Nghiên cứu xử lý ảnh spect tim trong hỗ trợ chẩn đoán bệnh động mạch vành tt

Phạm vi nghiên cứu của luận án là dữ liệu tại khoa Y học Hạt nhân, Bệnh viện Trung ương Quân đội 108 từ năm 2015 tới nay, các mô hình học máy được áp dụng trong lĩnh vực thị giác máy tín

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI

Công trình được hoàn thành tại:

Trường Đại học Bách khoa Hà Nội

Người hướng dẫn khoa học:

Luận án được bảo vệ trước Hội đồng đánh giá luận án tiến

sĩ cấp Trường họp tại Trường Đại học Bách khoa Hà Nội

Vào hồi …… giờ, ngày … tháng … năm ………

Có thể tìm hiểu luận án tại thư viện:

2 Thư viện Quốc gia Việt Nam

MỞ ĐẦU

Lý do chọn đề tài, mục đích nghiên cứu

Bệnh động mạch vành là bệnh lý tim mạch hay gặp nhất, là nguyên nhân gây tử vong hàng đầu trên thế giới Tổ chức y tế thế giới ước tính có tới 3,8 triệu đàn ông và 3,4 triệu phụ nữ chết vì bệnh động mạch vành mỗi năm Tại các nước ở Bắc Mỹ và Tây Âu, tỉ lệ chết vì bệnh này đã giảm nhưng tại các nước đang phát triển, trong đó có Việt Nam, tỉ lệ này đang tăng nhanh với ước tính chỉ ra rằng khoảng 82%

tỉ lệ chết vì bệnh động mạch vành trong tương lai

Xạ hình tưới máu cơ tim (Myocardial Perfusion Imaging) là phương pháp chẩn đoán bệnh thiếu máu cơ tim cục bộ không chảy máu có độ nhạy và độ đặc hiệu cao Kỹ thuật này được thực hiện rộng rãi tại các nước phát triển bởi những giá trị chẩn đoán nó mang lại Tuy nhiên, kỹ thuật xạ hình tưới máu cơ tim là một kỹ thuật khó, trải qua nhiều bước thực hiện từ dược chất phóng xạ, ghi hình, xử lý hình ảnh và đọc kết quả Độ chuẩn xác của các bước này ảnh hưởng tới độ chính xác của chẩn đoán Trong các yếu tố làm giảm độ chính xác của chẩn đoán thì nhiễu suy giảm trong khi ghi hình và sai sót chủ quan của bác sĩ đọc kết quả là những yếu tố quan trọng gây ảnh hưởng tới chất lượng chẩn đoán

Một, nhiễu suy giảm là hiện tượng suy giảm photon khi đi qua các tổ chức mô có tỉ trọng khác nhau, làm cho các photon không đến được các đầu dò của máy chụp cắt lớp phát xạ vi tính đơn photon (SPECT), dẫn đến phân bố phóng xạ ở cơ tim ghi bởi máy SPECT không chính xác Để giải quyết vấn đề này, nhiều giải pháp đã được đưa ra như chụp nằm sấp, cải tiến thuật toán tái tạo và hiệu quả nhất bây giờ là gắn thêm một máy chụp cắt lớp vi tính (CT) vào cùng máy SPECT Tuy nhiên, giá thành máy SPECT sẽ tăng lên đáng kể, kèm theo đó là các chi phí về phòng ốc và làm tăng nguy cơ mất an toàn bức xạ…Thêm vào đó, theo thống kê, số lượng máy SPECT đơn thuần đang chiếm khoảng 80 % trên thế giới nên giải quyết được nhiễu suy giảm mà vẫn tận dụng được những máy này có ý nghĩa quan trọng Hai, sai sót chủ quan của bác sĩ bắt nguồn trình độ chuyên môn,

