Tổng quan nghiên cứu

Thực trạng quá tải tại các bệnh viện công lập và tư nhân đang là áp lực nghiêm trọng đối với ngành y tế Việt Nam, khi khoảng 70% bệnh viện tuyến trên thường xuyên ghi nhận thời gian chờ tiếp đón và làm thủ tục trung bình từ 30 đến 45 phút cho mỗi lượt khám. Phương thức tiếp nhận truyền thống dựa trên giấy tờ tùy thân và sổ khám bệnh thủ công bộc lộ nhiều điểm nghẽn, dẫn đến tỷ lệ sai sót thông tin hành chính ước tính khoảng 3% đến 5%, đồng thời tạo kẽ hở cho các hành vi gian lận bảo hiểm y tế.

Vấn đề nghiên cứu trọng tâm của luận văn là giải quyết bài toán nhận dạng khuôn mặt tự động trong môi trường y tế phức tạp, nơi các điều kiện thu nhận ảnh thường xuyên biến đổi về góc chụp nghiêng đến 45 độ, cường độ ánh sáng không đồng đều và khuôn mặt bị che khuất một phần. Mục tiêu cụ thể của đề tài là xây dựng hoàn chỉnh thuật toán nhận dạng khuôn mặt dựa trên sự kết hợp giữa mô hình trích xuất đặc trưng Histogram of Oriented Gradients và mạng nơ-ron tích chập, sau đó tích hợp trực tiếp vào hệ thống thông tin quản lý bệnh viện thông qua giao thức lập trình ứng dụng hiện đại.

Nghiên cứu được triển khai thực nghiệm tại Trường Đại học Quy Nhơn trong năm 2022, tập trung vào đối tượng ảnh khuôn mặt bệnh nhân và cơ chế đồng bộ dữ liệu với các phân hệ quản lý khám chữa bệnh. Ý nghĩa khoa học và thực tiễn của công trình thể hiện qua việc giảm thiểu hơn 85% thời gian xác thực danh tính tại quầy tiếp đón xuống dưới 5 giây mỗi lượt, nâng cao độ chính xác quản lý hồ sơ bệnh án lên trên 96% và hỗ trợ đắc lực cho công cuộc chuyển đổi số y tế toàn diện.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng lý thuyết thị giác máy tính và học sâu hiện đại, kết hợp chặt chẽ giữa các mô hình toán học và cấu trúc mạng nơ-ron:

  1. Kỹ thuật biểu diễn đặc trưng Histogram of Oriented Gradients (HOG): Phương pháp trích xuất đặc trưng hình thái dựa trên việc tính toán tần suất xuất hiện của các hướng đạo hàm cường độ sáng trong các vùng ảnh cục bộ. Ảnh đầu vào được phân chia thành các ô lưới kích thước 8x8 pixels (tương ứng 64 điểm ảnh), ánh xạ hướng gradient trong phạm vi từ 0 đến 180 độ vào 9 nhóm góc định hướng (bins), mỗi bin có độ rộng 20 độ. Quá trình chuẩn hóa vector theo khối 2x2 ô vuông bằng chuẩn bậc hai (L2-norm) giúp tạo ra bộ mô tả đặc trưng 3.780 chiều có khả năng bất biến vượt trội trước sự thay đổi quang học và độ tương phản môi trường.
  2. Kiến trúc mạng nơ-ron tích chập (Convolutional Neural Networks - CNN): Mô hình học sâu gồm 5 tầng tích chập sâu kết hợp hàm kích hoạt phi tuyến ReLU (Rectified Linear Unit), các tầng lấy mẫu cực đại (Max Pooling) kích thước 2x2 hoặc 4x4 nhằm giảm số chiều tham số tính toán, và tầng kết nối đầy đủ (Fully Connected) để phân lớp. Nghiên cứu áp dụng kỹ thuật học chuyển giao (Transfer Learning) từ tập dữ liệu quy mô hơn 1,2 triệu hình ảnh của ImageNet, giúp trích xuất các đặc trưng khuôn mặt từ cấp độ cạnh, góc đến các mốc giải phẫu phức tạp.
  3. Mô hình bám vết đối tượng Kanade-Lucas-Tomasi (KLT): Thuật toán theo dõi chuyển động khuôn mặt trong luồng video thời gian thực, duy trì định danh đối tượng qua chuỗi khung hình liên tiếp dựa trên ngưỡng diện tích trùng lặp 0,2.
  4. Các khái niệm cốt lõi: Hệ thống thông tin bệnh viện (HIS), Hệ thống thông tin chẩn đoán hình ảnh (RIS), Hệ thống lưu trữ và truyền nhận hình ảnh y tế (PACS) chuẩn định dạng DICOM, và giao diện lập trình ứng dụng RESTful API.

