Ứng dụng YOLOv8 và Attention phát hiện gãy xương tay - Đồ án của Đoàn Trung Kiên

Đồ án nghiên cứu mô hình YOLOv8 tích hợp cơ chế Attention để phát hiện gãy xương tay từ ảnh X-quang, một giải pháp AI hiệu quả cho y tế.

• Tác giả: Đoàn Trung Kiên
• Người hướng dẫn: ThS. Nguyễn Văn Thiệu
• Trường học: Trường Đại học Phenikaa
• Chuyên ngành: Công nghệ thông tin
• Đề tài: YOLOv8 & Attention: Phát hiện gãy xương tay trên ảnh X-quang
• Loại tài liệu: Đồ án/Khóa luận tốt nghiệp
• Năm xuất bản: 2024
• Địa điểm: Hà Nội

Tóm tắt

I. Giới thiệu về Phát hiện Gãy Xương bằng Công nghệ AI

Phát hiện gãy xương trên ảnh X-quang là một trong những ứng dụng quan trọng của trí tuệ nhân tạo trong lĩnh vực y tế. Gãy xương, đặc biệt ở vùng tay, là chấn thương phổ biến cần chẩn đoán chính xác và kịp thời. Phương pháp truyền thống dựa vào kinh nghiệm của bác sĩ chuyên khoa, nhưng điều này mất thời gian và dễ xảy ra sai sót. Ứng dụng mô hình YOLOv8 kết hợp với cơ chế Attention mang lại giải pháp hiệu quả hơn, giúp tự động phát hiện và xác định vị trí gãy xương trên ảnh chụp X-quang một cách nhanh chóng và độc lập. Công nghệ này không chỉ cải thiện độ chính xác chẩn đoán mà còn giảm thiểu gánh nặng công việc cho các bác sĩ, cho phép họ tập trung vào các trường hợp phức tạp hơn.

1.1. Tầm quan trọng của Chẩn đoán Gãy Xương

Gãy xương tay là chấn thương phổ biến chiếm tỷ lệ cao trong các trường hợp cấp cứu. Chẩn đoán chính xác là yếu tố quyết định cho việc điều trị hiệu quả và phục hồi chức năng. Ảnh X-quang là phương pháp tiêu chuẩn vàng trong phát hiện gãy xương, nhưng đòi hỏi chuyên môn cao từ bác sĩ. Kỹ thuật AI tự động hỗ trợ giảm thời gian chẩn đoán và tăng tính nhất quán.

1.2. Vai trò của Học Sâu trong Y tế

Học sâu (Deep Learning) đã chứng minh hiệu quả vượt trội trong xử lý hình ảnh y tế. Mô hình YOLOv8 là phiên bản cải tiến của kiến trúc YOLO, đặc biệt tối ưu cho nhận dạng đối tượng thời gian thực. Kết hợp với cơ chế Attention, mô hình có khả năng tập trung vào các vùng quan trọng của ảnh X-quang, nâng cao độ chính xác phát hiện gãy xương từ 5-15%.

II. YOLOv8 Kiến trúc Mạng Nơ ron Hiện đại

YOLOv8 là phiên bản mới nhất của dòng YOLO, được phát triển bởi Ultralytics với những cải tiến đáng kể về hiệu suất và tốc độ. Kiến trúc này sử dụng mạng nơ-ron sâu với cấu trúc Backbone-Neck-Head, cho phép xử lý hình ảnh nhanh chóng mà vẫn giữ độ chính xác cao. YOLOv8 được huấn luyện trên bộ dữ liệu COCO khổng lồ, giúp mô hình học được các đặc trưng đa dạng. Trong ứng dụng phát hiện gãy xương, YOLOv8 có thể xác định chính xác vị trí và loại gãy trên ảnh X-quang. Với khả năng tùy biến cao, YOLOv8 cho phép tích hợp các cơ chế Attention để tăng cường khả năng tập trung vào các vùng có gãy xương, cải thiện đáng kể hiệu suất nhận dạng.

2.1. Kiến trúc Backbone Neck Head

Backbone trích xuất đặc trưng từ ảnh gốc thông qua các lớp Convolutional. Neck kết hợp thông tin từ nhiều cấp độ khác nhau, giúp mô hình nhạy cảm với các đối tượng có kích thước khác nhau. Head dự đoán bounding box và xác suất lớp cho mỗi đối tượng. Cấu trúc này tối ưu cho phát hiện gãy xương trên ảnh X-quang với độ chính xác cao.