độ phức tạp của hình ảnh, số lượng bệnh nhân lớn, khả năng tập trung, tâm trạng, sức khỏe…Theo thống kê ở Hoa Kỳ, sai sót chẩn đoán chung ước tính vào khoảng 10 đến 15% và trong tim mạch hạt nhân là

30 % Giải pháp hỗ trợ phân loại bệnh nhân có tổn thương và không

có tổn thương được phát triển nhằm giúp bác sĩ ra quyết định trên ảnh

SPECT tim Về cơ bản giải pháp hộ trợ này giống như người đọc thứ

2 có nhiệm vụ xác định tổn thương trên hình ảnh SPECT tim

Vì vậy, mục đích chính của luận án là đề xuất một giải pháp loại

bỏ nhiễu suy giảm mà không dùng đến máy CT, tận dụng được những máy SPECT thông thường và giải pháp hỗ trợ bác sĩ ra quyết định trên ảnh SPECT tim Tuy nhiên, để giải quyết được hai vấn đề trên, việc xây dựng cơ sở dữ liệu nhằm thử nghiệm các thuật toán là rất cần thiết

Đối tượng và phạm vi nghiên cứu của luận án

Đối tượng nghiên cứu của luận án đặc trưng hình ảnh SPECT tim,

mô hình trong lọc nhiễu và phân lớp

Phạm vi nghiên cứu của luận án là dữ liệu tại khoa Y học Hạt nhân, Bệnh viện Trung ương Quân đội 108 từ năm 2015 tới nay, các mô hình học máy được áp dụng trong lĩnh vực thị giác máy tính trong những năm gần đây, đặc biệt là các mô hình trong lọc nhiễu trong chụp cắt lớp CT

Ý nghĩa khoa học và thực tiễn của luận án

Về ý nghĩa khoa học:

- Có được một bộ dữ liệu SPECT tim có số lượng lớn, độ chính xác cao, xây dựng tại cơ sở y học hạt nhân có uy tín được công bố rộng rãi Bộ dữ liệu này được xây dựng với các đặc trưng hình ảnh SPECT tim của người Việt Nam Đây không chỉ phục vụ cho nghiên cứu của tác giả mà còn phục vụ các nghiên cứu khác trong xử lý ảnh, hỗ trợ chẩn đoán bệnh động mạch vành trên ảnh SPECT tim sau này

- Vấn đề xử lý nhiễu suy giảm trên ảnh SPECT tim bằng deep learning được nghiên cứu tổng thể, có hệ thống trên một cơ sở dữ liệu lớn, độ chính xác cao, thực hiện tại một cơ sở y học hạt nhân tin cậy

Mô hình lọc nhiễu được đề xuất có độ chính xác tương đương việc lắp thêm một máy chụp cắt lát CT cùng thuật toán phức tạp vào máy SPECT thông thường

- Vấn đề hỗ trợ bác sĩ trong trả lời kết quả xạ hình tưới máu cơ tim được nghiên cứu tổng thể Điều đó được thể hiện thông phương pháp

phân loại tổn thương hay không tổn thương được đề xuất

Về ý nghĩa thực tiễn:

- Tập dữ liệu SPECT tim được công bố rộng rãi là động lực để phát triển các thuật toán học máy của các nghiên cứu xử lý nhiễu suy giảm,

hỗ trợ chẩn đoán sau này

- Giải pháp hiệu chỉnh nhiễu suy giảm bằng mô hình deep learning mang lại nhiều ý nghĩa thực tiễn như giảm liều chiếu xạ cho bệnh nhân,

giảm chi phí mua sắm thiết bị, chi phí xây dựng phòng ốc bảo đảm an toàn bức xạ, tận dụng và phát huy được những máy SPECT đơn thuần sẵn có, là cảm hứng để phát triển các thế hệ máy SPECT tiếp theo trong tương lai, mở rộng áp dụng để hiệu chỉnh suy giảm cho ảnh PET/CT ảnh PET/MR…