Phương pháp nghiên cứu

Nghiên cứu vận dụng phương pháp kết hợp giữa nghiên cứu lý thuyết chuyên sâu và cài đặt thực nghiệm trên hệ thống phần mềm:

  • Nguồn dữ liệu và cỡ mẫu: Bộ dữ liệu thực nghiệm gồm 2.500 ảnh khuôn mặt được thu thập từ hơn 100 đối tượng trong các bối cảnh ánh sáng và tư thế khác nhau, kết hợp cùng bộ dữ liệu chuẩn huấn luyện đối sánh sinh trắc học với hơn 99.700 ảnh từ gần 3.000 cá nhân.
  • Phương pháp chọn mẫu: Áp dụng phương pháp chọn mẫu phân tầng ngẫu nhiên, đại diện đầy đủ các biến thể về độ tuổi, giới tính, phụ kiện (mắt kính, khẩu trang) và điều kiện chiếu sáng dao động từ 100 lux đến 500 lux.
  • Lý do lựa chọn phương pháp phân tích: Sự kết hợp giữa bộ mô tả HOG và mạng CNN được lựa chọn vì HOG có tốc độ tính toán nhanh, giải quyết triệt để bài toán chuẩn hóa hình học sơ bộ, trong khi CNN mang lại khả năng phân loại trừu tượng với độ chính xác cao mà không gây bùng nổ tài nguyên bộ nhớ như mạng nơ-ron đa tầng truyền thống.
  • Quy trình và thời gian nghiên cứu: Toàn bộ quá trình từ tổng hợp lý thuyết, thiết kế thuật toán, huấn luyện mô hình phân loại Linear SVM, đến xây dựng ứng dụng máy tính kết nối RESTful API được tiến hành nghiêm ngặt trong khoảng thời gian 12 tháng, hoàn tất đánh giá vào tháng 8 năm 2022.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình kiểm thử thực nghiệm trên hệ thống phần mềm mang lại 4 kết quả nổi bật:

  1. Độ chính xác nhận dạng vượt trội: Mô hình lai HOG-CNN đạt tỷ lệ nhận dạng chính xác trung bình 96,5% trong điều kiện chụp thẳng tiêu chuẩn. Khi khuôn mặt nghiêng một góc 45 độ hoặc điều kiện ánh sáng suy giảm dưới 150 lux, độ chính xác vẫn duy trì ấn tượng ở mức 91,2%, cao hơn khoảng 14% so với các thuật toán nhận dạng mẫu dựa trên cấu trúc hình học truyền thống.
  2. Tối ưu hóa tốc độ xử lý thời gian thực: Thời gian trung bình để phát hiện, căn chỉnh mốc và xác thực một khuôn mặt chỉ mất từ 0,15 đến 0,25 giây cho mỗi khung hình trên nền tảng phần cứng phổ thông. Tốc độ này giúp loại bỏ hoàn toàn hiện tượng trễ khung hình khi tiếp nhận luồng video từ camera 30 FPS.
  3. Hiệu năng bám vết ổn định: Thuật toán KLT kết hợp kiểm tra ngưỡng trùng lặp 0,2 duy trì bám vết chính xác đối tượng liên tục qua 4 khung hình kề nhau, giảm thiểu tỷ lệ nhận dạng sai hoặc tạo bản ghi trùng lặp xuống dưới 2,8%.
  4. Cắt giảm thời gian quy trình nghiệp vụ: Ứng dụng tích hợp vào hệ thống HIS qua RESTful API rút ngắn tổng thời gian đăng ký và tìm kiếm thông tin bệnh nhân từ trung bình 35 phút xuống còn dưới 3 phút cho mỗi lượt khám, giảm tải hơn 90% khối lượng thao tác nhập liệu thủ công của nhân viên y tế.

Thảo luận kết quả

Hiệu năng ấn tượng của hệ thống bắt nguồn từ việc chuẩn hóa vector HOG theo chuẩn bậc hai, giúp triệt tiêu gần như toàn bộ ảnh hưởng của sự thay đổi cường độ sáng cục bộ. Tiếp đó, 5 tầng tích chập của mạng CNN tự động trích lọc các mốc giải phẫu khuôn mặt sâu bất biến với nếp nhăn và góc xoay nhỏ.

So sánh với các nghiên cứu nhận dạng khuôn mặt đương thời áp dụng mô hình Joint Bayesian, giải pháp HOG-CNN trong luận văn mang lại độ chính xác tương đương nhưng tối ưu hơn đáng kể về chi phí tính toán phần cứng, hoàn toàn phù hợp để triển khai thực tế tại các bệnh viện tuyến tỉnh mà không đòi hỏi hệ thống máy chủ GPU đắt đỏ.

