thập và tiền xử lý dữ liệu

Dữ liệu hình ảnh cần được thu thập từ các nguồn đáng tin cậy và sau đó được tiền xử lý để loại bỏ nhiễu và chuẩn hóa kích thước. Điều này giúp mô hình học tốt hơn từ dữ liệu.

3.2. Huấn luyện mô hình với các thuật toán máy học

Các mô hình như Inception, ResNet, ConvNeXt và Vision Transformer được sử dụng để huấn luyện. Mỗi mô hình có ưu điểm riêng, phù hợp với các loại dữ liệu khác nhau.

IV. Kết quả nghiên cứu và ứng dụng thực tiễn

Kết quả từ việc áp dụng mô hình máy học cho thấy độ chính xác cao trong việc phát hiện và phân loại tổn thương da. Các mô hình đã được thử nghiệm trên tập dữ liệu lớn và cho kết quả khả quan.

4.1. Đánh giá hiệu suất của các mô hình

Các mô hình được đánh giá dựa trên độ chính xác, độ nhạy và độ đặc hiệu. Kết quả cho thấy mô hình ResNet50 đạt hiệu suất tốt nhất trong việc phân loại tổn thương da.

4.2. Ứng dụng trong thực tiễn y tế

Mô hình máy học có thể được tích hợp vào các hệ thống chẩn đoán y tế, giúp bác sĩ đưa ra quyết định nhanh chóng và chính xác hơn trong việc điều trị các tổn thương da.

V. Kết luận và hướng phát triển trong tương lai

Việc ứng dụng mô hình máy học trong phát hiện và phân loại tổn thương da đã mở ra nhiều cơ hội mới trong lĩnh vực y tế. Tuy nhiên, cần tiếp tục nghiên cứu và cải tiến để nâng cao độ chính xác và khả năng ứng dụng của các mô hình này.

5.1. Tương lai của mô hình máy học trong y tế

Công nghệ máy học sẽ tiếp tục phát triển và có thể được áp dụng rộng rãi hơn trong nhiều lĩnh vực y tế khác nhau, không chỉ riêng về tổn thương da.

5.2. Những thách thức cần vượt qua

Cần giải quyết các vấn đề về dữ liệu, độ chính xác và khả năng tổng quát của mô hình để đảm bảo rằng công nghệ này có thể phục vụ tốt nhất cho nhu cầu của ngành y tế.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Trong y học da liễu hiện đại, da là cơ quan lớn nhất của cơ thể con người, đảm nhận chức năng bảo vệ các hệ cơ quan bên trong trước các tác nhân gây hại từ môi trường. Tuy nhiên, sự biến đổi khí hậu cùng tình trạng suy giảm tầng ozone ở mức báo động đã làm gia tăng mật độ bức xạ tia cực tím trong ánh sáng mặt trời, trở thành một trong những nguyên nhân hàng đầu gây ra các tổn thương da và bệnh lý ác tính. Ung thư da hình thành từ sự phân chia bất thường của các tế bào biểu mô hoặc hắc tố, được phân loại thành ba nhóm chính: ung thư biểu mô tế bào đáy (Basal Cell Carcinoma - bcc), ung thư biểu mô tế bào vảy và ung thư hắc tố da ác tính (Melanoma - mel). Trong đó, ung thư hắc tố da ác tính là dạng nguy hiểm nhất; theo thống kê từ Cơ quan Nghiên cứu Ung thư Quốc tế, chỉ riêng năm 2018 thế giới đã ghi nhận hàng trăm nghìn ca mắc mới.

Bên cạnh các tổn thương ác tính, các dạng tổn thương lành tính hoặc tổn thương mạch máu (Vascular lesions - vasc) tuy không trực tiếp đe dọa tính mạng nhưng gây ảnh hưởng nghiêm trọng đến sinh hoạt và thẩm mỹ. Các tổn thương này thường có biểu hiện lâm sàng tương đồng với khối u ác tính về hình thái, sắc tố và đường viền. Việc chẩn đoán phân biệt ở giai đoạn sớm đòi hỏi bác sĩ da liễu phải có trình độ chuyên môn cao và kinh nghiệm dày dặn, trong khi quy trình khám lâm sàng truyền thống tốn nhiều thời gian và công sức. Nhằm giải quyết vấn đề này, đề tài "Ứng dụng mô hình máy học hỗ trợ phát hiện và phân loại tổn thương da" được thực hiện nhằm xây dựng giải pháp thị giác máy tính hỗ trợ chẩn đoán hình ảnh tổn thương da tự động, chính xác và nhanh chóng.

Mục tiêu nghiên cứu của đề tài bao gồm:

1. Khảo sát và ứng dụng các mô hình máy học (học sâu) trong bài toán phân loại ảnh màu soi da.
2. Tối ưu hóa mô hình và cấu trúc tập dữ liệu nhằm nâng cao độ chính xác phân loại, đồng thời rút ngắn thời gian xử lý và đưa ra kết quả.