- Giải pháp hỗ trợ chẩn đoán sẽ phân loại có tổn thương hay không

có tổn thương cơ tim trên ảnh SPECT tim Các bác sĩ sẽ tập trung phân tích nhiều hơn vào các trường hợp nghi ngờ, giảm sai sót, tăng độ chính xác chẩn đoán

Cấu trúc luận án

Luận án bao gồm 4 chương, chương 1 trình bày tổng quan về bệnh động mạch vành, các phương pháp chẩn đoán, phương pháp xạ hình tưới máu cơ tim bằng máy SPECT, các hạn chế và phương pháp

hỗ trợ Chương 2 của luận án trình bày xây dựng bộ cơ sở dữ liệu SPECT tim làm cơ sở để thử nghiệm và đánh giá các thuật toán học máy Tiếp theo, chương 3 đề xuất mô hình lọc nhiễu suy giảm cho các máy SPECT không có chức năng hiệu chỉnh này bằng CT Chương 4

đề xuất 2 giải pháp hỗ trợ chẩn đoán trên hình ảnh SPECT tim là nâng cao chất lượng hình ảnh cho máy SPECT thông thường và mô hình hỗ trợ ra quyết định nhằm nâng cao độ chính xác chẩn đoán Phần cuối cùng của luận án là kết luận và hướng phát triển của đề tài

CHƯƠNG 1 TỔNG QUAN VỀ PHƯƠNG PHÁP XẠ HÌNH TƯỚI MÁU CƠ TIM BẰNG MÁY SPECT

1.1 Bệnh lý động mạch vành

Ở hầu hết các nước trên thế giới, trong đó có Việt Nam, bệnh động mạch vành CAD (coronary artery disease) là vấn đề quan tâm hàng đầu của y học hiện đại vì tỷ lệ mắc ngày càng cao và là một trong những nguyên nhân chính gây tử vong, mất sức lao động Với bệnh nhân bị bệnh động mạch vành, chi phí điều trị rất lớn, đặc biệt là dành cho việc điều trị khi bệnh ở mức độ nặng hoặc biến chứng

Xơ vữa động mạch là nguyên nhân chính của bệnh động mạch vành Xơ vữa động mạch làm dày thành động mạch, xâm lấn dần vào trong lòng mạch gây hẹp khẩu kính, dẫn đến giảm lưu lượng dòng chảy gây triệu chứng thiếu máu cục bộ cơ tim Thêm nữa, mảng xơ vữa cũng có thể bị rách, vỡ tạo điều kiện hình thành huyết khối gây bít tắc lòng mạch, dẫn đến biến chứng nặng nề là nhồi máu cơ tim cấp (hình 1.1)

Hình 1.1 Bệnh động mạch vành

Có nhiều phương pháp để chẩn đoán bệnh động mạch vành, từ bệnh sử của cơn đau thắt ngực, đến các xét nghiệm chẩn đoán không xâm lấn như điện tâm đồ, siêu âm, chụp cộng hưởng từ, xét nghiệm chẩn đoán xâm lấn như chụp mạch cản quang qua da, xạ hình tưới máu

cơ tim Mỗi xét nghiệm đều có những ưu, nhược điểm riêng Tuy nhiên, phương pháp xạ hình tưới máu cơ tim MPI được sử dụng phổ biến hơn cả trong các trường hợp nguy cơ trung bình và cao vì những giá trị trong chẩn đoán nó mang lại

1.2 Xạ hình tưới máu cơ tim bằng máy SPECT

Xạ hình tưới máu cơ tim MPI (myocardial perfusion imaging) bằng máy chụp cắt lớp phát xạ đơn photon SPECT (single photon emission computed tomography) là kỹ thuật dùng để đánh giá lượng máu nuôi tim có đầy đủ hay không trong lúc nghỉ ngơi và vận động (hình 1.2) Kỹ thuật này thường được chỉ định để tìm nguyên nhân đau ngực cũng như sau nhồi máu cơ tim để kiểm tra vùng nào của tim không nhận đủ máu hoặc đánh giá độ rộng tổn thương cơ tim Bên cạnh đó, kỹ thuật SPECT MPI còn được dùng để xác định xem động mạch vành có bị hẹp hay không và hẹp ở mức độ nào

