Khóa luận tốt nghiệp: Xác định khả năng ung thư ác tính trong hình ảnh tổn thương da

Luận văn tốt nghiệp nghiên cứu tốt nghiệp khoa học máy tính xác định khả năng ung thư ác tính trong ảnh tổn thương da, điều tra thực trạng, phân tích số liệu, đề xuất biện pháp

• Tác giả: Nguyễn Hoàng Quân
• Người hướng dẫn: TS. Mai Tiến Dũng
• Trường học: Đại học Quốc gia TP. Hồ Chí Minh
• Chuyên ngành: Khoa học máy tính
• Đề tài: Xác định khả năng ung thư ác tính trong hình ảnh tổn thương da
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2021
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CÁM ƠN
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Giới thiệu bài toán
• 1.2. Tính ứng dụng
• 1.3. Những thách thức
• 1.4. Mục tiêu đề tài
• 1.5. Cấu trúc Khóa luận tốt nghiệp
• 2. CHƯƠNG 2: NGHIÊN CỨU LIÊN QUAN
• 2.1. Tổng quan về ung thư da
• 2.2. Bốn loại u ác tính chính
• 2.2.1. Ung thư hắc tố lan rộng bề mặt
• 2.2.2. Ung thư hắc tố thể nốt
• 2.2.3. Ung thư hắc tố Lentigo ác tính
• 2.2.4. Khối u ác tính tuyến bã đậu
• 2.3. Các nghiên cứu liên quan
• 2.3.1. Tình hình nghiên cứu của các bài toán liên quan
• 3. CHƯƠNG 3: HƯỚNG TIẾP CẬN TRONG KHÓA LUẬN
• 3.1. Tiền xử lí dữ liệu
• 3.2. Xây dựng các mô hình
• 4. CHƯƠNG 4: THỰC NGHIỆM VÀ ĐÁNH GIÁ
• 4.1. Môi trường và ngôn ngữ cài đặt
• 4.2. Phương pháp đánh giá
• 4.3. Kết quả huấn luyện mô hình
• 4.4. Kết quả tổng hợp mô hình
• Bibliography

Tóm tắt

I. Tổng quan về khả năng ung thư ác tính trong hình ảnh tổn thương da

Khả năng ung thư ác tính trong hình ảnh tổn thương da là một vấn đề nghiêm trọng trong y tế hiện đại. Việc phát hiện sớm ung thư da, đặc biệt là ung thư hắc tố, có thể cứu sống nhiều bệnh nhân. Nghiên cứu này tập trung vào việc sử dụng công nghệ AI để phân tích hình ảnh tổn thương da nhằm xác định khả năng ung thư ác tính.

1.1. Định nghĩa ung thư ác tính và tầm quan trọng của việc phát hiện sớm

Ung thư ác tính, đặc biệt là ung thư hắc tố, là loại ung thư da nguy hiểm nhất. Việc phát hiện sớm có thể giúp tăng tỷ lệ sống sót lên đến 99%.

1.2. Các loại tổn thương da và mối liên hệ với ung thư

Tổn thương da có thể xuất hiện dưới nhiều hình thức khác nhau. Một số tổn thương có thể là dấu hiệu của ung thư ác tính, do đó cần được phân tích kỹ lưỡng.

II. Những thách thức trong việc xác định ung thư ác tính từ hình ảnh tổn thương da

Việc xác định ung thư ác tính từ hình ảnh tổn thương da gặp nhiều thách thức. Các dấu hiệu nhận biết có thể không rõ ràng và dễ bị nhầm lẫn với các bệnh khác. Điều này đòi hỏi các phương pháp phân tích hình ảnh chính xác và hiệu quả.

2.1. Khó khăn trong việc phân loại hình ảnh tổn thương da

Hình ảnh tổn thương da có thể có nhiều màu sắc và hình dạng khác nhau, gây khó khăn trong việc phân loại chính xác.

2.2. Sự cần thiết của công nghệ AI trong chẩn đoán

Công nghệ AI có thể giúp cải thiện độ chính xác trong việc phát hiện ung thư ác tính từ hình ảnh tổn thương da, giảm thiểu sai sót do con người.

III. Phương pháp sử dụng công nghệ AI trong xác định ung thư ác tính

Công nghệ AI đã được áp dụng để phát triển các mô hình phân tích hình ảnh tổn thương da. Những mô hình này có khả năng học hỏi từ dữ liệu lớn và cải thiện độ chính xác theo thời gian.

3.1. Các thuật toán học sâu trong phân tích hình ảnh

Các thuật toán học sâu như CNN (Convolutional Neural Networks) đã chứng minh hiệu quả trong việc phân tích hình ảnh y tế, bao gồm cả hình ảnh tổn thương da.

3.2. Quy trình phát triển mô hình AI cho chẩn đoán

Quy trình phát triển mô hình bao gồm thu thập dữ liệu, tiền xử lý hình ảnh, huấn luyện mô hình và đánh giá hiệu suất.

IV. Ứng dụng thực tiễn của công nghệ AI trong chẩn đoán ung thư da

Công nghệ AI không chỉ giúp phát hiện ung thư ác tính mà còn hỗ trợ bác sĩ trong việc đưa ra quyết định điều trị. Các ứng dụng này đang ngày càng trở nên phổ biến trong các bệnh viện và phòng khám.

4.1. Các hệ thống hỗ trợ chẩn đoán hiện có

Nhiều hệ thống AI đã được phát triển và áp dụng trong thực tế, giúp bác sĩ chẩn đoán nhanh chóng và chính xác hơn.

4.2. Kết quả nghiên cứu và hiệu quả của các mô hình

Nghiên cứu cho thấy các mô hình AI có thể đạt được độ chính xác tương đương hoặc cao hơn so với bác sĩ da liễu trong việc phát hiện ung thư ác tính.