Nhiệm vụ nghiên cứu được chia thành 6 nội dung cụ thể:

• Nội dung 1: Khảo sát lâm sàng và lựa chọn 3 nhóm tổn thương da đại diện gồm: Ung thư hắc tố da ác tính (mel), Ung thư biểu mô tế bào đáy (bcc) và Tổn thương mạch máu (vasc).
• Nội dung 2: Thu thập, sàng lọc, xây dựng tập dữ liệu từ kho lưu trữ y khoa và thực hiện các kỹ thuật tiền xử lý dữ liệu.
• Nội dung 3: Khảo sát kiến trúc và thiết lập 4 mô hình học sâu bao gồm: Inception-V1, ResNet50, ConvNeXt_Tiny và Vision Transformer (ViT).
• Nội dung 4: Thực hiện huấn luyện, tinh chỉnh siêu tham số, đánh giá định lượng và so sánh hiệu năng giữa các mô hình, đồng thời đối chiếu với các công trình nghiên cứu đã công bố.
• Nội dung 5: Xây dựng báo cáo tổng kết toàn diện đồ án tốt nghiệp.
• Nội dung 6: Báo cáo và bảo vệ kết quả nghiên cứu trước Hội đồng chuyên môn.

Phạm vi và giới hạn của đề tài:

• Về đối tượng bệnh học: Tập trung phân loại 3 nhóm tổn thương da cụ thể (bcc, mel, vasc).
• Về nguồn dữ liệu: Sử dụng dữ liệu trích xuất từ bộ dữ liệu chuẩn quốc tế HAM10000 do tập đoàn ViDIR (Khoa Da liễu, Đại học Y Vienna, Áo) công bố qua kho lưu trữ ISIC. Dữ liệu phần lớn được thu thập từ nhóm người da trắng; tỷ lệ mẫu từ người da vàng rất thấp và không có dữ liệu đại diện cho người da đen.
• Về thời gian thực hiện: Khóa luận được tiến hành từ ngày 19/02/2024 đến ngày 17/06/2024 tại Bộ môn Điện tử Công nghiệp - Y sinh, Khoa Điện - Điện tử, Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh.

---

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết và mô hình tính toán

Nghiên cứu ứng dụng các nguyên lý của trí tuệ nhân tạo và thị giác máy tính trong xử lý ảnh y tế. Cơ sở lý thuyết của đồ án tập trung vào hai nhánh kiến trúc học sâu chính:

1. Mạng nơ-ron tích chập (Convolutional Neural Network - CNN):

   • Mô hình CNN vận hành dựa trên các phép nhân chập giữa ma trận đầu vào $I_i$ và các kernel trượt $K_{i,j}$, kết hợp độ lệch (bias) $B_j$ để tạo thành bản đồ đặc trưng $A_j$.
   • Các hàm kích hoạt phi tuyến tính được áp dụng để xác định trạng thái kích hoạt của nơ-ron:
     • Hàm Sigmoid: ánh xạ giá trị về khoảng $(0, 1)$.
     • Hàm Rectified Linear Unit (ReLU): $f(x) = \max(0, x)$, giúp tăng tốc độ hội tụ và giảm biến mất đạo hàm.
     • Hàm Leaky ReLU: $f(x) = \max(ax, x)$ với $a < 1$, khắc phục hiện tượng "chết nơ-ron" của ReLU.
     • Hàm Gaussian Error Linear Unit (GeLU): kết hợp tính chất ngẫu nhiên, được sử dụng trong các kiến trúc nơ-ron hiện đại.
     • Hàm Softmax: được sử dụng ở lớp đầu ra nhằm chuyển đổi vector đặc trưng thành phân phối xác suất dự đoán cho 3 lớp tổn thương.
   • Các kiến trúc CNN được khảo sát gồm: Inception-V1 (khai thác bộ lọc đa kích thước 1x1, 3x3, 5x5 kết hợp giảm chiều sâu), ResNet50 (sử dụng khối phần dư Residual Block với kết nối tắt Skip Connection nhằm giải quyết triệt để suy giảm gradient khi mạng sâu 50 lớp), ConvNeXt_Tiny (kiến trúc tích chập hiện đại tích hợp Depthwise Convolution, Pointwise Convolution, Layer Normalization và hàm GeLU).

2. Mô hình Transformer thị giác (Vision Transformer - ViT):

   • Khác biệt với CNN, ViT không sử dụng các lớp tích chập cục bộ mà phân tách ảnh đầu vào thành các mảnh nhỏ (patches), thực hiện nhúng tuyến tính (Linear Projection) thành chuỗi patch tokens, kết hợp mã hóa vị trí (Positional Embedding) và token phân loại ([CLS] token).
   • Cơ chế Multi-Head Self-Attention tính toán mối tương quan giữa các token thông qua bộ ba ma trận truy vấn (Query - $Q$), khóa (Key - $K$) và giá trị (Value - $V$): $$\text{Attention}(Q, K, V) = \text{softmax}\left(\frac{QK^T}{\sqrt{d_K}}\right)V$$

3. Kỹ thuật tối ưu hóa và chống Overfitting:

   • Sử dụng các thuật toán tối ưu hóa thích ứng: Stochastic Gradient Descent (SGD) kết hợp Momentum cho Inception-V1; Adam (Adaptive Moment Estimation) cho ResNet50; AdamW (Adam kết hợp Weight Decay) cho ConvNeXt_Tiny.
   • Áp dụng các kỹ thuật Dropout, phân tách tập kiểm định (Validation set) và điều chỉnh tốc độ học (Learning rate), kích thước batch (Batch size).