Hình 1.2 Quy trình xạ hình tưới máu cơ tim

Ngày nay, xạ hình tưới máu cơ tim đã được chấp nhận, sử dụng rộng rãi, được coi là phương pháp chẩn đoán không chảy máu có vai trò quyết định trong lâm sàng Các nghiên cứu lâm sàng đã đưa ra

nhiều bằng chứng khoa học thuyết phục về sự chính xác tiên lượng, định hướng điều trị và theo dõi bệnh động mạch vành của phương pháp xạ hình tưới máu cơ tim (bảng 1.1)

Bảng 1.1 Độ nhậy, đặc hiệu của SPECT MPI trong chẩn đoán

bệnh động mạch vành

Các yếu tố ảnh hưởng tới độ chính xác chẩn đoán như liều lượng thuốc, kỹ thuật tiêm, kỹ thuật chụp, kỹ thuật xử lý hình ảnh, chuyên môn bác sĩ, các nhiễu phát sinh Trong phạm vi nghiên cứu, tác giả xin trình bầy hai yếu tố cơ bản góp phần lớn vào sai sót là nhiễu do hiệu ứng suy giảm và yếu tố chủ quan của người đọc kết quả

Nhiễu ảnh hiệu ứng suy giảm do biến đổi tỉ trọng các mô mềm gây ra làm giảm độ chính xác, độ đặc hiệu kỹ thuật xạ hình tưới máu

cơ tim Để khắc phục nhiễu suy giảm, các kỹ thuật chụp SPECT MPI kết hợp điện tâm đồ ECG-gating MPI, chụp nằm úp được sử dụng để cải thiện khuyết điểm này Phương pháp kết hợp ảnh chụp CT để hiệu chỉnh suy giảm mới được phát triển gần đây, đã tăng độ chính xác chuẩn đoán hơn so với các phương pháp hiệu chỉnh trên Tuy nhiên,

số lượng máy sử dụng phương pháp hiệu chỉnh bằng CT còn hạn chế

vì giá thành đắt lên nhiều, yêu cầu cao hơn cho phòng chụp và bảo đảm an toàn bức xạ

Nguyên nhân thứ hai đề cập ở đây chính là sai sót chủ quan của bác sĩ đọc kết quả Nguyên nhân này bắt nguồn bởi nhiều yếu tố như

độ phức tạp của hình ảnh, trình độ của bác sĩ, số lượng bệnh nhân đông, khả năng tập trung, tâm trạng dẫn đến bỏ sót tổn thương, thay đổi chiến lược điều trị sai, gây hậu quả nghiêm trọng

Với hai yếu tố gây ra sai sót trong chẩn đoán SPECT MPI trình bày ở trên, việc nghiên cứu xử lý hình ảnh giảm nhiễu suy giảm và hỗ trợ giảm sai sót chủ quan của bác sĩ là những yêu cầu cấp thiết