Trong báo cáo phân tích chi tiết, dữ liệu thực nghiệm có thể được trực quan hóa thông qua biểu đồ đường thể hiện mối tương quan giữa góc quay khuôn mặt (từ 0 đến 60 độ) và độ chính xác nhận dạng, kết hợp cùng bảng thống kê so sánh thời gian đáp ứng của bộ lọc tích chập kích thước 3x3 so với 5x5. Điều này minh chứng rằng bộ lọc 3x3 mang lại sự cân bằng tối ưu giữa khả năng trích xuất biên cạnh và tốc độ tính toán.

Ý nghĩa thực tiễn của phát hiện này là tạo ra giải pháp xác thực tự động khép kín từ khâu tiếp đón ban đầu, phòng khám lâm sàng đến phòng xét nghiệm cận lâm sàng. Bác sĩ có thể đối chiếu ngay lập tức lịch sử điều trị và hình ảnh bệnh nhân trên phần mềm HIS, ngăn ngừa triệt để tình trạng nhầm lẫn hồ sơ hoặc mượn thẻ bảo hiểm y tế.

Đề xuất và khuyến nghị

Dựa trên kết quả nghiên cứu, luận văn đề xuất 4 nhóm giải pháp cụ thể nhằm đẩy mạnh ứng dụng nhận dạng sinh trắc học trong y tế:

  1. Nâng cấp chuẩn hóa hạ tầng thu nhận hình ảnh y tế: Các cơ sở khám chữa bệnh cần trang bị hệ thống camera độ phân giải cao chuẩn Full HD 1080p tại 100% quầy tiếp đón và cửa phòng khám chuyên khoa, đảm bảo vùng nhận diện khuôn mặt đạt độ phân giải tối thiểu 128x128 pixels; hoàn thành trong lộ trình 6 tháng do Phòng Công nghệ thông tin bệnh viện phụ trách.
  2. Nâng cấp mô hình nhận dạng sang căn chỉnh khuôn mặt 3D: Khuyến nghị nhóm nghiên cứu và các kỹ sư phần mềm tiếp tục phát triển mô hình 3D Face Alignment nhằm nâng độ chính xác nhận dạng khi góc nghiêng vượt quá 60 độ lên trên 98,5%, thực hiện trong khung thời gian 12 tháng tiếp theo.
  3. Mã hóa và bảo mật tuyệt đối dữ liệu sinh trắc học: Triển khai cơ chế mã hóa AES 256-bit cho toàn bộ vector đặc trưng HOG và dữ liệu hình ảnh lưu trữ, tích hợp chuẩn xác thực phân quyền chặt chẽ theo tiêu chuẩn bảo mật dữ liệu y tế quốc tế, tiến hành kiểm toán bảo mật định kỳ 3 tháng một lần do Ban Giám đốc và bộ phận an ninh mạng giám sát.
  4. Ban hành quy trình khám chữa bệnh một chạm thông minh: Bệnh viện cần xây dựng và áp dụng quy chế tiếp đón tự động hóa kết nối liên thông HIS - RIS - PACS, đặt mục tiêu cắt giảm ít nhất 50% thời gian luân chuyển bệnh nhân giữa các khoa lâm sàng trong vòng 3 tháng kể từ khi ban hành văn bản quy định.

Đối tượng nên tham khảo luận văn

Công trình nghiên cứu mang lại giá trị lý thuyết và ứng dụng thiết thực cho 4 nhóm đối tượng chính:

  1. Học viên cao học và nhà nghiên cứu ngành Khoa học máy tính, Thị giác máy tính: Cung cấp tài liệu tham khảo chi tiết về quy trình kết hợp mô hình HOG với mạng nơ-ron tích chập CNN, phương pháp học chuyển giao từ ImageNet và thuật toán theo dõi đối tượng KLT trong xử lý video.
  2. Kỹ sư phần mềm và chuyên viên phát triển hệ thống CNTT y tế: Nắm bắt kiến trúc tích hợp module trí tuệ nhân tạo vào các hệ thống HIS, RIS, PACS thông qua chuẩn kết nối RESTful API hiện đại, phục vụ trực tiếp cho việc phát triển các giải pháp phần mềm quản lý bệnh viện.
  3. Ban Giám đốc và các nhà quản lý bệnh viện, cơ sở y tế: Tiếp cận cơ sở khoa học và bài toán hiệu quả kinh tế - vận hành để xây dựng đề án chuyển đổi số bệnh viện thông minh, tối ưu hóa nguồn lực nhân sự hành chính và nâng cao chỉ số hài lòng của người bệnh.
  4. Cơ quan quản lý Bảo hiểm xã hội và Thanh tra y tế: Tham khảo giải pháp kỹ thuật xác thực danh tính sinh trắc học với độ tin cậy trên 96,5%, phục vụ công tác giám sát, ngăn chặn trục lợi quỹ bảo hiểm y tế và nâng cao tính minh bạch trong quản lý khám chữa bệnh.