Phương pháp nghiên cứu và quy trình thực nghiệm

Nghiên cứu áp dụng phương pháp thực nghiệm định lượng trên tập dữ liệu ảnh y tế chuẩn hóa, bao gồm 4 bước kỹ thuật:

Giai đoạn	Phương pháp và kỹ thuật thực hiện
Tiền xử lý & Chuẩn hóa	Giảm kích thước ảnh gốc từ $600 \times 450$ pixels về $256 \times 256$ pixels; chuẩn hóa giá trị điểm ảnh về đoạn $[0, 1]$ bằng phép chia cho 255.
Phân chia tập dữ liệu	Phân chia tổng 1.769 ảnh theo tỷ lệ 70% huấn luyện (Train), 15% kiểm định (Validation) và 15% kiểm tra (Test).
Tăng cường dữ liệu	Áp dụng các phép biến đổi hình học và quang học (xoay ảnh theo ma trận góc $\theta$, lật ngang/dọc, phóng to, điều chỉnh độ sáng qua ma trận cộng $B$) đối với các lớp thiểu số.
Phân đoạn vùng tổn thương	Ứng dụng mạng Bi-Directional ConvLSTM U-Net (BCDU-Net) trên 3.694 ảnh ISIC 2018, trích xuất mặt nạ tổn thương nhị phân với ngưỡng phân đoạn 0.5.
Huấn luyện & Đánh giá	Xây dựng và thực nghiệm 4 mô hình trên môi trường Google Colab với Python 3 và framework TensorFlow 2.x; đánh giá qua ma trận nhầm lẫn và các chỉ số đo lường.

---

Nội dung chính theo từng chương

Chương 1: Tổng quan

Chương 1 thiết lập tính cấp thiết của đề tài nghiên cứu dựa trên bối cảnh gia tăng bệnh lý da liễu và nguy cơ ung thư da dưới tác động của tia cực tím. Tác giả chỉ rõ hạn chế của việc chẩn đoán thủ công và đưa ra giải pháp ứng dụng học máy hỗ trợ bác sĩ. Nội dung chương công bố mục tiêu nghiên cứu, 6 nhiệm vụ cụ thể cần giải quyết, xác định rõ phạm vi 3 nhóm tổn thương (bcc, mel, vasc), giới hạn về chủng tộc của tập dữ liệu và tóm tắt cấu trúc 5 chương của khóa luận.

Chương 2: Cơ sở lý thuyết

Chương 2 trình bày tổng quan bệnh học của 3 dạng tổn thương da được khảo sát từ bộ dữ liệu HAM10000:

• Melanoma: Khối u ác tính từ tế bào hắc tố, tiến triển nhanh, biểu hiện qua nốt ruồi bất đối xứng, đổi màu, loét hoặc chảy máu.
• Basal Cell Carcinoma: Dạng ung thư da phổ biến nhất (chiếm 75% các ca không phải hắc tố), bắt nguồn từ lớp đáy của biểu bì, phát triển chậm nhưng dễ nhầm lẫn với các tổn thương khác.
• Vascular lesions: Tổn thương liên quan đến hệ mạch máu và bạch huyết (u mạch anh đào, u mạch máu, xuất huyết), có sắc tố sẫm dễ gây nhầm lẫn với ung thư hắc tố.

Bên cạnh đó, chương phân tích sâu cấu trúc giải thuật của mạng nơ-ron nhân tạo (ANN), mạng nơ-ron tích chập (CNN) và Transformer thị giác (ViT); bản chất toán học của các hàm kích hoạt (Sigmoid, ReLU, Leaky ReLU, GeLU, Softmax); cơ chế gây ra hiện tượng quá khớp (Overfitting) và các tham số điều chỉnh trong huấn luyện (số lượng và kích thước kernel, số lớp, patch size, attention head, dropout, learning rate, batch size, epoch). Cuối chương giới thiệu bộ công cụ thực nghiệm gồm ngôn ngữ Python 3, nền tảng TensorFlow 2 và môi trường điện toán đám mây Google Colab.

Chương 3: Tính toán và xây dựng mô hình

Chương 3 chi tiết hóa quy trình thiết kế hệ thống phân loại tổn thương da:

• Xử lý tập dữ liệu: Từ 10.015 ảnh của tập HAM10000 ban đầu, nhóm tác giả lọc ra 1.769 ảnh thuộc 3 nhóm tổn thương. Tập dữ liệu được phân chia thành:
  • Tập huấn luyện (Train - 70%): 1.237 ảnh (359 bcc, 779 mel, 99 vasc).
  • Tập kiểm định (Validation - 15%): 267 ảnh (78 bcc, 167 mel, 22 vasc).
  • Tập kiểm tra (Test - 15%): 265 ảnh (77 bcc, 167 mel, 21 vasc).
• Tăng cường dữ liệu: Nhằm khắc phục tình trạng mất cân bằng lớp, tác giả tăng cường số lượng ảnh của 2 lớp thiểu số trong tập huấn luyện (bcc và vasc) lên mức 500 ảnh mỗi loại bằng các kỹ thuật biến đổi ảnh.
• Phân đoạn hình ảnh bằng BCDU-Net: Sử dụng kiến trúc U-Net tích hợp ConvLSTM hai chiều để phân tách tự động vùng tổn thương trên bộ dữ liệu 3.694 ảnh ISIC 2018. Kết quả dự đoán được nhị phân hóa với ngưỡng xác suất 0.5 để tạo mặt nạ vùng bệnh lý.
• Thiết kế kiến trúc 4 mô hình phân loại:
  • Inception-V1: Cấu trúc gồm 9 khối Inception, bắt đầu từ lớp tích chập $7 \times 7$, các lớp MaxPool $3 \times 3$, các nhánh tích chập $1 \times 1$ giảm chiều sâu (reduce), kết thúc bằng Global AveragePool, Dropout 40% và lớp Dense 3 ngõ ra.
  • ResNet50: Cấu trúc 50 lớp gồm 1 tầng Stem ban đầu và 4 giai đoạn chứa các khối Identity Block và Convolutional Block có Skip Connection, sử dụng hàm ReLU và Softmax.
  • ConvNeXt_Tiny: Kiến trúc tích chập hiện đại gồm khối Stem ($4 \times 4$, stride 4) và 4 giai đoạn với số lượng khối lần lượt là $[3, 3, 9, 3]$, số kênh tăng tiến $[96, 192, 384, 768]$, sử dụng Depthwise Conv, Pointwise Conv, LayerNorm và GeLU.
  • Vision Transformer (ViT): Quy trình 5 bước gồm chia patch, nhúng vector đặc trưng, gán token [CLS], cộng mã hóa vị trí 1D và truyền qua các khối Transformer Encoder đa đầu tự chú ý (Multi-Head Self-Attention).

Chương 4: Kết quả – Nhận xét – Đánh giá

Chương 4 ghi nhận và phân tích toàn bộ kết quả thực nghiệm thông qua các ma trận nhầm lẫn (Confusion Matrix), đồ thị hàm mất mát (Loss) và độ chính xác (Accuracy):

• Thực nghiệm so sánh hiệu năng của từng mô hình trên 3 dạng dữ liệu đầu vào: dữ liệu gốc, dữ liệu tăng cường (Augmented) và dữ liệu bổ sung mặt nạ phân đoạn tổn thương từ BCDU-Net.
• Đánh giá tác động của việc tinh chỉnh các siêu tham số huấn luyện gồm kích thước batch (Batch size) và tốc độ học ban đầu (Initial Learning Rate) đối với ResNet50, ConvNeXt_Tiny và ViT.
• So sánh hiệu năng tổng thể giữa 4 kiến trúc đã huấn luyện và đối chiếu kết quả của mô hình ResNet50 với các công trình nghiên cứu tiền nhiệm trên cùng tập dữ liệu chuẩn.

Chương 5: Kết luận và hướng phát triển

Chương 5 đúc kết toàn bộ kết quả nghiên cứu, đánh giá mức độ hoàn thành so với mục tiêu ban đầu, chỉ rõ các điểm giới hạn về tính đa dạng chủng tộc của dữ liệu và đề xuất định hướng phát triển trong tương lai.

---

Kết quả và đóng góp

Kết quả thực nghiệm chính

Khóa luận đã triển khai thành công mô hình phân đoạn tổn thương BCDU-Net và đánh giá định lượng trên tập kiểm tra gồm 1.000 ảnh từ bộ dữ liệu 3.694 ảnh ISIC 2018:

Chỉ số đánh giá	Kết quả thực nghiệm mô hình BCDU-Net
Độ chính xác (Accuracy)	0.892
Độ chính xác dự đoán dương (Precision)	0.803
Độ nhạy (Recall)	0.825
Điểm F1 (F1-Score)	0.849

Trong bài toán phân loại tổn thương da, đề tài đã thiết lập hoàn chỉnh và đánh giá 4 kiến trúc học sâu (Inception-V1, ResNet50, ConvNeXt_Tiny, Vision Transformer) qua các cấu hình tiền xử lý khác nhau (ảnh gốc, ảnh tăng cường dữ liệu cân bằng lớp, ảnh kết hợp mặt nạ phân đoạn) và tinh chỉnh siêu tham số (batch size, learning rate). Mô hình ResNet50 được phân tích chi tiết khả năng nhận dạng trên từng ca bệnh thực tế của 3 nhóm tổn thương (bcc, mel, vasc).

Đóng góp khoa học và giải pháp kỹ thuật

• Quy trình kết hợp phân đoạn và phân loại: Tác giả đã tích hợp thành công mô hình phân đoạn BCDU-Net nhằm trích xuất chính xác vùng tổn thương, loại bỏ nhiễu nền da xung quanh trước khi đưa vào mô hình phân loại.
• Giải quyết bài toán mất cân bằng dữ liệu y tế: Đề xuất phương án tăng cường dữ liệu cục bộ cho các nhóm tổn thương có tần suất thấp (nâng số mẫu bcc và vasc trong tập huấn luyện lên 500 ảnh), giúp cải thiện sự công bằng trong quá trình học của mô hình.
• Khảo sát đa kiến trúc học sâu: Cung cấp bức tranh thực nghiệm toàn diện so sánh giữa mô hình tích chập kinh điển (Inception-V1, ResNet50), mô hình tích chập thế hệ mới (ConvNeXt_Tiny) và mô hình dựa trên cơ chế chú ý (Vision Transformer) trên cùng một tập dữ liệu tổn thương da.

---

Hạn chế và hướng nghiên cứu tiếp

Hạn chế được ghi nhận

1. Số lượng lớp bệnh học hạn chế: Đề tài mới chỉ tập trung phân loại 3 dạng tổn thương da (bcc, mel, vasc), chưa bao phủ toàn bộ 7 nhóm tổn thương có trong bộ dữ liệu HAM10000 đầy đủ.
2. Thiên lệch dữ liệu chủng tộc: Toàn bộ tập dữ liệu thu thập từ ViDIR (Đại học Y Vienna, Áo) chủ yếu đại diện cho nhóm người da trắng; tỷ lệ dữ liệu người da vàng rất thấp và hoàn toàn thiếu vắng dữ liệu từ người da đen, dẫn đến nguy cơ giảm độ chính xác khi ứng dụng trên các quần thể dân cư khác.
3. Phụ thuộc môi trường phần cứng đám mây: Quá trình huấn luyện thực hiện hoàn toàn trên nền tảng Google Colab miễn phí, chịu giới hạn về bộ nhớ RAM và thời gian cấp phát GPU liên tục.

Hướng nghiên cứu tiếp theo

• Mở rộng phạm vi phân loại cho đầy đủ các dạng bệnh lý da liễu khác nhau (bao gồm u sừng quang hóa, dày sừng tiết bã, u sợi da...).
• Thu thập và bổ sung dữ liệu hình ảnh soi da từ nhiều chủng tộc khác nhau, đặc biệt là dữ liệu lâm sàng từ người da vàng và người da đen để nâng cao tính khái quát hóa của mô hình.
• Tối ưu hóa cấu trúc mạng để giảm dung lượng và tài nguyên tính toán, hướng tới việc nhúng mô hình vào các thiết bị hỗ trợ chẩn đoán cầm tay hoặc ứng dụng di động phục vụ khám chữa bệnh từ xa.

---

Giá trị tham khảo

Báo cáo khóa luận là tài liệu tham khảo giá trị đối với sinh viên, học viên cao học và các nhóm nghiên cứu thuộc các chuyên ngành Kỹ thuật Y sinh, Công nghệ Thông tin, Trí tuệ Nhân tạo và Khoa học Dữ liệu:

• Về mặt phương pháp: Cung cấp quy trình xử lý dữ liệu ảnh y tế chuẩn hóa từ khâu tiền xử lý, phân chia dữ liệu, cân bằng lớp bằng kỹ thuật tăng cường ảnh, đến phân đoạn nhị phân bằng BCDU-Net.
• Về mặt kiến trúc mô hình: Trình bày chi tiết cách thiết lập tham số, lựa chọn hàm kích hoạt, thuật toán tối ưu (SGD, Adam, AdamW) và cấu trúc phân tầng cụ thể của Inception-V1, ResNet50, ConvNeXt_Tiny và ViT.

---

Câu hỏi thường gặp

1. Khóa luận sử dụng tập dữ liệu nào và phân loại những nhóm tổn thương da cụ thể nào?
Nghiên cứu sử dụng tập dữ liệu gồm 1.769 ảnh soi da được trích xuất từ bộ dữ liệu chuẩn quốc tế HAM10000 (do ViDIR, Đại học Y khoa Vienna, Áo công bố qua kho lưu trữ ISIC). Mô hình tập trung phân loại 3 nhóm tổn thương: Ung thư biểu mô tế bào đáy (bcc - 514 ảnh), Ung thư hắc tố da ác tính (mel - 1.113 ảnh) và Tổn thương mạch máu (vasc - 142 ảnh).

2. Tập dữ liệu được phân chia tỷ lệ như thế nào cho quá trình huấn luyện và kiểm thử?
Tổng số 1.769 ảnh được chia thành 3 tập con:

• Tập huấn luyện (Train): 1.237 ảnh (chiếm 70% tổng số mẫu).
• Tập kiểm định (Validation): 267 ảnh (chiếm 15% tổng số mẫu).
• Tập kiểm tra (Test): 265 ảnh (chiếm 15% tổng số mẫu).

3. Mô hình nào được sử dụng cho nhiệm vụ phân đoạn tổn thương da và kết quả đạt được ra sao?
Tác giả sử dụng mô hình Bi-Directional ConvLSTM U-Net (BCDU-Net) huấn luyện trên tập dữ liệu 3.694 ảnh ISIC 2018. Trên tập kiểm tra 1.000 ảnh, mô hình đạt độ chính xác (Accuracy) 0.892, Precision 0.803, Recall 0.825 và F1-Score 0.849. Kết quả đầu ra được nhị phân hóa với ngưỡng xác suất 0.5 để tạo mặt nạ vùng tổn thương.