2.2. Ưu điểm YOLOv8 so với các phiên bản trước

YOLOv8 cải thiện tốc độ xử lý lên 30% so với YOLOv5 và độ chính xác tăng 5-8%. Mô hình hỗ trợ nhận dạng đối tượng, phân khúc ảnh và ước tính tư thế một cách linh hoạt. Khả năng tùy biến dễ dàng giúp lập trình viên dễ dàng tích hợp cơ chế Attention để tối ưu cho bài toán phát hiện gãy xương cụ thể.

III. Cơ chế Attention Cải thiện Tập trung Mô hình

Cơ chế Attention (chú ý) là kỹ thuật cho phép mô hình học tập tập trung vào những phần quan trọng của dữ liệu. Trong bối cảnh phát hiện gãy xương trên ảnh X-quang, Attention giúp mô hình ưu tiên các vùng có khả năng cao chứa gãy xương. Có nhiều loại Attention khác nhau như CBAM (Convolutional Block Attention Module), ECA (Efficient Channel Attention), SA (Shuffle Attention) và GAM (Global Attention Mechanism). Mỗi loại có ưu điểm riêng: CBAM kết hợp cả Channel và Spatial Attention, ECA nhẹ hơn và hiệu quả hơn, SA cải thiện khả năng hợp tác giữa các kênh, còn GAM cung cấp khả năng chú ý toàn cục. Kết hợp YOLOv8 với các cơ chế Attention này tạo ra một mô hình mạnh mẽ hơn trong phát hiện gãy xương.

3.1. CBAM Attention hai chiều

CBAM (Convolutional Block Attention Module) kết hợp Channel Attention và Spatial Attention. Channel Attention giúp mô hình học được tầm quan trọng của từng kênh đặc trưng, trong khi Spatial Attention chỉ ra vị trí quan trọng trong không gian. Khi tích hợp CBAM vào YOLOv8, mô hình có thể vừa tập trung vào các kênh đặc trưng phù hợp vừa xác định chính xác vị trí gãy xương trên ảnh X-quang.

3.2. ECA SA và GAM Các cách tiếp cận khác

ECA sử dụng kernel động để tính toán quan hệ giữa các kênh, nhẹ hơn CBAM nhưng hiệu quả. SA cải thiện giao tiếp giữa các nhóm kênh thông qua shuffle operation. GAM cung cấp khả năng chú ý toàn cục, cho phép mô hình hiểu mối quan hệ giữa các vùng xa nhau. Sử dụng các Attention này trong phát hiện gãy xương giúp tăng độ chính xác từ 3-7% tùy theo loại gãy.

IV. Ứng dụng Thực tiễn và Kết quả Nghiên cứu

Nghiên cứu tại Đại học Phenikaa của sinh viên Đoàn Trung Kiên đã thành công trong việc xây dựng mô hình YOLOv8 kết hợp với cơ chế Attention để phát hiện gãy xương tay trên ảnh X-quang. Mô hình được huấn luyện trên bộ dữ liệu chuyên biệt, sử dụng các kỹ thuật tăng cường dữ liệu để cải thiện khả năng tổng quát. Các chỉ số đánh giá bao gồm Precision, Recall, mAP (mean Average Precision) và IoU (Intersection over Union) đều cho thấy kết quả vượt trội. Triển khai ứng dụng thực tế thông qua giao diện GUI PyQt6 cho phép bác sĩ dễ dàng sử dụng mô hình. Nghiên cứu này chứng minh rằng kết hợp YOLOv8 với cơ chế Attention mang lại giải pháp hiệu quả cho phát hiện gãy xương trong y tế hiện đại.

4.1. Phương pháp Đánh giá Mô hình

Precision đo lường tỷ lệ dự đoán đúng trên tất cả dự đoán dương tính. Recall cho biết tỷ lệ gãy xương được phát hiện trên tất cả gãy xương thực tế. mAP kết hợp cả hai chỉ số trên, là tiêu chuẩn đánh giá chính cho nhận dạng đối tượng. IoU đo lường độ chính xác vị trí bounding box. Các chỉ số này giúp đánh giá toàn diện hiệu suất mô hình phát hiện gãy xương.