1.3 Giải pháp xử lý ảnh SPECT tim trong hỗ trợ chẩn đoán bệnh động mạch vành

nhạy Đặc hiệu

108

Sestamibi / Tetrofosmin Tetrofosmin Sestamibi

Tl - 201 Sestamibi Sestamibi / Tl - 201 Sestamibi

Tl - 201 Tetrofosmin / Sestamibi

Trong những năm gần đây, cộng đồng trí tuệ nhân tạo ở Việt Nam

đã có những bước phát triển lớn Các nghiên cứu về học máy nói chung

và deep learning đang ngày càng nhiều, đi vào các lĩnh vực trong đó

có xử lý ảnh y tế Tuy nhiên, các nghiên cứu mô hình học máy trong

xử lý ảnh SPECT tim thì chưa nhiều Nguyên nhân ban đầu có thể chỉ

ra là cơ sở dữ liệu về lĩnh vực này còn rất hạn chế, khó truy cập Theo PubMed, số nghiên cứu trong lĩnh vực tim mạch hạt nhân năm 2018 tăng gấp đôi so với tổng hai năm trước đó cho thấy sự quan tâm ngày càng tăng trong học máy Với góc nhìn hiện tại, theo tác giả thì các nghiên cứu trước đây còn tồn tại một số điểm:

- Chưa có nghiên cứu nào về hiệu chỉnh nhiễu suy giảm bằng mô hình học máy trên một tập dữ liệu lớn Hầu hết những phương pháp hiệu chỉnh nhiễu suy giảm hiện tại đều bằng các biện pháp kỹ thuật thực hành y học, xử lý bằng phần cứng và thuật toán không liên quan tới trí tuệ nhân tạo Về ứng dụng học sâu trong hiệu chỉnh nhiễu suy giảm thì có một nghiên cứu nhưng bộ dữ liệu quá ít với 65 mẫu

- Dữ liệu đầu vào là ảnh cực Ảnh cực là kết quả của một phép biến đổi theo hướng dẫn của hội tim mạch hạt nhân Hoa Kỳ và Châu Âu từ các ảnh lát cắt tim thành một ảnh tổng hợp duy nhất Tuy nhiên, phép biến đổi này có nguy cơ làm mất thông tin trong quá trình biến đổi Nếu chỉ đưa ảnh cực vào thì độ chính xác của mô hình sẽ giảm xuống

- Phương pháp thống kê định lượng như TPD, SRS, SSS, SDS dựa trên cơ sở dữ liệu bệnh nhân chuẩn của nước chế tạo máy SPECT, thông thường là Hoa Kỳ Về đặc điểm sinh học của từng chủng người

là khác nhau nên cơ sở dữ liệu chuẩn cũng khác nhau theo từng nước

Do vậy, mô hình chẩn đoán so sánh với TPD, SRS, SSS, SDS cũng nên áp dụng với từng đối tượng cụ thể

- Thuật toán học máy LogitBoot là một thuật toán học máy cơ bản Các thuật toán hiện nay có hiệu suất cao hơn đã được phát triển

- Mô hình thuật toán Deep Learning áp dụng còn đơn giản, góp phần dẫn đến kết quả còn chưa cao

- Nghiên cứu xây dựng mô hình phát hiện tổn thương, hỗ trợ chẩn đoán

CHƯƠNG 2 XÂY DỰNG BỘ CƠ SỞ DỮ LIỆU SPECT TIM 2.1 Vấn đề nghiên cứu

Hỗ trợ chẩn đoán bằng máy tính CADx (Computer-aided diagnosis) được nghiên cứu với mục đích hỗ trợ các bác sĩ trong đọc kết quả chẩn đoán SPECT MPI, hạn chế các sai sót do chủ quan, kinh nghiệm lâm sàng và sự phức tạp của hình ảnh…Mặc dù, CADx mang lại những kết quả nghiên cứu khả quan nhưng nó vẫn chưa được chấp thuận trong y tế Một trong những lý do có thể kể đến là chưa có một

cơ sở dữ liệu chuẩn để đánh giá những hệ thống hỗ trợ chẩn đoán.Hiện nay, hầu hết các nguồn dữ liệu SPECT MPI đều có số lượng mẫu nhỏ và không được công bố rộng rãi Điều này khiến cho việc kiểm chứng và ứng dụng các kết quả nghiên cứu này trở nên rất khó khăn Một số bộ dữ liệu có số mẫu lớn nhưng không được công bố rộng rãi, mang tính chất cá nhân, tiếp cận khó khăn Bên cạnh đó, nhiều nghiên cứu lâm sàng chỉ ra mỗi chủng người khác nhau có đặc điểm hình ảnh khác nhau Nghiên cứu xử lý ảnh SPECT tim để hỗ trợ chẩn đoán cho người Việt Nam thì cần thiết cần có bộ dữ liệu SPECT tim mang đặc điểm người Việt Nam

