Phát hiện tổn thương phổi bằng kỹ thuật học sâu trong môi trường xử lý song song Spark

Bài viết đề xuất phương pháp phát hiện một số tổn thương phổi thường gặp bằng kỹ thuật học sâu trong môi trường xử lý song song Spark được phát triển dựa trên hai kiến trúc mạng VGG-16 & ResNet-50, giúp chẩn đoán chính xác và tự động các tổn thương phổi thông qua các hình ảnh chụp X-quang.
Nội dung trích xuất từ tài liệu:
Phát hiện tổn thương phổi bằng kỹ thuật học sâu trong môi trường xử lý song song Spark Kỷ yếu Hội nghị KHCN Quốc gia lần thứ XIV về Nghiên cứu cơ bản và ứng dụng Công nghệ thông tin (FAIR), TP. HCM, ngày 23-24/12/2021 DOI: 10.15625/vap.2021.0045 PHÁT HIỆN TỔN THƯƠNG PHỔI BẰNG KỸ THUẬT HỌC SÂU TRONG MÔI TRƯỜNG XỬ LÝ SONG SONG SPARK Phan Anh Cang1, Phan Thượng Cang2, Trần Hồ Đạt1 1 Khoa Công nghệ thông tin, Trường Đại học Sư phạm Kỹ thuật Vĩnh Long 2 Khoa Công nghệ thông tin và truyền thông, Trường Đại học Cần Thơ cangpa@vlute.edu.vn, ptcang@cit.ctu.edu.vn, datth@vlute.edu.vn TÓM TẮT: Hiện nay, số người bị các bệnh liên quan đến phổi chiếm tỷ lệ cao và xảy ra ở hầu khắp mọi độ tuổi, giới tính nhất là trẻ nhỏ, người già có sức đề kháng yếu. Để chẩn đoán chính xác các bệnh lý liên quan tới bệnh phổi, các bác sĩ thường sử dụng các phương pháp kiểm tra thể trạng, căn cứ vào các triệu chứng lâm sàng và cận lâm sàng. Trong đó, chụp X-quang phổi là một trong những kỹ thuật được sử dụng nhiều trong y khoa, giúp bác sĩ có thể đánh giá, phát hiện những triệu chứng, tổn thương của phổi đặc biệt là các tổn thương do virus Corona gây ra. Tuy nhiên, nếu chỉ dựa trên kinh nghiệm của các bác sĩ kiểm tra hình ảnh X-quang, rất khó để chẩn đoán chính xác, nhanh chóng các vùng tổn thương phổi với số lượng bệnh nhân đông. Do đó, trong bài báo này, chúng tôi đề xuất phương pháp phát hiện một số tổn thương phổi thường gặp bằng kỹ thuật học sâu trong môi trường xử lý song song Spark được phát triển dựa trên hai kiến trúc mạng VGG-16 & ResNet-50, giúp chẩn đoán chính xác và tự động các tổn thương phổi thông qua các hình ảnh chụp X-quang. Kết quả thực nghiệm cho thấy, phương pháp đề xuất đạt được độ tin cậy 96%, với thời gian huấn luyện mô hình được rút ngắn giảm 57% so với trường hợp không xử lý song song và phân tán. Phương pháp đề xuất có thể hỗ trợ các bác sỹ lâm sàng đưa ra chẩn đoán sơ bộ các tổn thương phổi một cách nhanh chóng để có hướng điều trị kịp thời. Từ khóa: mạng nơron tích chập, tổn thương phổi, VGG-16, Resnet-50. I. GIỚI THIỆU A. Giới thiệu bài toán Phổi là cơ quan hô hấp quan trọng trong cơ thể con người, tiếp xúc trực tiếp với môi trường bên ngoài nên dễ bị nhiễm nhiều bệnh lý như viêm phổi, viêm phế quản, viêm phế quản mạn tính, lao phổi, ung thư phổi,… Khi phổi bị tổn thương, cơ thể không thể hít đủ oxy, người bệnh sẽ bị tổn thương toàn thân, thậm chí có thể tử vong. Các tổn thương về phổi là một trong những bệnh lý phổ biến nhất trên thế giới. Số người bị các bệnh liên quan đến phổi chiếm tỷ lệ cao. Đối tượng thường mắc các căn bệnh ở phổi ở hầu khắp mọi độ tuổi, giới tính nhất là trẻ nhỏ, người già có sức đề kháng kém. Theo số liệu thống kê hiện nay ước tính có khoảng 4 đến 5 triệu người ở Hoa Kỳ mắc bệnh viêm phổi mỗi năm, trong đó khoảng 55.000 người tử vong. Tại Hoa Kỳ, viêm phổi, cùng với cúm, là nguyên nhân gây tử vong đứng hàng thứ 8 và là nguyên nhân tử vong do truyền nhiễm hàng đầu. Viêm phổi là bệnh nhiễm trùng mắc phải ở bệnh viện gây tử vong phổ biến nhất và là nguyên nhân tử vong tổng thể phổ biến nhất ở các nước đang phát triển [1]. Bệnh viêm phổi gây ra một số triệu chứng như: tức ngực, khó thở, gây mệt mỏi, suy nhược,… ảnh hưởng lâu dài đến sức khỏe của người bệnh. Chính vì vậy, thời gian chẩn đoán bệnh kịp thời và chính xác giúp bệnh nhân mau chóng điều trị, tránh ảnh hưởng xấu đến sức khỏe và tính mạng. Một trong những biện pháp cận lâm sàng để phát hiện căn bệnh này là chẩn đoán dựa trên hình ảnh chụp X-quang phổi. Tuy nhiên, Số lượng người mắc bệnh ngày càng tăng, trong khi năng lực khám chữa của các bệnh viện không tương xứng. Trong năm 2020, Covid-19 đã trở thành một đại dịch toàn cầu, ước tính ở Mỹ số ca mắc đã vượt lên đến 7 triệu người [2]. Việc áp dụng công nghệ sẽ giải quyết cùng lúc hai bài toán, giảm khối lượng công việc của bác sĩ và tăng năng lực khám chữa bệnh. B. Những nghiên cứu liên quan Trong những năm qua có rất nhiều công trình nghiên cứu của nhiều tác giả liên quan đề cập đến vấn đề này: Chen [3] sử dụng mang UNet++ trên ảnh chụp CT để chuẩn đoán bệnh viêm phổi với kết quả đạt được trên 95%, nghiên cứu này giúp các bác sĩ tiết kiệm khoảng 65% trong việc đọc kết quả xét nghiệm. Elshennawy và các cộng sự [4] sử dụng kỹ thuật học sâu trong phát hiện và phân loại bệnh viêm phổi, nhóm tác giả thực nghiệm trên 4 mô hình ResNet152V2, MobileNetV2, CNN và LSTM với kết quả đạt được 91%. Nhóm tác giả Gabruseva [5] đề xuất phương pháp trong xác định các vùng mờ của phổi dựa trên mô hình RetinaNet với mạng Se-ResNext101 được đào tạo trước trên tập dữ liệu ImageNet, phương pháp đề xuất đạt được kết quả cao trong các cuộc thử nghiệm của Hiệp hội X- Quang Bắc Mỹ. Trong đề tài nghiên cứu này nhóm đề xuất xây dựng các mô hình hình CNN - Convolution Neural Network dựa trên những kiến trúc CNN hiện đại như ResNet-50 & VGG-16 giúp chẩn đoán các tổn thương phổi thông qua các hình ảnh chụp X-quang, giúp giai đoạn khám lâm sàng trở nên đơn giản và nhanh chóng, đạt được độ chính xác cao mà không cần đến sự trợ giúp của bác sĩ. Nhóm tác giả Felipe [6] đề xuất phương pháp sử dụng mạng CNN xác định bệnh viêm phổi trên ảnh X-quang ngực kỹ thuật số, kết quả nghiên cứu của nhóm tác giả chứng minh kiến trúc VGG16 đạt hiệu suất vượt trội với độ chính xác 85.11% trên tập dữ liệu 5184 ảnh. Abbas [7] và các cộng sự trích xuất đặc trưng sử dụng mạng CNN và thuật toán giảm số chiều của ảnh bằng thuật toán PCA trên ảnh X-quang, độ chính xác của nhóm đạt được 93,1% trên tập dữ liệu 196 ảnh. 76 PHÁT HIỆN TỔN THƯƠNG PHỔI BẰNG KỸ THUẬT HỌC SÂU TRÊN MÔI TRƯỜNG XỬ LÝ SONG SONG SPARK II. CÔNG VIỆC LIÊN QUAN A. Mạng nơron t ...