Tiếp cận học sâu cho phát hiện bất thường trong phổi dựa vào dữ liệu hình ảnh X-quang lồng ngực

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƢỜNG ĐẠI HỌC QUY NHƠN

LÊ TÔN HOÀNG LONG

TIẾP CẬN HỌC SÂU CHO PHÁT HIỆN BẤT

THƢỜNG TRONG PHỔI DỰA VÀO DỮ LIỆU HÌNH

ẢNH X-QUANG LỒNG NGỰC

Chuyên ngành : Khoa học máy tính

Mã số : 8.48.01.01

Ngƣời hƣớng dẫn: TS. LÊ THỊ KIM NGA

LỜI CAM ĐOAN

Tôi xin cam đoan toàn bộ nội dung của luận văn với đề tài: “Tiếp cận

học sâu cho phát hiện bất thường trong phổi dựa vào dữ liệu hình ảnh X￾Quang lồng ngực” này là do tôi thực hiện dƣới sự hƣớng dẫn trực tiếp của

TS. Lê Thị Kim Nga - Trƣờng Đại học Quy Nhơn. Phần thực nghiệm chƣơng

trình đều do tôi tự xây dựng có sự hƣớng dẫn của giảng viên, trong đó có sử

dụng một số thƣ viện chuẩn và các thuật toán đƣợc các tác giả xuất bản công

khai. Kết quả thực nghiệm đƣợc minh họa trong luận văn là trung thực.

Nội dung luận văn này chƣa từng đƣợc công bố hay xuất bản dƣới bất

kỳ hình thức nào. Các tài liệu tham khảo đƣợc sử dụng trong luận văn có

nguồn gốc rõ ràng và trích dẫn chính xác, đầy đủ. Nếu sai tôi xin hoàn toàn

chịu trách nhiệm.

Bình Định, ngày tháng năm 2021

Ngƣời cam đoan

Lê Tôn Hoàng Long

LỜI CẢM ƠN

Trong quá trình nghiên cứu luận văn, mặc dù vẫn còn gặp rất nhiều khó

khăn, nhƣng tôi vẫn luôn nhận đƣợc sự quan tâm, giúp đỡ của quý thầy cô,

bạn bè và ngƣời thân. Đây là nguồn động lực lớn giúp tôi hoàn thành đề tài

luận văn này.

Tôi xin gửi lời cảm ơn chân thành và lòng biết ơn sâu sắc nhất đến quý

Thầy (Cô), những ngƣời đã nuôi dƣỡng và chắp cánh ƣớc mơ cho bản thân tôi

đến với con đƣờng nghiên cứu khoa học đầy đam mê, đặc biệt là TS. Lê Thị

Kim Nga - Trƣờng Đại học Quy Nhơn. Với tâm huyết của mình, thầy đã chỉ

bảo tận tình chu đáo để bản thân hoàn thành tốt công việc của mình.

Và cũng xin cảm ơn các cán bộ, nhân viên phòng Đào tạo Sau đại học,

trƣờng Đại học Quy Nhơn đã tạo điều kiện tốt nhất cho tôi trong suốt quá

trình học tập tại trƣờng.

Cuối cùng, cho tôi đƣợc gửi lời biết ơn đến gia đình, bạn bè cùng tất cả

những ngƣời thân, luôn bên cạnh động viên bản thân tôi trong suốt thời gian

học tập và nghiên cứu.

Kính chúc quý Thầy (Cô) và các anh chị em trong lớp cao học ngành

Khoa học Máy tính khóa 22 sức khỏe, hạnh phúc và thành đạt.

Xin chân thành cảm ơn!

Lê Tôn Hoàng Long.

MỤC LỤC

Trang

LỜI CAM ĐOAN

LỜI CẢM ƠN

DANH MỤC CÁC CHỮ VIẾT TẮT

DANH MỤC CÁC BẢNG, HÌNH ẢNH

MỞ ĐẦU ..................................................................................................... 1

1. Lý do chọn đề tài................................................................................. 1

2. Mục đích nghiên cứu .......................................................................... 3

3. Đối tƣợng và phạm vi nghiên cứu ...................................................... 3

4. Phƣơng pháp nghiên cứu .................................................................... 4

5. Ý nghĩa khoa học và thực tiễn của đề tài............................................ 4

Chƣơng 1. TỔNG QUAN VỀ PHÁT HIỆN BẤT THƢỜNG TRÊN ẢNH

Y KHOA ..................................................................................................... 6

1.1. Giới thiệu về ảnh y khoa ................................................................... 6

1.1.1. Cấu trúc ảnh y khoa .................................................................... 6

1.1.2. Dữ liệu ảnh DICOM ................................................................. 15

1.2. Bài toán phát hiện bất thƣờng trên ảnh y khoa ............................... 23

1.2.1. Phát biểu bài toán...................................................................... 23

1.2.2. Ý nghĩa thực tiễn....................................................................... 23