Với những vấn đề trên, để thực hiện nghiên cứu xử lý ảnh SPECT tim trong hỗ trợ chẩn đoán bệnh động mạch vành, tác giả đã tiến hành xây dựng một bộ dữ liệu chuẩn có kích thước lớn phục vụ các nghiên cứu hỗ trợ chẩn đoán SPECT tim Bộ dữ liệu này được xây dựng từ những nguồn dữ liệu uy tín nhất hiện tại tại Việt Nam cũng như trong khu vực Bộ dữ liệu được xây dựng dựa trên các tiêu chuẩn của bộ dữ liệu chuẩn ImageNet Dự kiến bộ dữ liệu SPECT tim có số mẫu 2000,

đủ lớn để đưa vào thử nghiệm các mô hình học sâu thì mới bảo đảm

độ tin cậy của các kết quả thống kê

2.2 Quy trình thu thập dữ liệu

Dữ liệu được thu thập tại khoa Y học hạt nhân - Bệnh viện TƯQĐ

108, là đơn vị đầu ngành của cả nước về kỹ thuật xạ hình tưới máu cơ tim bằng máy SPECT Khoa có các hệ thống máy SPECT hiện đại như SPECT/CT OPTIMA, SPECT INFINIA, SPECT VENTRI, chuyên dụng trong chụp SPECT tim Đội ngũ đọc kết quả xạ hình tưới máu

cơ tim bao gồm 3 bác sĩ có ít nhất 10 năm kinh nghiệm, được đào tạo

ở các nước có ngành Y học Hạt nhân phát triển như Mỹ, Nhật, Hàn Quốc, Úc Thời gian lấy số liệu là từ năm 2015 tới nay trên 3 hệ

thống chụp xạ hình tim là Infinia, Ventri và SPECT/CT Optima Riêng

dữ liệu từ máy SPECT/CT Optima được sử dụng để thực hiện thử nghiệm các mô hình hiệu chỉnh nhiễu suy giảm

Các quy trình trong thực hành lâm sàng được thực hiện nghiêm ngặt, có kiểm tra chéo giữa các bước bảo đảm các khâu chuẩn bị thực hành kỹ thuật không có sai sót Quy trình chụp hình là quy trình chụp

2 ngày pha nghỉ và pha gắng sức, theo hướng dẫn của hội tim mạch hạt nhân Hoa Kỳ ACC/AHA/ ASNC (American College of Cardiology/American Heart Association Task Force on Practice Guidelines) Tiêu chuẩn loại trừ là các mẫu chỉ chụp một pha (nghỉ hoặc gắng sức), không bảo đảm chất lượng hình ảnh, thiếu thông tin lâm sàng, không có kết quả

Bộ dữ liệu nghiên cứu bao gồm 2348 ca chụp SPECT tim từ năm

2015 tới 2020 được thống kê theo bảng 2.1 Dữ liệu này là kết quả sau hội chẩn của nhiều bác sĩ và đã là cơ sở để điều trị cho bệnh nhân Nghiên cứu này được thực hiện với sự cho phép của khoa Y học Hạt nhân - Bệnh viện TƯQĐ 108

Bảng 2.1: Dữ liệu nghiên cứu

2.3 Quy trình xử lý, chuẩn hoá dữ liệu

Xử lý hình ảnh được thực hiện bởi kỹ thuật viên chụp và được kiểm tra bởi kỹ thuật viên trưởng với 15 năm kinh nghiệm theo hướng dẫn của hội tim mạch hạt nhân Hoa Kỳ ASNC Bác sĩ đọc kết quả có thể hiệu chỉnh lại vị trí vùng quan tâm chứa tâm thất trái và mặt phẳng van tim (Valve plane position) nếu cần thiết Từ những thiết lập này, ảnh lát cắt và ảnh cực được tạo ra phục vụ đọc kết quả xạ hình như hình 2.1