4. Bốn kiến trúc học máy phân loại được xây dựng trong đồ án là những mô hình nào và sử dụng thuật toán tối ưu gì?
Bốn mô hình được khảo sát gồm: Inception-V1 (tối ưu bằng SGD kết hợp Momentum), ResNet50 (tối ưu bằng Adam), ConvNeXt_Tiny (tối ưu bằng AdamW) và Vision Transformer (ViT).

5. Nhóm tác giả đã giải quyết tình trạng mất cân bằng dữ liệu giữa các lớp tổn thương bằng cách nào?
Trong tập huấn luyện gốc, số lượng mẫu lớp mel (779 ảnh) vượt trội so với bcc (359 ảnh) và vasc (99 ảnh). Tác giả đã áp dụng các kỹ thuật tăng cường dữ liệu (xoay ảnh, lật ảnh ngang/dọc, phóng to, điều chỉnh độ sáng) để gia tăng số lượng mẫu của hai lớp thiểu số bcc và vasc lên mức 500 ảnh cho mỗi loại.

---

Kết luận

Khóa luận tốt nghiệp "Ứng dụng mô hình máy học hỗ trợ phát hiện và phân loại tổn thương da" của sinh viên Trần Khoa Dự và Nguyễn Thị Thu Hiền đã giải quyết thành công bài toán chẩn đoán hình ảnh y tế đối với 3 nhóm tổn thương da (bcc, mel, vasc) trích xuất từ bộ dữ liệu HAM10000. Đề tài đã xây dựng một quy trình kỹ thuật hoàn chỉnh kết hợp phân đoạn vùng tổn thương bằng BCDU-Net (đạt F1-score 0.849) với các mô hình phân loại học sâu Inception-V1, ResNet50, ConvNeXt_Tiny và Vision Transformer. Mặc dù còn hạn chế về tính đa dạng chủng tộc của dữ liệu nguồn, kết quả nghiên cứu là nền tảng thực nghiệm vững chắc, mở ra tiềm năng ứng dụng các hệ thống thị giác máy tính hỗ trợ bác sĩ da liễu chẩn đoán sớm và nâng cao chất lượng y tế cộng đồng.

Trích đoạn nội dung tài liệu

Chương 1: Tổng quan Trình bày tổng quan về đề tài nghiên cứu, mục tiêu của đề tài, giới hạn của đề tài và bố cục của đồ án. − Chương 2: Cơ sở lý thuyết. Trình bày tổng quan về một số loại tổn thương da, phương pháp sử dụng mô hình máy học và các công cụ để thực hiện xây dựng, huấn luyện mô hình phân loại tổn thương da. − Chương 3: Thiết kế và tính toán Khảo sát và trình bày cách xây dựng mô hình phân loại tổn thương da và huấn luyện các mô hình mạng neuron CNN bao gồm Inception-V1, ResNet50, ConvNeXt_Tiny và Vision Transformer trên bộ dữ liệu.

Trình bày cách điều chỉnh các thông số mô hình. − Chương 4: Kết quả, nhận xét và đánh giá Trình bày kết quả sau thu được và tiến hành so sánh kết quả thu được với những kết quả của công trình nghiên cứu khác. Nhận xét đánh giá sau khi hoàn thành. − Chương 5: Kết luận và hướng phát triển Tổng kết quá trình nghiên cứu và đưa ra kết luận về mô hình.

Đối chiếu với mục tiêu để xác định những hạn chế cần khắc phục của đề tài. Từ đó, nhóm thực hiện đề tài tiến hành đưa ra đề xuất và những hướng phát triển của đề tài này trong một số ứng dụng tương lai. BỘ MÔN ĐIỆN TỬ CÔNG NGIỆP – Y SINH 3 CHƯƠNG 2. CƠ SỞ LÝ THUYẾT CHƯƠNG 2.

Các loại tổn thương da được khảo sát Các loại tổn thương được khảo sát lấy từ bộ dữ liệu ảnh HAM10000 của tập đoàn ViDIR, Khoa Da liễu, Đại học Y Vienna, Áo [3]. Ung thư hắc tố da ác tính Ung thư hắc tố da ác tính (Melanoma), được biểu diễn như Hình 2.1, là một loại khối u ung thư phát triển từ tế bào hắc tố và có thể có nhiều dạng khác nhau. Nếu được phát hiện sớm, nó có thể được điều trị bằng thủ thuật phẫu thuật cơ bản [3]. Biểu hiện của chúng bao gồm nốt ruồi phát triển về quy mô, hình dạng, màu sắc, đường viền không đều, nhiều màu, ngứa hoặc chảy máu.