4.2. Triển khai và Tương lai

Ứng dụng được triển khai thông qua giao diện PyQt6 user-friendly, cho phép bác sĩ nhanh chóng tải ảnh X-quang và nhận kết quả phát hiện gãy xương ngay lập tức. Trong tương lai, mô hình có thể mở rộng cho các loại gãy xương khác hoặc các bộ phận cơ thể khác nhau. Kết hợp AI và chuyên môn y tế sẽ đánh dấu bước phát triển mới trong chẩn đoán hỗ trợ bằng máy tính.

Trích đoạn nội dung tài liệu

MỞ ĐẦU Trong lĩnh vực y tế cấp cứu, việc chẩn đoán nhanh chóng và chính xác các trường hợp gãy xương, đặc biệt là ở vùng tay, đóng vai trò quan trọng trong việc đảm bảo điều trị kịp thời và hiệu quả cho bệnh nhân. Trong chẩn đoán hình ảnh y tế gần đây, X-quang, Chụp cộng hưởng từ (MRI) và Chụp cắt lớp vi tính (CT) thường được sử dụng để chẩn đoán gãy xương. Trong đó, X-quang là phương pháp được sử dụng rộng rãi nhất do tính hiệu quả về chi phí và khả năng tiếp cận rộng rãi. Tuy nhiên, việc phân tích chính xác ảnh X-quang đòi hỏi kinh nghiệm và chuyên môn cao, điều mà không phải tất cả các cơ sở y tế đều có thể đáp ứng được, đặc biệt là ở các vùng kém phát triển hoặc thiếu nhân lực y tế chuyên sâu.

Theo các nghiên cứu gần đây, tỷ lệ diễn giải sai ảnh X-quang có thể lên đến 26%, gây ra những hậu quả nghiêm trọng trong việc điều trị và phục hồi cho bệnh nhân. Sự phát triển nhanh chóng của trí tuệ nhân tạo và học sâu trong những năm gần đây đã mở ra cơ hội to lớn cho việc tự động hóa và hỗ trợ quá trình chẩn đoán y tế. Đặc biệt, lĩnh vực Computer Vision (CV) đã đạt được những tiến bộ đáng kể trong việc xử lý và phân tích hình ảnh y tế. CV cho phép máy tính "nhìn" và "hiểu" hình ảnh, mô phỏng khả năng thị giác của con người thông qua các thuật toán phức tạp.

Trong CV, Object Detection là một trong những nhiệm vụ quan trọng nhất, tập trung vào việc xác định vị trí và phân loại các đối tượng cụ thể trong hình ảnh hoặc video. Các phương pháp Object Detection trong học sâu thường được chia thành hai loại chính: thuật toán Two-Stage và One-Stage. Thuật toán Two-Stage, như R- CNN và các biến thể của nó (Fast R-CNN, Faster R-CNN), đầu tiên đề xuất các vùng có khả năng chứa đối tượng, sau đó phân loại các vùng này. Mặt khác, thuật toán One-Stage, như YOLO (You Only Look Once), thực hiện cả hai nhiệm vụ đồng thời, cung cấp kết quả nhanh hơn đáng kể mà vẫn duy trì độ chính xác cao.

Trong số các mô hình học sâu, YOLOv8 (You Only Look Once version 8) nổi bật như một thuật toán hiệu quả và mạnh mẽ trong lĩnh vực phát hiện đối tượng, cung cấp sự cân bằng tốt giữa tốc độ và độ chính xác. YOLOv8 được cải tiến để xử lý các thách thức trong phát hiện đối tượng như việc nhận diện các đối tượng nhỏ, xử lý các trường hợp chồng chéo và cải thiện độ chính xác tổng thể. Đặc biệt 2 trong lĩnh vực y tế, nơi mà sự chính xác là yếu tố quyết định, YOLOv8 có tiềm năng to lớn trong việc hỗ trợ các chuyên gia y tế trong quá trình chẩn đoán. Bên cạnh đó, cơ chế Attention đã chứng minh khả năng nâng cao hiệu suất của các mô hình học sâu bằng cách tập trung vào các khu vực quan trọng của dữ liệu đầu vào.