Trên màn hình chẩn đoán, các lát cắt và ảnh bản đồ cực được trình bày lặp lại nhiều lần, tại các vị trí khác nhau, không hiện thị hết các ảnh lát cắt Các thông tin bệnh nhân như tuổi, giới tính, tên… kèm các ước lượng thống kê được trình bày Nếu đưa tất cả vào mô hình học máy sẽ chiếm rất nhiều tài nguyên Do vậy, cần thiết lập protocol chuyên lấy ảnh phục vụ học máy Tác giả kết hợp với chuyên gia từ

hãng GE cùng với các bác sĩ đã thiết lập protocol chuyên dùng để lấy ảnh, chỉ hiện thị các ảnh lát cắt và ảnh bản đồ cực (hình 2.2)

Hình 2.1 Ảnh lát cắt, ảnh cực được trình bày theo protocol chẩn đoán

Hình 2.2 Protocol chuyên lấy ảnh cho học máy

Các thông tin không cần thiết trên ảnh sẽ được loại bỏ, chỉ có các lát ảnh theo các trục và ảnh cực được giữ lại để giảm khối lượng tính toán như so đồ hình 2.3 Tập dữ liệu 2D gồm các panel kích thước 90x90x3x28 (90x90 là kích thước ảnh, 3 là 3 màu RBG, 28 là số lát cắt mỗi ca) và ảnh cực 352x352x3 (352x352 pixel là kích thước ảnh cực, 3 là 3 màu RBG) Đối với những bệnh nhân không đủ số lát cát

là 28, tác giả sẽ thêm các ma trận 0 có kích thước tương đồng vào tập ảnh Từ các bước như trên, tác giả thu được tập dữ liệu cắt lát 2D, 3D

và ảnh cực

Hình 2.3 Sơ đồ chuẩn hóa dữ liệu

Bên cạnh hình ảnh, các thông tin lâm sàng của bệnh nhân như tuổi, giới tính, các xét nghiệm trước, biện hiện lâm sàng đều được thu thập Các thông tin cá nhân của bệnh nhân được loại bỏ để bảo đảm tính riêng tư Phần thông tin lâm sàng là các hệ số nguy cơ, là dữ liệu đầu vào bổ xung, kết hợp với dữ liệu ảnh để học máy đưa ra dự đoán chính xác Do đó, thông tin lâm sàng sẽ được mã hóa theo dạng có hoặc không có biểu hiện, tương ứng với mã 1 và 0 Các thông tin này

sẽ được đưa vào 1 file text có thứ tự mã hóa như bảng dưới (bảng 2.2)

Bảng 2.2 Bảng mã hóa hệ số nguy cơ

2.4 Gắn nhãn dữ liệu

Bộ dữ liệu sau khi thu thập, được gán nhãn không có tổn thương hay có tổn thương Quá trình này, dựa trên việc phân tích kết luận chẩn đoán của bác sỹ đối với từng ca chụp Tuy nhiên do thuật ngữ y khoa trong kết luận của bác sĩ không phải lúc nào cũng trực tiếp chỉ ra tình trạng tổn thương của bệnh nhân, việc gán nhãn được dựa trên thang

đo 5 bậc (0-bình thường, 1- có lẽ bình thường, 2- không rõ ràng, 3- bất thường, 4- chắc chắn bất thường) Trong đó, 0-1 được xác định không

có tổn thương, 2-4 có khả năng tổn thương Cách xác định này cũng

đã được thực hiện bởi nghiên cứu trước Ba bác sĩ tham gia nghiên cứu

sẽ tiến hành gắn nhãn tổn thương hoặc không có tổn thương cho từng mẫu Kết quả gắn nhãn được kiểm tra chéo giữa các bác sĩ, kiểm tra chéo với các xét nghiệm điện tim, siêu âm tim để đạt được sự đồng thuận trên tất cả các mẫu