Nếu không được phát hiện kịp thời có thể gây nguy hiểm đến tính mạng người bệnh [2]. Hình ảnh tổn thương do ung thư hắc tố da ác tính 2. Ung thư biểu mô tế bào đáy Ung thư biểu mô tế bào đáy (Basal cell carcinoma), được minh họa như Hình 2.2, là một biến thể phổ biến của ung thư da biểu mô. Đây là loại ung thư da phổ biến nhất, khoảng 75% các trường hợp ung thư da không phải ung thư hắc tố da ác tính.

Chúng phát triển từ các tế bào đáy và được tìm thấy ở phần sâu nhất của lớp biểu bì (lớp đáy) [4]. Ung thư biểu mô tế bào đáy hiếm khi di căn nhưng phát triển mạnh nếu không được điều trị. Nó xuất hiện dưới nhiều dạng hình thái khác nhau (phẳng, nốt sần, sắc tố, nang) [3]. Nhiều dạng ung thư biểu mô tế bào đáy có đặc điểm hình thái rất giống với các dạng tổn thương da khác, bao gồm ung thư hắc tố da ác tính và tổn thương mạch máu.

BỘ MÔN ĐIỆN TỬ CÔNG NGIỆP – Y SINH 4 CHƯƠNG 2. CƠ SỞ LÝ THUYẾT Hình 2. Hình ảnh tổn thương do ung thư tế bào đáy 2. Tổn thương mạch máu Tổn thương mạch máu (Vascular lesions) đề cập đến tất cả các bệnh về da có nguồn gốc từ hoặc ảnh hưởng đến mạch máu và bạch huyết, bao gồm các khối u lành tính và ác tính, dị tật và các bệnh viêm nhiễm [5].

Chúng bao gồm các loại tổn thương như u mạch anh đào, u mạch máu, u hạt sinh mủ và cả xuất huyết [3].3 mô tả một số loại tổn thương mạch máu. Nhiều dạng tổn thương mạch máu có sắc tố tối tương tự như ung thư hắc tố da ác tính gây khó khăn trong việc nhận biết 2 loại tổn thương này. Hình ảnh tổn thương mạch máu 2. Sử dụng mô hình máy học để hỗ trợ phân loại ảnh Đề tài có nghiên cứu và khảo sát sử dụng mô hình Mạng neuron nhân tạo bao gồm mô hình Mạng neuron tích chập và mô hình Transformer.

Định nghĩa Mô hình mạng neuron nhân tạo Mạng neuron nhân tạo (ANN) là mô hình máy học có cấu trúc được mô phỏng gần giống như cách các tế bào thần kinh trong mạng neuron của não người truyền tín hiệu cho nhau [6]. BỘ MÔN ĐIỆN TỬ CÔNG NGIỆP – Y SINH 5 CHƯƠNG 2. CƠ SỞ LÝ THUYẾT Lớp đầu vào (Các) lớp ẩn Lớp đầu ra Hình 2. Tổng quan kiến trúc mạng của ANN Hình 2.4 cho thấy kiến trúc chung cơ bản của ANN.

Một mô hình ANN có 3 lớp bao gồm lớp đầu vào, một hoặc nhiều lớp ẩn và sau cùng là lớp đầu ra. Trong mô hình phân loại ảnh, lớp đầu vào bao gồm các nút là các giá trị các điểm ảnh. Các giá trị đầu vào sẽ được chuyển tới các lớp ẩn, tại mỗi nút sẽ tính toán trọng số ngõ ra mỗi nút bằng một hàm truyền (thường là không tuyến tính) như công thức (2. Các trọng số từ nút của lớp trước sẽ truyền cho nút của lớp sau, hoặc cũng có thể truyền về nút của lớp trước (ANN hồi tiếp).

Cuối cùng là lớp đầu ra với số nút bằng với số phân loại, đây là lớp kết quả phân loại cuối cùng của mô hình. Trong quá trình học, các trọng số của mô hình sẽ thay đổi để kết quả mô hình dần tiến đến như mong muốn.1) 𝑖=0 trong đó, 𝑦 là đầu ra của nút, 𝑓 là hàm truyền, n là số trọng số từ lớp khác đưa vào nút, 𝑤𝑖 là trọng số của đầu vào 𝑥𝑖 và T là giá trị ngưỡng. Mô hình Mạng neuron tích chập Mạng neuron tích chập (CNN) là một loại mạng neuron nhân tạo đã trở nên phổ biến từ năm 2012 nhờ mô hình mạng neuron AlexNet [7]. Từ đó đến nay, CNN là phương pháp chiếm ưu thế trong vô số nhiệm vụ thị giác máy tính.

Điều đó đã BỘ MÔN ĐIỆN TỬ CÔNG NGIỆP – Y SINH 6 CHƯƠNG 2. CƠ SỞ LÝ THUYẾT được khẳng định kể từ khi CNN đạt được kết quả đáng kinh ngạc trong cuộc thi nhận dạng đối tượng gọi là “Cuộc thi nhận dạng hình ảnh ImageNet quy mô lớn” (ILSVRC) vào năm 2012 [8]. Đầu vào Lớp tích chập và các Lớp kết nối Đầu ra lớp xử lý khác đầy đủ Hình 2. Tổng quan kiến trúc mạng của CNN Lĩnh vực y tế cũng không nằm ngoại lệ, CNN đã và đang có những thành tựu nổi bật trong mảng thị giác máy tính.