1.2.3. Một số nghiên cứu liên quan..................................................... 24

1.3. Một số kỹ thuật xử lý ảnh phát hiện bất thƣờng trên ảnh y khoa ... 26

1.3.1. Tiếp cận dựa trên phân đoạn (Image Segmentation)................ 27

1.3.2. Tiếp cận dựa trên phân tích đặc trƣng (Feature Extraction)..... 31

1.4. Ứng dụng phát hiện bất thƣờng phổi trong chẩn đoán bệnh .......... 33

1.5. Kết luận chƣơng 1........................................................................... 34

CHƢƠNG 2. PHÁT HIỆN BẤT THƢỜNG TRÊN ẢNH X-QUANG

PHỔI DỰA VÀO TIẾP CẬN HỌC SÂU..................................................... 35

2.1. Giới thiệu ........................................................................................ 35

2.1.1. Trí tuệ nhân tạo trong phát hiện bất thƣờng phổi ..................... 35

2.1.2. Học sâu trong phát hiện bất thƣờng phổi.................................. 36

2.2. Cơ sở lý thuyết và một số mô hình học sâu.................................... 38

2.2.1. Cơ sở lý thuyết học sâu............................................................. 38

2.2.2. Một số mô hình học sâu trong phân tích ảnh X-Quang phổi.... 41

2.3. Phát hiện bất thƣờng phổi trên ảnh X-quang ứng dụng học sâu .... 60

2.4. Một số độ đo đánh giá kết quả phát hiện vùng bất thƣờng............. 62

2.5. Kết luận chƣơng 2........................................................................... 65

CHƢƠNG 3. THỬ NGHIỆM ....................................................................... 66

3.1. Giới thiệu bài toán........................................................................... 66

3.2. Dữ liệu............................................................................................. 68

3.3. Cài đặt thực nghiệm và kết quả đánh giá........................................ 69

KẾT LUẬN ................................................................................................... 75

DANH MỤC TÀI LIỆU THAM KHẢO ...................................................... 77

QUYẾT ĐỊNH GIAO ĐỀ TÀI LUẬN VĂN THẠC SĨ (BẢN SAO)

DANH MỤC CÁC CHỮ VIẾT TẮT

Chữ tắt Dạng đầy đủ Mô tả

CSDL Cơ sở dữ liệu Cơ sở dữ liệu

PACS Picture archiving and

Communication System

Hệ thống lƣu trữ hình

ảnh và giao tiếp

DICOM Digital Imaging and

Communications in Medicine

Tiêu chuẩn ảnh số và

truyền thông trong y tế

CNN Convolutional Neural

Network

Mạng nơ-ron tích chập

YOLO YOU ONLY LOOK ONCE Mô hình YOLO

DANH MỤC CÁC BẢNG, HÌNH ẢNH

Bảng 2.1: Một số nghiên cứu sử dụng học sâu cho bài toán bất thƣờng

phổi................................................................................................ 38

Hình 1.1: Ví dụ ảnh y khoa ............................................................................... 7

Hình 1.2: Minh họa kết quả sử dụng AI đối với ảnh y khoa .......................... 12

Hình 1.3: Ví dụ ảnh DICOM phổi cùng dữ liệu của bệnh nhân ..................... 16

Hình 1.4: Minh họa đối tƣợng thông tin và dịch vụ của DICOM .................. 21

Hình 1.5: Sơ đồ cơ bản của bài toán phát hiện bất thƣờng trên ảnh y khoa ... 23

Hình 1.6: Dải màu của ảnh xám...................................................................... 27

Hình 1.7: Phân đoạn đối với ảnh chụp phổi.................................................... 27

Hình 1.8: Phân đoạn ảnh phổi bằng các giá trị ngƣỡng khác nhau................. 29

Hình 1.9: Phân đoạn phổi dựa trên biên.......................................................... 30

Hình 2.1: Mối quan hệ của học sâu với các lĩnh vực liên quan...................... 36

Hình 2.2: Mô hình mô tả một mạng nơ-ron sâu nhiều tầng............................ 39

Hình 2.3: Mảng ma trận RGB của ảnh ........................................... 42

Hình 2.4: Mô hình mạng CNN........................................................................ 42

Hình 2.5: Ma trận ảnh nhân ma trận bộ lọc .................................................... 43

Hình 2.6: Ma trận đầu ra ................................................................................. 43

Hình 2.7: Một số bộ lọc phổ biến.................................................................... 44

Hình 2.8: Hoạt động của lớp ReLU ................................................................ 45

Hình 2.9: Mô hình làm việc của Max Pooling................................................ 45

Hình 2.10: Kiến trúc mạng CNN hoàn chỉnh ................................................. 46

Hình 2.11: Ý tƣởng các bƣớc của YOLO ....................................................... 47

Hình 2.12: Sơ đồ kiến trúc mạng YOLO ........................................................ 47