V. Kết luận và tương lai của nghiên cứu về ung thư ác tính

Nghiên cứu về khả năng ung thư ác tính trong hình ảnh tổn thương da đang mở ra nhiều cơ hội mới trong lĩnh vực y tế. Tương lai của công nghệ AI trong chẩn đoán ung thư hứa hẹn sẽ mang lại nhiều tiến bộ đáng kể.

5.1. Tương lai của công nghệ AI trong y tế

Công nghệ AI sẽ tiếp tục phát triển và có thể trở thành công cụ không thể thiếu trong chẩn đoán và điều trị ung thư.

5.2. Những nghiên cứu tiếp theo cần thực hiện

Cần tiếp tục nghiên cứu để cải thiện độ chính xác và khả năng ứng dụng của các mô hình AI trong chẩn đoán ung thư ác tính.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Khóa luận tốt nghiệp "Xác định khả năng ung thư ác tính trong hình ảnh tổn thương da" (Identify melanoma in lesion images) của sinh viên Nguyễn Hoàng Quân, chuyên ngành Khoa học Máy tính, Trường Đại học Công nghệ Thông tin – Đại học Quốc gia TP. Hồ Chí Minh (người hướng dẫn: TS. Mai Tiến Dũng, thời gian thực hiện từ 07/09/2020 đến 02/01/2021) tập trung giải quyết bài toán nhận diện ung thư hắc tố (melanoma) từ ảnh chụp tổn thương da.

Ung thư da là một trong những dạng ung thư phổ biến trên thế giới. Trong đó, ung thư hắc tố là thể bệnh ác tính nghiêm trọng nhất phát sinh từ tế bào hắc tố (melanocytes). Mặc dù tỷ lệ mắc bệnh thấp hơn so với ung thư biểu mô tế bào đáy (Basal Cell Carcinoma - BCC) và ung thư biểu mô tế bào vảy (Squamous Cell Carcinoma - SCC), ung thư hắc tố chiếm tới 75% tổng số ca tử vong do ung thư da vì tốc độ di căn nhanh sang các cơ quan nội tạng nếu không can thiệp kịp thời. Theo số liệu thống kê của Hiệp hội Ung thư Hoa Kỳ được trích dẫn trong văn bản, năm 2020 tại Hoa Kỳ ước tính có hơn 100.000 ca ung thư hắc tố mới và khoảng 6.850 ca tử vong (gồm 4.610 nam giới và 2.240 nữ giới). Tuy vậy, nếu được phát hiện ở giai đoạn sớm, tỷ lệ sống sót sau 5 năm của bệnh nhân có thể đạt khoảng 99%.

Khó khăn cốt lõi của bài toán xuất phát từ các yếu tố:

1. Hình thái tổn thương đa dạng về kích thước, màu sắc, đường viền và xuất hiện ở nhiều vị trí khác nhau trên cơ thể (lưng, ngực, chân tay, lòng bàn tay, lòng bàn chân, móng tay).
2. Dấu hiệu tổn thương ác tính dễ nhầm lẫn với các tổn thương da lành tính hoặc bệnh lý da khác như tàn nhang lentigo NOS, nốt ruồi (nevus), dày sừng tiết bã (seborrheic keratosis).
3. Hiện tượng mất cân bằng dữ liệu nghiêm trọng trong thực tế chẩn đoán: tập dữ liệu ISIC 2020 chỉ chứa 1,76% hình ảnh ung thư hắc tố ác tính trên tổng số hơn 33.000 hình ảnh.

Mục tiêu và nhiệm vụ nghiên cứu của đề tài được xác định gồm ba nội dung chính:

1. Tìm hiểu bài toán nhận diện tổn thương da và khảo sát các hướng tiếp cận học sâu tiên tiến, trọng tâm là phân tích giải pháp đạt hạng 1 của nhóm tác giả Qishen Ha và cộng sự trong cuộc thi quốc tế SIIM-ISIC Melanoma Classification Challenge 2020 do Kaggle tổ chức.
2. Thực nghiệm tái hiện hệ thống đa mô hình học sâu kết hợp dữ liệu ảnh và siêu dữ liệu (metadata), sử dụng hai bộ dữ liệu chuẩn ISIC 2020 và ISIC 2019.
3. Đề xuất các cải tiến tại tầng tổng hợp mô hình (ensemble) bằng việc thử nghiệm các thuật toán học máy truyền thống (Support Vector Machine, Naive Bayes, Logistic Regression, Decision Tree, K-Nearest Neighbors) thay thế phương pháp tính trung bình giản đơn, đồng thời khảo sát ảnh hưởng của việc phân chia số lớp mục tiêu (2, 3, 4 và 9 lớp).

Đối tượng nghiên cứu là hình ảnh kỹ thuật số chụp các tổn thương da dạng dermoscopy và thông tin đặc trưng lâm sàng đi kèm của bệnh nhân. Phạm vi dữ liệu giới hạn trong khuôn khổ cuộc thi SIIM-ISIC Melanoma Classification Challenge (kết hợp tập dữ liệu ISIC 2020 và ISIC 2019 do Tổ chức Cộng tác Hình ảnh Da Quốc tế – ISIC cung cấp).

---

Cơ sở lý thuyết và phương pháp

Khóa luận kết hợp kiến thức y sinh học về bệnh học da liễu với các lý thuyết học máy và thị giác máy tính hiện đại:

• Cơ sở y sinh học: Phân tích cơ chế hoạt động của tế bào hắc tố (melanocytes) sản sinh sắc tố melanin (bao gồm eumelanin bảo vệ da và pheomelanin không bảo vệ da). Đột biến tế bào do tia cực tím (UV) dẫn đến bốn phân loại u hắc tố chính: ung thư hắc tố lan rộng bề mặt (chiếm 70% các ca bệnh), ung thư hắc tố thể nốt (chiếm 15% đến 30%), ung thư hắc tố Lentigo ác tính (chiếm 5%, thường có đột biến ở gen C-kit) và ung thư hắc tố tuyến bã đậu (phổ biến ở người da màu, xuất hiện ở lòng bàn tay, lòng bàn chân, móng tay).
• Tổng quan nghiên cứu liên quan: Nghiên cứu tham chiếu các công bố tại hội nghị CVPR 2020 về phân loại ảnh y tế; các kết quả nghiên cứu của Haenssle và Brinker chứng minh mạng nơ-ron tích chập (CNN) có khả năng đạt hiệu suất chẩn đoán tương đương bác sĩ chuyên khoa da liễu; kỹ thuật Stacking kết hợp module phân loại hai lớp CS-KSU (Class Specific - Known vs. Simulated Unknown) của Subhranil Bagchi; mô hình Meta-DermDiagnosis ứng dụng meta-learning (Reptile, Prototypical Networks) của Kushagra Mahajan xử lý bài toán dữ liệu ít mẫu (few-shot learning).
• Mô hình học sâu chủ đạo (EfficientNet): Mạng CNN phát triển bởi Mingxing Tan và Quoc V. Le (2019), xây dựng trên các khối tích chập MBConv. Khác với việc mở rộng đơn lẻ chiều sâu, chiều rộng hay độ phân giải, EfficientNet sử dụng phương pháp chia tỷ lệ phức hợp (compound scaling) theo hệ số $\phi$:
  • Chiều sâu mạng: $d = \alpha^\phi$
  • Chiều rộng mạng: $w = \beta^\phi$
  • Độ phân giải hình ảnh: $r = \gamma^\phi$
  • Ràng buộc: $\alpha \cdot \beta^2 \cdot \gamma^2 \approx 2$ với các hệ số tối ưu cho mô hình cơ sở B0 là $\alpha = 1{,}15; \beta \ge 1; \gamma \ge 1$ được xác định qua tìm kiếm dạng lưới nhỏ (small grid search). Số lượng tham số của các mô hình biến thể: EfficientNet-B0 (5,2 triệu), B3 (12 triệu), B4 (19 triệu), B5 (30 triệu), B6 (43 triệu) và B7 (66 triệu).
• Các kiến trúc CNN bổ trợ: SE-ResNeXt101 và ResNeSt101, cùng thử nghiệm phụ trợ với MobileNetV2.
• Phương pháp học máy tổng hợp kết quả (Ensemble Learning):
  • Tính trung bình số học (Averaging) các xác suất dự đoán.
  • Support Vector Machine (SVM) với các hàm nhân (kernel) linear, rbf, sigmoid và tham số $C \in {0.1, 100}$.
  • Naive Bayes với ba thuật toán: Gaussian, Multinomial và Bernoulli.
  • Logistic Regression (tham số mặc định $C = 1$, random_state = 0).
  • Decision Tree (tiêu chuẩn phân chia Gini, splitter = best, max_depth = None).
  • K-Nearest Neighbors (KNN) khảo sát trên các giá trị $K$ khác nhau.
• Nguồn dữ liệu: Nền tảng dữ liệu ISIC được thu thập từ Bệnh viện Clínic de Barcelona, Đại học Y khoa Vienna, Trung tâm Ung thư Memorial Sloan Kettering, Viện Ung thư hắc tố Úc, Đại học Queensland và Đại học Athens.

---

Nội dung chính theo từng chương

Chương 1: Tổng quan

Chương 1 giới thiệu khái quát về bệnh lý ung thư da, xác định bài toán kỹ thuật: tiếp nhận đầu vào (input) là một hình ảnh vùng da tổn thương, đưa ra đầu ra (output) là giá trị xác suất thể hiện phần trăm vùng da đó bị ung thư hắc tố ác tính. Tác giả chỉ ra tính ứng dụng của hệ thống trong việc hỗ trợ các bác sĩ da liễu tại phòng khám, bệnh viện hoặc các cơ sở y tế vùng sâu, vùng xa nhằm nâng cao độ chính xác sàng lọc sớm. Chương này cũng phân tích các thách thức về sự tương đồng hình ảnh giữa khối u ác tính và các tổn thương lành tính, đồng thời trình bày mục tiêu nghiên cứu và cấu trúc 5 chương của cuốn khóa luận.

Chương 2: Nghiên cứu liên quan

Chương 2 phân tích sâu cấu trúc sinh học của da, cơ chế hình thành khối u từ tế bào hắc tố và triệu chứng lâm sàng của 4 nhóm u ác tính chính. Tác giả tổng hợp các công trình nghiên cứu sử dụng học sâu trên thế giới, bao gồm việc ứng dụng kỹ thuật Stacking với EfficientNet-B2, EfficientNet-B5 và DenseNet kết hợp module CS-KSU của Subhranil Bagchi; giải pháp Meta-DermDiagnosis sử dụng meta-learning của Kushagra Mahajan đạt điểm AUC trung bình 0,86 trên bộ dữ liệu ISIC 2018.

Đặc biệt, chương này mổ xẻ chi tiết 3 giải pháp đứng đầu cuộc thi SIIM-ISIC Melanoma Classification Challenge 2020 trên Kaggle:

• Hạng 1 (Qishen Ha và cộng sự): Huấn luyện 18 mô hình học sâu (EfficientNet B3–B7, SE-ResNeXt101, ResNeSt101) với nhiều độ phân giải ảnh khác nhau, bổ sung dữ liệu ISIC 2019, chuyển đổi nhãn chẩn đoán thành 9 target và dùng trung bình cộng để kết hợp kết quả.
• Hạng 2 (Ian Pan): Sử dụng EfficientNet-B6 và B7, áp dụng kỹ thuật gán nhãn giả (Pseudolabeling), nhân mẫu (Upsampling) dữ liệu ung thư hắc tố của tập 2020 lên 7 lần để cân bằng với tập 2019, chia target thành 3 lớp (unknown, melanoma, nevus).
• Hạng 3 (Masdevallia): Huấn luyện 8 mô hình EfficientNet-B5, B6, B7 trên các kích thước ảnh 256, 384, 512, 768 với số epoch từ 10 đến 25, kết hợp kỹ thuật xóa/thêm lông (hair augmentation).