Trong bối cảnh phân tích ảnh X-quang, cơ chế Attention có thể giúp mô hình tập trung vào các vùng có khả năng cao xuất hiện gãy xương, từ đó cải thiện độ chính xác của việc phát hiện. Đề tài này nhằm kết hợp sức mạnh của mô hình YOLOv8 với cơ chế Attention để tạo ra một hệ thống tự động phát hiện gãy xương ở tay người dựa trên ảnh chụp X-quang. Mục tiêu của nghiên cứu là phát triển một công cụ hỗ trợ chẩn đoán có độ chính xác cao, có thể hỗ trợ các bác sĩ trong việc đưa ra quyết định nhanh chóng và chính xác, đồng thời giảm thiểu tỷ lệ chẩn đoán sai do thiếu kinh nghiệm hoặc quá tải công việc. Bằng cách ứng dụng các kỹ thuật tiên tiến trong lĩnh vực thị giác máy tính và học sâu, đề tài này hướng tới việc cải thiện chất lượng chăm sóc y tế, đặc biệt trong các tình huống cấp cứu liên quan đến chấn thương xương.

Kết quả của đề tài này có thể đóng góp đáng kể vào việc nâng cao hiệu quả chẩn đoán, giảm thời gian chờ đợi cho bệnh nhân, và hỗ trợ các cơ sở y tế có nguồn lực hạn chế trong việc cung cấp dịch vụ chăm sóc sức khỏe chất lượng cao. Tổng quan về gãy xương 1. Khái niệm về gãy xương Gãy xương [1] là sự phá hủy đột ngột các cấu trúc bên trong của xương gây ra các tổn thương và làm gián đoạn về truyền lực qua xương. Nói cách khác, xương mất tính liên tục và hoàn chỉnh do ngoại lực gây nên.

Mất tính liên tục hoàn toàn gọi là gãy xương hoàn toàn, mất tính liên tục không hoàn toàn gọi là gãy xương không hoàn toàn. Có nhiều cách phân loại gãy xương như phân loại theo tính chất thương tổn phần mềm thành gãy xương kín, gãy xương hở hoặc phân loại theo đặc điểm ổ gãy. Các phân loại bao gồm: - Gãy xương không hoàn toàn: Xương chỉ bị tổn thương một phần, không mất hoàn toàn tính liên tục. - Gãy xương hoàn toàn: Xương gãy mất hoàn toàn tính liên tục.

- Gãy đầu xương: Gãy ở vị trí vùng đầu xương. Nếu đường gãy thông vào khớp thì gọi là gãy xương phạm khớp. Nếu đường gãy không thông vào khớp thì gọi là gãy xương không phạm khớp. - Gãy ở chỗ tiếp giáp giữa đầu xương và thân xương.

- Gãy xương có di lệch và Gãy xương không di lệch. - Gãy xương kín và Gãy xương hở. - Phân loại theo đặc điểm đường gãy gồm có: Gãy ngang, gãy chéo, gãy xoắn, gãy cắm gân. Nguyên nhân và triệu chứng gãy xương Một số nguyên nhân gãy xương bao gồm: - Gãy xương do chấn thương: Gãy xương xảy ra sau tác động của một lực chấn thương như ngã, tai nạn giao thông, tai nạn sinh hoạt hoặc chơi thể thao.

- Gãy xương do bệnh lý: Một số bệnh lý như u xương, viêm tủy xương, lao xương, loãng xương gây phá hủy xương, giảm mật độ xương làm xương yếu và dễ gãy. Hình minh họa một số trường hợp gãy xương [2] Các triệu chứng thường gặp của gãy xương bao gồm: - Sau khi bị chấn thương, xương bị biến dạng tại vị trí tổn thương. - Xuất hiện vết bầm tím ở khu vực chấn thương. - ·Sưng và đau xung quanh vùng chấn thương.

Đau trong gãy xương tăng lên khi cố gắng vận động hoặc do bị tác động vào vị trí chấn thương. - Mất chức năng ở vùng bị thương. - Trong gãy xương hở, xương đâm xuyên qua và nhô ra khỏi da. Các biện pháp chẩn đoán gãy xương Chẩn đoán gãy xương kê kết hợp giữa việc thăm khám các dấu hiệu trên lâm sàng kết hợp với thực hiện các xét nghiệm chẩn đoán.