Hình 2.13: Kiến trúc của một output của mô hình YOLO ............................. 49

Hình 2.14: Các bản đồ đặc trƣng của mạng YOLO........................................ 50

Hình 2.15: Xác định hộp neo cho một đối tƣợng vật thể................................ 51

Hình 2.16: Minh họa dự đoán bouding box .................................................... 54

Hình 2.17: Ví dụ Non-max suppression.......................................................... 55

Hình 2.18: Kiến trúc mạng YOLOv3.............................................................. 57

Hình 2.19: So sánh hiệu suất của YOLOv4 với các mô hình học sâu state￾of-art thời điểm đó (trong đó có YOLOv3).................................. 58

Hình 2.20: Các phiên bản YOLOV5............................................................... 59

Hình 2.21: Kết quả thử nghiệm và so sánh các phiê bản YOLOv5................ 59

Hình 2.22: Mô hình các bƣớc của bài toán ..................................................... 60

Hình 2.23: Hình ảnh X-quang ngực đƣợc xử lý trong CNN .......................... 61

Hình 2.24: Kiến trúc mạng YOLO phát hiện bất thƣờng phổi trên ảnh X￾quang............................................................................................. 61

Hình 2.25: Độ đo IoU...................................................................................... 63

Hình 3.1: Sơ đồ mô hình các bƣớc của bài toán ............................................. 67

Hình 3.2: Danh sách các bệnh về phổi trong dataset. ..................................... 68

Hình 3.3: Quy trình của hệ thống xây dựng tập dữ liệu.................................. 69

Hình 3.4: Kết quả tiền xử lý dữ liệu................................................................ 70

Hình 3.5: Chỉnh sửa cấu hình mạng (số class)................................................ 71

Hình 3.6: File mô tả dữ liệu train.................................................................... 71

Hình 3.7: Kết quả train mô hình YOLOv5 ..................................................... 72

Hình 3.8: Lƣu file weights của mô hình (lƣu sau mỗi epoch)........................ 73

Hình 3.9: Kết quả xác định và dự đoán bệnh trên ảnh X-quang của

YOLOv5 ....................................................................................... 73

Hình 3.10: So sánh kết quả YOLOv5 và nhãn thực tế.................................... 74

1

MỞ ĐẦU

1. Lý do chọn đề tài

Những năm gần đây, khoa học công nghệ trong ngành y tế đƣợc quan tâm

nghiên cứu và ứng dụng rất nhiều do sự phát triển của khoa học cũng nhƣ nhu

cầu bệnh tật ngày càng lớn và đa dạng. Việc chẩn đoán và phát hiện bệnh sớm

là cực kỳ quan trọng, giúp quá trình khám chữa bệnh hiệu quả hơn, hạn chế

các bƣớc điều trị không cần thiết, có khả năng lành bệnh cao hơn, qua đó tiết

kiệm cho bệnh nhân. Một trong những kênh thông tin quan trọng hỗ trợ chẩn

đoán và điều trị bệnh chính là dựa vào hình ảnh y khoa nhƣ X-Quang, CT,

MRI, chụp xạ hình…

Để tiến đến việc hỗ trợ chẩn đoán và điều trị bệnh dựa trên hình ảnh y

khoa thì có thể phải cần đến rất nhiều thuật toán khác nhau, chẳng hạn nhƣ

phân vùng ảnh, phát hiện, nhận dạng tự động các vùng của cơ thể phù hợp và

chính xác nhằm có thể phát hiện những bất thƣờng trên các bộ phận của cơ

thể. Phát hiện và nhận dạng chính xác vùng ảnh của từng vùng bệnh có thể

giúp tính toán và đánh giá chính xác bệnh lý cũng nhƣ khả năng hoạt động

của bộ phận đó trong những trƣờng hợp bị tổn thƣơng.

Trong những năm gần đây, khoa học về chẩn đoán hình ảnh trong y tế

đã chứng tỏ đƣợc sự cần thiết trong chẩn đoán và điều trị bệnh. Chẩn đoán

hình ảnh đã góp phần quan trọng nâng cao tính chính xác, kịp thời và hiệu quả

cao trong chẩn đoán và điều trị bệnh. Dựa trên hình ảnh siêu âm hay chụp X￾Quang, bác sĩ có thể đo đƣợc tƣơng đối chính xác kích thƣớc các tạng đặc

(Phổi, Tim, Gan, Lách, Thận, Tuỵ, ...) và phát hiện các khối u bất thƣờng nếu

có. Từ hình ảnh X-Quang lồng ngực, bác sĩ có thể xác định cấu trúc, kích

thƣớc toàn bộ phổi, chi tiết từng lá phổi và các mạch máu lớn. Trong sản

khoa, siêu âm giúp xác định và theo dõi sự phát triển của thai nhi trong bụng

mẹ; Từ hình ảnh y tế DICOM có thể giúp bác sĩ xác định đƣợc các vùng bất