Giải pháp	Tác giả	Kiến trúc mô hình	Xử lý dữ liệu và kỹ thuật đặc trưng
Hạng 1	Qishen Ha et al.	18 mô hình: EfficientNet (B3–B7), SE-ResNeXt101, ResNeSt101	Ghép dữ liệu ISIC 2019 + 2020; chuyển 9 target; đa kích thước ảnh
Hạng 2	Ian Pan	EfficientNet-B6, EfficientNet-B7	Upsampling lớp melanoma 7 lần; Pseudolabeling; chia 3 target
Hạng 3	Masdevallia	8 mô hình: EfficientNet-B5, B6, B7	Hair augmentation; kích thước ảnh từ 256 đến 768; 10–25 epoch

Chương 3: Hướng tiếp cận trong khóa luận

Chương 3 trình bày chi tiết toàn bộ quy trình thiết kế và thực nghiệm hệ thống qua hai giai đoạn:

1. Giai đoạn tiền xử lý và chia dữ liệu:
   • Bộ dữ liệu huấn luyện được chia 5-fold theo các nguyên tắc nghiêm ngặt: tách riêng bệnh nhân (toàn bộ ảnh của cùng một mã patient_id phải nằm trọn trong một fold duy nhất nhằm tránh rò rỉ dữ liệu); đảm bảo phân tầng tỷ lệ ung thư hắc tố đồng đều 1,76% ở mỗi fold; phân bổ các bệnh nhân có số lượng ảnh tương đương vào cùng một fold.
   • Kỹ thuật tăng cường dữ liệu hình ảnh (Image Augmentation) bằng thư viện Albumentations gồm 16 phép biến đổi: Transpose, Flip, Rotate, RandomBrightness, RandomContrast, MotionBlur, MedianBlur, GaussianBlur, GaussNoise, OpticalDistortion, GridDistortion, ElasticTransform, CLAHE, HueSaturationValue, ShiftScaleRotate, Cutout.
   • Ánh xạ cột chẩn đoán (diagnosis) giữa hai bộ dữ liệu:

Target hợp nhất	Giá trị chẩn đoán trên ISIC 2020	Giá trị chẩn đoán trên ISIC 2019
NV	nevus	NV
MEL	melanoma	MEL
BCC	(không có)	BCC
BKL	lichenoid keratosis, lentigo NOS, seborrheic keratosis, solar lentigo	BKL
AK	(không có)	AK
SCC	(không có)	SCC
VASC	(không có)	VASC
DF	(không có)	DF
unknown	cafe-au-lait macule, atypical melanocytic proliferation	unknown

2. Xây dựng 18 mô hình mạng CNN đường cơ sở:
   • Cấu tạo 18 mô hình sử dụng các kích thước ảnh khác nhau (từ 384 đến 896 pixel) và các kiến trúc backbone tương ứng.
   • Nhánh xử lý siêu dữ liệu (Metadata): Dữ liệu bảng (tuổi, giới tính, vị trí giải phẫu) được đưa qua khối mạng nơ-ron kết nối đầy đủ: Linear(?, 512) $\rightarrow$ Batch Normalization $\rightarrow$ hàm kích hoạt Swish $\rightarrow$ Dropout(0.4) $\rightarrow$ Linear(512, 128) $\rightarrow$ Batch Normalization, sau đó ghép nối (concatenate) với vector đặc trưng trích xuất từ mạng CNN, đi qua lớp Dropout(0.5) trước khi tới lớp phân loại Linear cuối cùng. Có 4 mô hình áp dụng nhánh metadata này (các model 1, 4, 7, 14).
   • Tác giả thực nghiệm bổ sung một mô hình độc lập sử dụng mạng MobileNetV2 trên kích thước ảnh 256, không dùng metadata, huấn luyện trên 9 lớp.

Model	Kiến trúc Backbone	Kích thước ảnh	Siêu dữ liệu (Metadata)	Số lượng Target
1	EfficientNet B3	512	Có	9
2	EfficientNet B4	640	Không	9
3	EfficientNet B4	768	Không	9
4	EfficientNet B4	640	Có	9
5	EfficientNet B4	896	Không	9
6	EfficientNet B4	448	Không	9
7	EfficientNet B5	384	Có	9
8	EfficientNet B5	640	Không	9
9	EfficientNet B5	640	Không	4
10	EfficientNet B5	448	Không	9
11	EfficientNet B6	640	Không	9
12	EfficientNet B6	576	Không	9
13	EfficientNet B6	446	Không	9
14	EfficientNet B7	384	Có	9
15	EfficientNet B7	576	Không	9
16	EfficientNet B7	640	Không	9
17	se_resnext101	640	Không	9
18	resnest101	640	Không	9

3. Giai đoạn dự đoán và tổng hợp kết quả (Ensemble):
   • Giá trị xác suất dự đoán từ 18 mô hình được chuyển về đoạn $[0, 1]$.
   • Tiến hành huấn luyện các bộ phân loại máy học (SVM, Naive Bayes, Logistic Regression, Decision Tree, KNN) trên kết quả dự đoán của tập huấn luyện đã gán nhãn, sau đó dùng chính các bộ phân loại này để đưa ra kết luận dự đoán cuối cùng.
   • Thử nghiệm trên 4 không gian nhãn đầu ra: 2 lớp (Benign, Melanoma), 3 lớp (Unknown, Melanoma, Nevus), 4 lớp (Unknown, Melanoma, Nevus, BKL) và 9 lớp ban đầu.

Chương 4: Thực nghiệm và đánh giá

Chương 4 mô tả cấu hình môi trường cài đặt: ngôn ngữ Python 3 với các thư viện kỹ thuật Pillow, scikit-learn, numpy, PyTorch, pandas, Apex, Albumentations, CUDA và CuDNN. Phần cứng thực nghiệm trên nền tảng Google Colab gồm bộ nhớ trong 12GB RAM, GPU NVIDIA Tesla K80 và vi xử lý Intel(R) Xeon(R) CPU @ 2.20GHz.