Câu hỏi thường gặp

Tại sao nghiên cứu lại kết hợp bộ mô tả HOG cùng mạng CNN thay vì chỉ dùng riêng mạng CNN?

Việc kết hợp HOG và CNN tạo ra sự cân bằng lý tưởng giữa tốc độ và độ chính xác. Bộ mô tả HOG trích xuất nhanh chóng các phân bố hướng gradient cục bộ để khoanh vùng và căn chỉnh khuôn mặt ban đầu, giúp giảm hơn 40% khối lượng tính toán thô cho mạng CNN 5 tầng phía sau, từ đó tối ưu hóa hiệu năng vận hành thời gian thực.

Hệ thống nhận dạng khuôn mặt xử lý thế nào khi bệnh nhân đeo kính hoặc thay đổi biểu cảm?

Mô hình sử dụng các lớp tích chập sâu kết hợp hàm kích hoạt ReLU và lớp Max Pooling để học các đặc trưng hình thái trừu tượng cấp cao. Thực nghiệm trên 2.500 ảnh biến thể cho thấy hệ thống vẫn duy trì độ chính xác trên 91,2% nhờ khả năng bất biến không gian, không bị đánh lừa bởi kính mắt hay các biểu cảm thông thường.

Việc tích hợp hệ thống nhận dạng khuôn mặt có làm gián đoạn phần mềm HIS hiện có của bệnh viện không?

Hệ thống được thiết kế theo kiến trúc module hóa độc lập, giao tiếp với hệ thống HIS thông qua chuẩn giao thức RESTful API. Quá trình truyền nhận mã định danh bệnh nhân chỉ mất khoảng 0,2 giây, hoàn toàn không làm gián đoạn hay thay đổi cấu trúc cơ sở dữ liệu cốt lõi của phần mềm bệnh viện sẵn có.

Thuật toán Kanade-Lucas-Tomasi (KLT) đóng vai trò gì trong việc xử lý luồng video tại quầy tiếp đón?

Thuật toán KLT chịu trách nhiệm bám vết các điểm đặc trưng của khuôn mặt giữa 2 khung hình liên tiếp. Khi bệnh nhân di chuyển trước camera, hệ thống duy trì theo dõi trong ngưỡng 4 khung hình với tỷ lệ trùng lặp 0,2, giúp giảm 80% tần suất gọi hàm nhận dạng lặp lại và đảm bảo luồng xử lý mượt mà.

Dữ liệu khuôn mặt của bệnh nhân được lưu trữ dưới hình thức nào để đảm bảo quyền riêng tư?

Hệ thống không lưu trữ trực tiếp ảnh màu nguyên bản trên máy chủ công cộng mà chuyển hóa dữ liệu thành các vector số học đại diện HOG 3.780 chiều và các trọng số đặc trưng CNN. Các chuỗi số này được lưu trữ trong cơ sở dữ liệu bảo mật, đảm bảo không thể tái tạo lại hình ảnh gốc nếu xảy ra sự cố truy cập trái phép.

Kết luận

Luận văn đã giải quyết trọn vẹn bài toán tự động hóa xác thực danh tính người bệnh trong quản lý y tế thông qua 5 đóng góp học thuật và thực tiễn nổi bật:

  • Xây dựng thành công quy trình nhận dạng khuôn mặt 4 giai đoạn kết hợp tối ưu giữa bộ mô tả đặc trưng HOG 9 bins định hướng và kiến trúc mạng nơ-ron tích chập CNN 5 tầng.
  • Đạt độ chính xác nhận dạng trung bình 96,5% với thời gian phản hồi siêu tốc dưới 0,25 giây mỗi khung hình trên phần cứng phổ thông.
  • Tích hợp hoàn chỉnh module nhận dạng vào hệ thống thông tin quản lý bệnh viện (HIS/RIS/PACS) thông qua chuẩn kết nối RESTful API linh hoạt.
  • Rút ngắn hơn 90% thời gian chờ đợi tại khâu tiếp đón bệnh nhân, triệt tiêu sai sót nhầm lẫn hồ sơ và ngăn chặn gian lận bảo hiểm y tế.
  • Đặt tiền đề kỹ thuật vững chắc cho các nghiên cứu tiếp theo về phân tích cảm xúc bệnh nhân và theo dõi tình trạng đau theo thời gian thực.

Về định hướng tương lai, đề tài dự kiến sẽ tiếp tục phát triển mô hình nhận dạng khuôn mặt 3D và thử nghiệm diện rộng tại 5 bệnh viện đa khoa trong giai đoạn 2024 - 2025. Các cơ sở khám chữa bệnh và đơn vị nghiên cứu quan tâm có thể khai thác trực tiếp giải pháp này để đẩy nhanh tiến trình hiện đại hóa y tế thông minh.