Bảng 2.3 Bảng phân loại nhãn

Phần mềm hỗ trợ gắn nhãn dữ liệu được tạo ra với giao diện giống với phần mềm đọc tim chuyên dụng của hãng GE Các bác sĩ sẽ xác định bệnh nhân có tổn thương hay không tổn thương, có tổn thương thì thuộc nhánh nào trong các nhánh RCA, LAD, LCX (hình 2.4)

Hình 2.4 Phần mềm gắn nhãn dữ liệu bệnh nhân

Không có tổn thương Có tổn thương

Chưa phát hiện hình ảnh thiếu máu cơ tim trên xạ hình Có khuyết xạ tại một vùng cơ tim nhưng không khẳng

định bị thiếu máu cơ tim

Chưa rõ hình ảnh thiếu máu cơ tim trên xạ hình Có khuyết xạ tại vùng cơ tim, nghi ngờ thiếu máu cơ

2.5 Xây dựng các tính năng của bộ cơ sở dữ liệu

Trong lĩnh vực trí tuệ nhân tạo nói chung, việc thử nghiệm các

mô hình học máy đòi hỏi rất nhiều thời gian và công sức Các mô hình thiết kế không tốt sẽ tốn tài nguyên máy và thời gian huấn luyện rất lâu Do vậy, phương pháp tiếp cận vấn đề nghiên cứu rất quan trọng, làm giảm thời gian nghiên cứu và đạt hiệu quả cao Tuy nhiên, để có phương phương tiếp cận tốt cần có những thông tin từ cơ sở dữ liệu được trính xuất ra, phục vụ cho việc định hướng, thiết kế mô hình tốt hơn

Trong bộ cơ sở dữ liệu SPECT tim, tác giả xây dựng các phương thức trích xuất số liệu theo thông tin yêu cầu đưa vào ví dụ như tuổi, nam, nữ, theo một hay nhiều hệ số nguy cơ… Bảng 2.4 dưới ví dụ về các đặc trưng bộ dữ liệu SPECT tim

Bảng 2.7 Bảng thống kê thông tin của bộ dữ liệu

2.6 Nhận xét, đánh giá, so sánh bộ cơ sở dữ liệu

Từ những tiêu chuẩn của bộ dữ liệu chuẩn ImageNET, tác giả đã xây dựng bộ dữ liệu SPECT tim Bộ dữ liệu SPECT tim có một số đặc điểm sau:

Về kích thước, bộ dữ liệu SPECT tim trong luận án có 2348 mẫu đáp ứng yêu cầu về số mẫu để đưa vào mô hình học máy So sánh với các bộ dữ liệu hiện có về SPECT tim của tác giả Bentacur và Arsanjan tương ứng với 1638 và 1181 mẫu thì bộ dữ liệu của luận án có số mẫu lớn hơn

Về độ cân bằng giữa các nhãn, bộ dữ liệu được xây dựng gồm 02 nhãn chính (có tổn thương và không có tổn thương) Trong đó, tỷ lệ của 02 nhãn này đạt xấp xỉ 50/50, nghĩa là tỉ lệ tương đối đồng đều giữa các nhãn Trong điều kiện cần cân bằng hóa, tác giả có thể cắt đi một số lượng nhỏ để bộ dữ liệu đạt cân bằng hoàn toàn

Về chất lượng ảnh, bộ dữ liệu trong luận án được thu thập tại đơn

vị y học hạt nhân uy tín, các bác sĩ lâu năm kinh nghiệm, hệ thống SPECT hiện đại, chất lượng ảnh phân giải cao Theo quy trình chụp