Thực nghiệm sử dụng phương pháp kiểm chứng chéo 5-fold cross-validation và độ đo chuẩn ROC-AUC (Area Under the Receiver Operating Characteristic Curve). Diện tích dưới đường cong ROC đo lường mức độ phân tách giữa lớp dương tính (True Positive Rate: $\text{TPR} = \frac{\text{TP}}{\text{TP} + \text{FN}}$) và tỷ lệ dương tính giả (False Positive Rate: $\text{FPR} = \frac{\text{FP}}{\text{FP} + \text{TN}}$).

Tác giả thống kê chi tiết đặc tính hai tập dữ liệu thực nghiệm:

• Tập dữ liệu ISIC 2020: Tổng cộng 33.126 hình ảnh từ hơn 2.000 bệnh nhân, bao gồm 8 thuộc tính: image_name, patient_id, sex, age_approx, anatom_site_general_challenge, diagnosis, benign_malignant, target. Dữ liệu gồm 32.542 mẫu âm tính và 584 mẫu dương tính (1,76%). Phân bố chẩn đoán: unknown (27.124 ảnh), nevus (5.193 ảnh), melanoma (584 ảnh), seborrheic keratosis (135 ảnh), lentigo NOS (44 ảnh), lichenoid keratosis (37 ảnh), solar lentigo (7 ảnh), cafe-au-lait macule (1 ảnh), atypical melanocytic proliferation (1 ảnh).
• Tập dữ liệu ISIC 2019: Tổng cộng 25.331 hình ảnh gồm 8 thuộc tính tương tự (không có patient_id). Dữ liệu gồm 20.809 mẫu âm tính và 4.522 mẫu dương tính (17,85%). Phân bố chẩn đoán: NV (12.875 ảnh), MEL (4.522 ảnh), BKL (2.624 ảnh), BCC (3.323 ảnh), AK (867 ảnh), SCC (628 ảnh), DF (239 ảnh), VASC (253 ảnh).

Thuộc tính thống kê	Bộ dữ liệu ISIC 2020	Bộ dữ liệu ISIC 2019
Tổng số hình ảnh	33.126	25.331
Số mẫu lành tính (âm tính - 0)	32.542 (98,24%)	20.809 (82,15%)
Số mẫu ung thư hắc tố (dương tính - 1)	584 (1,76%)	4.522 (17,85%)
Số lượng bệnh nhân	Hơn 2.000 bệnh nhân	Không cung cấp trường ID
Số lượng nhãn phân loại lâm sàng	9 lớp chẩn đoán	8 lớp chẩn đoán

Chương 5: Kết luận và hướng phát triển

Chương cuối tổng kết lại quá trình tìm hiểu mô hình vô địch cuộc thi SIIM-ISIC 2020, hệ thống hóa các thử nghiệm thay đổi thuật toán tổng hợp mô hình từ trung bình cộng sang các phương pháp máy học và nêu định hướng mở rộng nghiên cứu. Khóa luận có phần Phụ lục trình bày chi tiết công thức toán học và nguyên lý của các thuật toán: K-Nearest Neighbors, Support Vector Machine, cây quyết định ID3, Logistic Regression, định lý Bayes và mạng nơ-ron tích chập (CNN).

---

Kết quả và đóng góp

Khóa luận đã hoàn thành các mục tiêu khoa học và thực nghiệm đặt ra:

• Tái hiện thành công giải pháp học sâu phức hợp: Xây dựng hệ thống huấn luyện kết hợp 18 mô hình CNN đa quy mô (EfficientNet-B3 đến B7, SE-ResNeXt101, ResNeSt101) tận dụng đồng thời thông tin hình ảnh đa độ phân giải (384x384 đến 896x896) và siêu dữ liệu lâm sàng của bệnh nhân thông qua mạng nơ-ron liên kết đa tầng.
• Giải quyết bài toán mất cân bằng dữ liệu: Đề xuất quy trình phân bổ dữ liệu 5-fold phân tầng nghiêm ngặt chống rò rỉ bệnh nhân, tích hợp bộ dữ liệu ISIC 2019 (có tỷ lệ ung thư hắc tố 17,85%, cao gấp 10 lần tập 2020) vào tập huấn luyện; thiết lập bảng chuyển đổi thống nhất 9 nhóm bệnh giữa hai tập dữ liệu độc lập.
• Thực nghiệm toàn diện các phương pháp tổng hợp kết quả (Ensemble): Thay vì chỉ dừng lại ở phương pháp tính trung bình giản đơn của nhóm tác giả hạng 1, khóa luận đã thiết kế và thử nghiệm độc lập 5 thuật toán học máy (SVM, Naive Bayes, Logistic Regression, Decision Tree, KNN) với nhiều cấu hình tham số, kết hợp kiểm định trên 4 thiết lập phân lớp mục tiêu (2, 3, 4 và 9 classes).

---

Hạn chế và hướng nghiên cứu tiếp

Khóa luận chỉ ra một số hạn chế gắn liền với phạm vi nghiên cứu:

• Hạn chế: Sự phân bố dữ liệu giữa các lớp bệnh da liễu có độ lệch cực lớn (nhiều lớp như cafe-au-lait macule hay atypical melanocytic proliferation chỉ xuất hiện đúng 1 mẫu trong toàn bộ tập dữ liệu ISIC 2020); tài nguyên tính toán giới hạn trong môi trường Google Colab miễn phí (GPU Tesla K80 với 12GB RAM) dẫn đến việc không thể mở rộng huấn luyện đồng thời nhiều mô hình ở độ phân giải tối đa.
• Hướng phát triển tiếp theo:
  • Thử nghiệm các kỹ thuật tiền xử lý chuyên biệt như kỹ thuật tạo và khử lông giả lập (hair augmentation) của đội hạng 3 Masdevallia.
  • Áp dụng kỹ thuật gán nhãn giả (Pseudolabeling) và tăng mẫu lặp lại (Upsampling) cho lớp ung thư hắc tố trong tập ISIC 2020 như giải pháp của đội hạng 2 Ian Pan.
  • Tối ưu hóa sâu hơn các siêu tham số của các bộ phân loại tổng hợp mô hình máy học.
  • Tối ưu kích thước mô hình để đóng gói triển khai trên các thiết bị di động (MobileAI) phục vụ y tế thực địa.