- Thăm khám trên lâm sàng phát hiện triệu chứng điển hình của gãy xương. Bác sĩ lâm sàng sẽ khám, phân loại gãy xương đồng thời dựa vào tuổi tác và các xét nghiệm cận lâm sàng để đưa ra phương pháp điều trị phù hợp. - Thực hiện các kỹ thuật chẩn đoán hình ảnh để kiểm tra tổn thương xương và các cơ quan lân cận đồng thời phân loại gãy xương để có phương pháp điều trị phù hợp. Những kỹ thuật chẩn đoán hình ảnh thường được sử dụng 5 để chẩn đoán và xác định mức độ tổn thương của gãy xương như Xquang, CT, MRI mang lại hiệu quả và độ chính xác cao giúp xác định chính xác tổn thương của xương và ảnh hưởng đến các cơ quan lân cận.

- Xét nghiệm huyết học giúp đánh giá nguy cơ mất máu trong gãy xương. Xét nghiệm sinh hóa giúp xác định mức độ tổn thương, tình trạng nhiễm trùng giúp cho bác sĩ tiên lượng để có biện pháp điều trị phù hợp. Hình ảnh kỹ thuật số và truyền thông trong y học (DICOM) DICOM (Hình ảnh kỹ thuật số và truyền thông trong y học) là một tiêu chuẩn được sử dụng để lưu trữ, truyền và xem hình ảnh y tế. Nó bao gồm định nghĩa định dạng tệp và giao thức truyền thông mạng.

Các tệp DICOM chứa tiêu đề lưu trữ thông tin về hình ảnh, chẳng hạn như tên bệnh nhân, ngày chụp, phương thức và kích thước hình ảnh. Dữ liệu hình ảnh thực tế được lưu trữ trong phần tử dữ liệu pixel của tệp. DICOM thường được sử dụng để lưu trữ và truyền hình ảnh y tế được chụp bằng máy quét siêu âm, MRI và CT. Hình minh họa một số hình ảnh DICOM [3] 1.

Một số nghiên cứu về Ứng dụng học máy trong bài toán phát hiện gãy xương Trong những năm gần đây, mạng nơ-ron đã được sử dụng rộng rãi trong việc phát hiện gãy xương từ dữ liệu hình ảnh. Một nghiên cứu đã sử dụng Dilated Convolutional Feature Pyramid Network (DCFPN) [4] và đạt được độ chính xác trung bình là 82.1% trên 3,842 hình ảnh X-quang gãy xương đùi. Mạng ParalleNet [5] cũng được áp dụng để phát hiện gãy xương trên cùng tập dữ liệu. Đối với phát 6 hiện xương cánh tay [6], một nghiên cứu khác đã sử dụng R-CNN [7] trên tập dữ liệu Musculoskeletal-Radiograph (MURA) [8] và đạt được độ chính xác trung bình 62.

Một phương pháp khác, Faster R-CNN [9], được áp dụng cho một phần của 1,052 hình ảnh xương trong tập dữ liệu, và mô hình CrackNet đã được sử dụng cho việc phân loại gãy xương trên toàn bộ tập dữ liệu. Một nghiên cứu khác đã đề xuất mô hình Feature Ambiguity Mitigate Operator (FAMO) [10] dựa trên ResNeXt101 và FPN để phát hiện gãy xương trên 9,040 hình ảnh X-quang của nhiều phần cơ thể khác nhau. [11] đã sử dụng Fast R-CNN [12] với ResNet50 làm mạng chính để phát hiện chín loại gãy xương khác nhau trên 2,333 hình ảnh X-quang gãy xương. [13]đã sử dụng mô hình Faster R-CNN cho phát hiện gãy xương tay trên 3,067 hình ảnh X-quang chấn thương tay, đạt được độ chính xác trung bình 70.

[14] đã sử dụng các mô hình YOLOv2 và Faster R-CNN cho phát hiện gãy xương cột sống trên 5,134 hình ảnh CT, trong đó YOLOv2 đạt độ chính xác trung bình 75.3%, cao hơn so với 73.3% của Faster R-CNN, và thời gian suy luận của YOLOv2 cho mỗi hình ảnh CT là 27ms, nhanh hơn rất nhiều so với 381ms của Faster R-CNN. Mặc dù hầu hết các công trình sử dụng các mô hình dòng R-CNN đã cho thấy kết quả xuất sắc, tốc độ suy luận không đạt yêu cầu. Các mô hình dòng YOLO cung cấp sự cân bằng về hiệu suất giữa độ chính xác của mô hình và tốc độ suy luận, phù hợp cho các thiết bị di động trong việc phát hiện hình ảnh X-quang theo thời gian thực.