Mô hình CNN được tạo thành từ các bộ lọc tích chập có chức năng chính là tìm hiểu và trích xuất các tính năng cần thiết để hiểu hình ảnh y tế hiệu quả [7]. Kiến trúc mạng chung của CNN được thể hiện qua Hình 2. Lớp đầu vào là ảnh cần phân loại, được đưa vào các lớp ẩn bao gồm lớp tích chập và các lớp xử lý khác như lớp lấy mẫu, lớp chuẩn hóa batch, v. Sau đó dữ liệu được làm phẳng thành một mảng 1 chiều (lớp kết nối đầy đủ) và độ dài lớp kết nối đầy đủ cuối cùng là số phân loại của mô hình.

Đây cũng là lớp đầu ra của mô hình. Các lớp neuron tích chập là thành phần chính của CNN. Trong phân loại ảnh, đầu vào của lớp chập là một hoặc nhiều ma trận 2D (hoặc kênh), đầu ra là nhiều ma trận 2D. Số lượng và kích thước ma trận đầu vào và đầu ra có thể khác nhau.

Quá trình tính toán một ma trận đầu ra duy nhất được định nghĩa như công thức (2.2) 𝑖=0 trong đó, 𝐴𝑗 là ma trận đầu ra của lớp tích chập, 𝐼𝑖 là ma trận đầu vào (như hình vuông màu xanh ở lớp đầu vào Hình 2.5), 𝐾𝑖,𝑗 là ma trận kernel tương ứng, 𝐵𝑗 là giá trị bias được cộng vào ma trận đầu ra. BỘ MÔN ĐIỆN TỬ CÔNG NGIỆP – Y SINH 7 CHƯƠNG 2. CƠ SỞ LÝ THUYẾT Trong quá trình học, CNN kết hợp các trọng số thành các kernel nhỏ hơn nhiều so với kích thước của các lớp mạng giúp đơn giản hóa đáng kể mô hình học tập. CNN nhanh hơn và mạnh hơn nhiều so với mạng neuron kết nối đầy đủ truyền thống nhờ số lượng tham số huấn luyện thấp hơn và phép nhân chập trích xuất được các đặc trưng của ảnh hiệu quả hơn [7].

Trong đề tài phân loại tổn thương da, mỗi loại tổn thương da có đặc điểm rất đa dạng và phức tạp. Các công trình nghiên cứu trước đây cho thấy những mô hình mang tính học sâu cho kết quả tốt hơn hẳn so với các mạng đơn giản như LeNet hay AlexNet. Vì vậy đề tài thực hiện nghiên cứu huấn luyện tập dữ diệu qua các mô hình CNN có độ học sâu cao, tiêu biểu như: − Mô hình ResNet50 − Mô hình Inception-V1 − Mô hình ConvNeXt_Tiny 2. Mô hình Transformer Phân loại Bộ giải mã Transformer (bao gồm multi-head attention) Mã hóa patch + vị trí Phép chiếu tuyến tính của các patch đã làm phẳng Hình 2.

Tổng quan mô hình ViT Mô hình Transformer được đề xuất bởi Vaswani và các cộng sự [9] ban đầu được sử dụng cho tác vụ xử lý ngôn ngữ tự nhiên (NLP). Nhờ sự thành công của mô hình Transformer trong NLP, Dosoviskiy và các cộng sự [10] đã dựa vào mô hình trước đó để thiết kế mô hình Vision Transformer (ViT) phục vụ tác vụ phân loại ảnh. BỘ MÔN ĐIỆN TỬ CÔNG NGIỆP – Y SINH 8 CHƯƠNG 2. CƠ SỞ LÝ THUYẾT Trong đề tài này thực hiện đề tài khảo sát và nghiên cứu mô hình ViT, một mô hình hoạt động với cơ chế khác biệt so với CNN (Hình 2.

Sự khác biệt lớn nhất giữa ViT và CNN là ViT không có các lớp tích chập. ViT học các đặc trưng nhờ vào các lớp attention (bộ giải mã Transformer) với đầu vào là các phần đã được chia nhỏ của dữ liệu ảnh (patch). Việc học của mô hình này là phân tích và đánh giá điểm attention của từng phần dữ liệu đầu vào rồi dựa vào đó đưa ra kết quả đầu ra. Hiện tượng overfitting Mô hình không khái quát tốt từ dữ liệu đã biết đến dữ liệu chưa biết được gọi là overfitting.

Do tồn tại tình trạng overfitting nên mô hình hoạt động rất tốt trên tập huấn luyện, trong khi đó lại kém phù hợp trên tập kiểm tra. Điều này là do mô hình đã bị trường hợp overfitting gây khó khăn trong việc xử lý các phần thông tin trong tập kiểm tra, có thể khác với thông tin trong tập huấn luyện. Ngoài ra, các mô hình mắc phải overfitting có xu hướng ghi nhớ tất cả dữ liệu, bao gồm cả nhiễu không thể tránh khỏi trên tập huấn luyện, thay vì học các mối quan hệ và đặc trưng ẩn đằng sau dữ liệu [11].