---

Giá trị tham khảo

Báo cáo khóa luận là tài liệu học thuật hữu ích cho:

• Sinh viên và nhà nghiên cứu: Thuộc các chuyên ngành Khoa học Máy tính, Trí tuệ Nhân tạo, Công nghệ Thông tin, Kỹ thuật Y sinh đang thực hiện đề tài về phân tích ảnh y tế, chẩn đoán bệnh lý qua ảnh hoặc học máy ứng dụng.
• Các phần nội dung có giá trị tham khảo kỹ thuật cao:
  • Phương pháp phân chia 5-fold cross-validation bảo toàn độc lập danh tính bệnh nhân (patient_id) và cân bằng tỷ lệ nhãn thiểu số.
  • Bảng ánh xạ nhãn chẩn đoán giữa các niên khóa của bộ dữ liệu quốc tế ISIC.
  • Thiết kế kiến trúc tích hợp đa phương thức (Multimodal Fusion) kết hợp đặc trưng hình ảnh trích xuất từ CNN với các thuộc tính bảng lâm sàng (tabular metadata).

---

Câu hỏi thường gặp

1. Tỷ lệ xuất hiện của các mẫu bệnh ung thư hắc tố ác tính trong hai bộ dữ liệu ISIC 2020 và ISIC 2019 khác nhau như thế nào?
Trong tập dữ liệu huấn luyện ISIC 2020, lớp ung thư hắc tố chỉ có 584 mẫu trên tổng số 33.126 ảnh, chiếm tỷ lệ 1,76%. Trong khi đó, tập dữ liệu ISIC 2019 có 4.522 mẫu ung thư hắc tố trên tổng số 25.331 ảnh, chiếm tỷ lệ 17,85% (gấp hơn 10 lần tỷ lệ của tập 2020).

2. Việc phân chia 5 fold trong khóa luận phải tuân thủ những quy tắc nào?
Dữ liệu được chia thành 5 fold dựa trên 3 quy tắc: tách riêng người bệnh (tất cả hình ảnh của cùng một bệnh nhân bắt buộc phải nằm chung trong một fold duy nhất); cân bằng tỷ lệ mẫu ung thư hắc tố ở mỗi fold đúng bằng 1,76%; những người bệnh có số lượng ảnh tương đương nhau được gom vào cùng một fold.

3. Khóa luận ánh xạ các nhãn bệnh lý lành tính từ tập dữ liệu ISIC 2020 sang nhãn của ISIC 2019 như thế nào?
Các nhãn lichenoid keratosis, lentigo NOS, seborrheic keratosis và solar lentigo trên tập 2020 được gộp chung thành nhãn BKL (Benign Keratosis-like Lesions); nevus chuyển thành NV; melanoma chuyển thành MEL; còn hai nhãn cafe-au-lait macule và atypical melanocytic proliferation được chuyển thành unknown.

4. Nhánh xử lý siêu dữ liệu (metadata) của mô hình được thiết kế qua những lớp mạng nào?
Siêu dữ liệu lâm sàng được đưa qua hai tầng kết nối đầy đủ tuần tự: Linear(?, 512) $\rightarrow$ BatchNorm $\rightarrow$ Swish $\rightarrow$ Dropout(0.4) $\rightarrow$ Linear(512, 128) $\rightarrow$ BatchNorm. Sau đó, vector này được ghép nối cùng vector đặc trưng hình ảnh từ CNN, đi qua lớp Dropout(0.5) trước khi tới lớp phân loại cuối.

5. Tác giả khóa luận đã thử nghiệm các thuật toán học máy nào ở bước tổng hợp mô hình (ensemble)?
Tác giả đã thử nghiệm 6 hướng tiếp cận tổng hợp kết quả dự đoán của 18 mô hình: tính trung bình số học (Averaging), Support Vector Machine (với nhân sigmoid, rbf, linear; $C = 0.1, 100$), Naive Bayes (Gaussian, Multinomial, Bernoulli), Logistic Regression ($C = 1$), Decision Tree (tiêu chuẩn Gini) và K-Nearest Neighbors (khảo sát tham số $K$), đồng thời đánh giá trên 4 cấu hình đầu ra gồm 2, 3, 4 và 9 target.

---

Kết luận

Khóa luận tốt nghiệp của sinh viên Nguyễn Hoàng Quân đã tái hiện và chuẩn hóa thành công quy trình xử lý dữ liệu, trích xuất đặc trưng đa quy mô và tích hợp siêu dữ liệu từ phương pháp vô địch cuộc thi quốc tế SIIM-ISIC Melanoma Classification 2020. Nghiên cứu đóng góp các khảo sát thực nghiệm cụ thể về việc áp dụng các bộ phân loại học máy tại tầng tổng hợp dự đoán nhằm giải quyết thách thức mất cân bằng dữ liệu trong phân loại tổn thương da. Toàn bộ công trình cung cấp cơ sở lý thuyết y sinh, kiến trúc mạng EfficientNet và quy trình kỹ thuật rõ ràng, phục vụ hữu ích cho công tác nghiên cứu học sâu trong chẩn đoán hình ảnh y tế.

Trích đoạn nội dung tài liệu

Chương 1. TỔNG QUAN 4 HÌNH 1.3: Bệnh ung thư hắc tố da và seborrhic keratosis 14 Mục tiêu đề tài Trong khóa luận này, sinh viên sẽ tìm hiểu phương pháp xây dựng mô hình nhận dạng ung thư ác tính trong ảnh tổn thương da của các nhóm đạt hạng 1 trong cuộc thi SIIM-ISIC Melanoma Classification Iden-tify Melanoma In Lesion Images và thực hiện một số thay đổi ở bước tổng hợp các mô hình 1.5 Câu trúc Khóa luận tot nghiệp Nội dung Khóa luận tốt nghiệp được tổ chức như sau: e Chương [I|giới thiệu tổng quan vẻ khóa luận. ° Chuong)2trinh bày cơ sở lý thuyết va các nghiên cứu liên quan đến bài toán này. ° Chuong|3|trinh bày chỉ tiết các hướng tiếp cận của khóa luận.

¢ Chương |4| trình bày môi trường thực nghiệm, tập dt liệu, phương pháp đánh giá và kết quả thực nghiệm. ° ChươngJ|là phần kết luận và hướng phát triển của khóa luận. Chương 2 NGHIÊN CỨU LIÊN QUAN Tóm tắt Chương này sinh viên sẽ nêu các kiến thức nền tảng và các nghiên cứu liên quan đến dé tài mà sinh viên thực hiện.1 Tổng quan về ung thư da Ung thư da hắc sắc tố (ung thư tế bào hắc tổ hay Melanoma) là loại ung thư da nghiêm trọng nhất, phát triển trong các tế bào (melanocytes) sản xuất melanin - sắc tố quyết định màu sắc làn da. Tế bào hắc tố là tế bào da được tìm thấy ở lớp trên của da.

Chúng tao ra một sắc tổ được gọi là melanin, mang lại màu sắc cho da. Có hai loại melanin: eume- lanin và pheomelanin. Khi da tiếp xúc với bức xa tia cực tim (UV) từ mặt trời hoặc giường tắm nắng, nó sẽ gây tổn thương da khiến các tế bao hắc tố sản sinh ra nhiều hắc tố hơn, nhưng chỉ có sắc tố eumelanin cé gắng bảo vệ da bang cách làm cho da đen hoặc rám nắng. U hắc tố xảy ra khi tổn thương DNA do đốt cháy hoặc sạm da do bức xạ tia cực tím gây ra những thay đổi (đột biến) trong tế bào hắc tố, dẫn đến sự phát triển không kiểm soát của tế bào.

Những người có làn da sam màu tự nhiên có nhiều eumelanin hon và những người có làn da trắng tự nhiên có nhiều pheomelanin hơn. Trong khi eumelanin Chương 2. NGHIÊN CUU LIÊN QUAN 6 có khả năng bảo vệ da khỏi tác hại của ánh nắng mặt trời thì pheomelanin thì không. Đó là lý do tại sao những người có làn da sim màu có nguy cơ phát triển khối u ác tính thấp hơn những người có làn da trắng, do thiếu eumelanin nên dễ bị tổn thương do ánh nắng mặt trời, bỏng rát và ung thư da.

Mặc dù ít phổ biến hơn ung thư biểu mô tế bào đáy (BCC) và ung thư biểu mô tế bào vảy (SCC), u ác tính nguy hiểm hơn vì khả năng lây lan sang các cơ quan khác nhanh hơn nếu không được điều trị ở giai đoạn dau.1 Cách nhận dạng u ác tính U hắc tố có nhiều hình dạng, kích thước và màu sắc khác nhau. Đó là lý do tại sao rất khó để cung cấp một tập hợp các dấu hiệu cảnh báo toàn diện.Ung thư da hắc sắc tố có xu hướng gia tăng ở những người dưới 40 tuổi, đặc biệt là phụ nữ. Tuy nhiên, néu phát hiện được những thay đổi sớm và được điều trị trước khi ung thư lan rộng, bệnh có thể được chữa khỏi. Ung thư da hắc sắc tố có thể hình thành ở bắt cứ vị trí nào trên cơ thể nhưng thường thây nhất ở những vùng da tiếp xúc với ánh nắng mặt trời như lưng, chân, tay và mặt.

Ngoài ra, ở người có màu da tối, ung thư dang này cũng có thể xuất hiện ở những vị trí không tiếp xúc nhiều với ánh nắng mặt trời như lòng bàn chân, lòng bàn tay và giường móng tay. Khối u ác tính dạng này cũng có thể hình thành trong mắt hay trong mũi hoặc cổ họng (hiếm). Nốt ruôi trên cơ thể có sự thay đổi về hình dang, màu sắc, kích thước Xuất hiện những đốm, mảng khác màu trên da, phát triển bất thường 2.2 Bốn loại u ác tính chính Ung thư hắc tố lan rộng bé mặt: Loại này chiếm 70% ung thu hắc tố. Thông thường không có triệu chứng, nó xảy ra phổ biến nhất trên cang chân của nữ giới và thân mình ở nam giới.

Thương tổn thường là mảng có các vùng da không đều, nổi cao, màu rám hoặc nâu, thường có các đốm đỏ, trắng, đen và xanh hoặc Chương 2. NGHIÊN CUU LIEN QUAN 7 các nốt xanh-đen nhỏ, đôi khi có màu xanh. Nên chu ý những dấu hiệu của bờ thương tổn, cùng với việc mở rộng hoặc thay đổi màu sắc. Về mặt mô học, các tế bào hắc tố không điển hình xâm nhập đặc trưng vào lớp trung bì và thượng bì.1: Lan rộng bé mặt Ung thư hắc tố thể nốt Loại này chiếm từ 15 đến 30% ung thư hắc tố.

Nó có thể xảy ra ở bất kỳ nơi nào trên cơ thể như là một sẩn tối màu, hoặc một mảng thay đổi từ màu ngọc trai để màu xám, đến màu đen. Đôi khi, một thương tổn chứa ít chất sắc t6 hoặc có thể trông giống như một khối u mạch máu. Trừ khi nó bị loét, ung thư hắc tố thể nốt không có triệu chứng, nhưng bệnh nhân thường tìm lời khuyên bởi vì tổn thương nhanh chóng lan rộng.2: Ung thư hắc tố thể nét Ung thư hắc tố Lentigo ác tính Loại này chiếm 5% ung thư hắc tố. Nó có xu hướng phát sinh ở bệnh nhân lớn tuổi.

Nó phát sinh từ lentigo ác tính (tàn nhang Chương 2. NGHIÊN CUU LIÊN QUAN 8 Hutchinson hoặc khối u hắc tố ác tính tại chỗ - một đốm nâu nhạt hoặc nâu). Nó thường xảy ra trên mặt hoặc các vùng tiếp xúc với ánh nắng mạn tính như là một dát hoặc mảng phẳng, màu rám hoặc màu nâu, không có triệu chứng, với các dém nâu sam hoặc đốm đen phân tán không đều trên bề mặt của nó. Trong lentigo ác tính, cả tế bào hắc tố bình thường và ác tính đều giới hạn ở lớp thượng bì.

Khi các tế bào hắc tố ác tính xâm nhập vào lớp trung bì, tổn thương này được gọi là ung thư hắc tố lentigo ác tính, và ung thư có thể di căn. Loại u ác tính này thông thường có các đột biến ở gen C-kit. Khối u ác tính tuyến bã đậu : Đây là dạng u ác tính phổ biến nhất được tìm thấy ở những người da màu, bao gồm cả những cá nhân có tổ tiên gốc Phi. Nó thường xuất hiện ở những vị trí khó phát hiện bao gồm cả đưới móng tay và lòng ban chân hoặc long bàn tay.

Nó có thể xuất hiện dưới dang một vùng màu den hoặc nâu. NGHIÊN CUU LIÊN QUAN 9 2.2 Các nghiên cứu liên quan Năm 2020 đã có rất nhiều công trình nghiên cứu của các bệnh về da được công bố tại hội nghị CVPR (Conference on Computer Vision and Pattern Recog- nition).Trong đó bài toán nhận điện ung thư hắc tố từ hình ảnh da tổn thương là bài toán liên quan mật thiết đến các bài toán về nhận diện các bệnh về da. Vì vậy trước khi giải quyết bài toán nhận diện ung thư hắc tố ta cần nghiên cứu về các bài toán xử lí các căn bệnh về da.1 Tình hình nghiên cứu của các bài toán liên quan Mạng học sâu đã được áp dụng trên rất nhiều các lĩnh vực từ phân tích hình ảnh đến xử lí ngôn ngữ tự nhiên. Gần đây mạng học sâu cũng đã có thành công lớn trong việc phân loại va phân đoạn ảnh y tế [1] , Haenssle và cộng sự [7] và Brinker [3] đã thực hiện các nghiên cứu chỉ ra rằng hiệu suất của các mô hình học sâu có thể cạnh tranh với các bác sĩ da liễu.

Phân đoạn theo ngữ nghĩa (semantic segmentation) là một nhiệm vụ quan trọng và phổ biến trong việc làm cho máy tính có thể hỗ trợ chẩn đoán bệnh qua hình ảnh da. Mặc dù các phương pháp tiếp cận dựa trên học sâu đã cải thiện đáng kể sự chính xác của phân đoạn những vẫn có những cách để cải thiện bằng cách giải quyết những thách thức lớn như màu sắc [11], sự thay đổi về hình dạng tổn thương, kích thước và các mức độ tương phan khác nhau. Tuy nhiên, mang học sâu có hiệu quả nhất khi có sẵn một lượng lớn dữ liệu lớn để có thé dao tao và như vậy sẽ khó khăn khi tìm dữ liệu cho Chương 2. NGHIÊN CUU LIÊN QUAN 10 những căn bệnh hiếm gặp.

Một số cách để để đối phó với van đề ít đữ liệu này đã dé xuất như transfer learning [9l và few-shot learning đòi hỏi mạng phải được đào tạo trước trên một số lượng lớn dữ liệu đã được gắn nhãn. Thu thập data của các bệnh về da là khá khó khăn, trong hoàn cảnh này, kho lưu trữ ISIC đóng một vai trò quan trọng trong lĩnh vực cung cấp bộ đữ liệu về tổn thương đa lớn nhất được sử dụng bởi hầu hết trong các bài báo về mạng học sâu. Subhranil Bagchi và các đồng nghiệp [2] đã đề xuất sử dụng hai kỹ thuật học sâu kết hợp (được đào tạo với trọng số bị tổn thất) để cái thiện độ chính xác so với các mô hình phân loại riêng lẻ. Kỹ thuật kết hợp giúp giảm bớt sự chính xác quá mức (over-fitting) do mất cân bằng trong tập dữ liệu.

Ngoài ra, nhóm tác giả dé xuất module CS-KSU (Class Specific - Known vs. Simulated Unknown) để phát hiện sự hiện diện của hình ảnh thuộc các lớp lạ trong lúc kiểm tra. Phương pháp của nhóm tác giả gồm 2 bước chính là : © Xây dựng thành phần Stacking: nhằm phân lớp hình ảnh tổn thương da thành một trong các bệnh đã được biết trước. Để xây dựng Stacking mô đun, nhóm tác giả huấn luyện 4 mô hình sử dụng EfficientNet-B2, EfficientNet- B5(với 2 thiết lập) và DenseNet © Xây dung module CS-KSU : nhằm xác định một cách chắc chắn rằng thành phần Stacking có nhận biết hình ảnh tổn thương da chính xác hay không.

Module CS-KSU bao gồm các module phân loại hai lớp, mỗi module được dùng để nhận biết một trong các lớp đã biết trong tập dữ liệu. Module CS- KSU kết luận kết quả của phân loại trong khi thành phan Stacking sẽ đưa ra lớp của một hình ảnh. Module CS-KSU sẽ quyết định kết quả mà thành phan Stacking đưa ra là đúng hay sai. Trong trường hợp mô hình không nhận ra hình ảnh thuộc lớp nào, ảnh đó sẽ thuộc lớp Unknown(chua biết).