Thiết kế và phát triển thiết bị giá thành thấp hiệu chuẩn thể tích cho máy thở tự chế trong các đại dịch

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập – Tự do – Hạnh phúc BẢN XÁC NHẬN CHỈNH SỬA LUẬN VĂN THẠC SĨ Họ và tên tác giả luận văn: Diệp Hữu Hùng Đề tài luận văn: Nghiên cứu và phát tr

TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI

Giảng viên hướng dẫn: TS Đào Việt Hùng Viện: Điện tử - Viễn thông

HÀ NỘI, 4/2021

TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI

Giảng viên hướng dẫn: TS Đào Việt Hùng

Viện: Điện tử - Viễn thông

HÀ NỘI, 4/2021

Chữ ký của GVHD

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM

Độc lập – Tự do – Hạnh phúc

BẢN XÁC NHẬN CHỈNH SỬA LUẬN VĂN THẠC SĨ

Họ và tên tác giả luận văn: Diệp Hữu Hùng

Đề tài luận văn: Nghiên cứu và phát triển thuật toán xử lý ảnh trong thời

gian thực để sàng lọc nhanh bệnh rối loạn tiền đình

Chuyên ngành: Kỹ thuật Y sinh

Mã số SV: CB190185

Tác giả, Người hướng dẫn khoa học và Hội đồng chấm luận văn xác nhận tác giả đã sửa chữa, bổ sung luận văn theo biên bản họp Hội đồng ngày22 tháng

4 năm 2021 với các nội dung sau:

1 Đã gộp nội dung đề tài từ 5 chương thành 4 chương

2 Đã sửa lỗi chính tả và trình bày, chú thích rõ ràng

Ngày tháng 04 năm 2021

Giáo viên hướng dẫn Tác giả luận văn

CHỦ TỊCH HỘI ĐỒNG

LỜI CẢM ƠN

Để có thể hoàn thành đồ án này, em xin gửi lời cảm ơn chân thành tới TS Đào Việt Hùng đã hướng dẫn và tạo điều kiện thuận lợi cho em trong quá trình thực hiện đề tài Đồng cảm ơn các bạn đồng nghiệp trong khoa Nội của Bệnh viện Đa khoa Khu vực Cẩm Phả đã tham gia thực hiện quá trình tiến hành thu thập dữ liệu bệnh nhân thực tế tại Bệnh viện để lấy cơ sở dữ liệu trong hệ thống

hệ thống Em xin chân thành cảm ơn

Học viên

Diệp Hữu Hùng

TÓM TẮT NỘI DUNG LUẬN VĂN

Rối loạn tiền đình và các biến chứng liên quan đang là vấn đề được quan tâm hàng đầu trong lĩnh vực y học Bệnh nhân mắc rối loạn tiền đình không chỉ gặp khó khăn trong sinh hoạt hàng ngày mà còn có nguy cơ bị đột quỵ cao hơn

Do sự phổ biến và các ảnh hưởng tiêu cực mà rối loạn tiền đình gây ra, một phương pháp sàng lọc tốt có thể tiết kiệm tối đa nguồn lực cho các bệnh viện và

xã hội, đồng thời mang lại nhiều lợi ích cho người bệnh là rất cần thiết Hiện nay,

có ba phương pháp chẩn đoán rối loạn tiền đình bao gồm kiểm tra thính lực, kiểm tra rung giật nhãn cầu, và kiểm tra thăng bằng Hai phương pháp đầu tiên cung cấp kết quả có độ tin cậy cao; tuy nhiên, cần sử dụng các thiết bị phức tạp và có giá thành cao Trong phương pháp kiểm tra thăng bằng, việc quan sát sự lắc lư của cơ thể trong một số tư thế đặc biệt là một sự lựa chọn thích hợp khi cần rút ngắn thời gian chẩn đoán Điểm hạn chế lớn nhất của phương pháp này là kết quả phụ thuộc vào sự quan sát và đánh giá chủ quan của bác sĩ Xuất phát từ thực tế trên, luận văn này đề xuất một phương pháp đánh giá định lượng góc nghiêng của cơ thể nhằm hỗ trợ cho bác sĩ trong quá trình chẩn đoán Phương pháp được

đề xuất sử dụng thuật tóan xử lý ảnh để thu nhận dữ liệu góc nghiêng của bệnh nhân và sử dụng học máy trong phân tích dữ liệu góc được ghi lại để đưa ra kết quả đánh giá Cơ sở dữ liệu sử dụng trong đề tài được học viên thu thập tại khoa Nội của Bệnh viện Đa khoa khu vực Cẩm Phả Bộ cơ sở dữ liệu thu được trong quá trình thực hiện đề tài bao gồm 95 mẫu với tỉ lệ 53 mẫu bệnh và 42 mẫu không bệnh Sau khi thử nghiệm một số mô hình học máy, mô hình cho độ nhạy cao nhất là SVM với hàm sigmoid cho độ nhạy là 95.19%

M ỤC LỤC

M ỤC LỤC i

DANH M ỤC HÌNH VẼ iii

DANH M ỤC BẢNG BIỂU v

CHƯƠNG 1: TỔNG QUAN 1

1.1 Tổng quan về rối loạn tiền đình 1

1.1.1 Giải phẫu cơ quan tiền đình 1

1.1.2 Định nghĩa và phân loại rối loạn tiền đình 3

1.1.3 Nguyên nhân dẫn tới rối loạn tiền đình 3

1.1.4 Một số triệu chứng phổ biến 4

1.1.5 Biến chứng 4

1.2 Thực trạng 5

1.3 Một số phương pháp sàng lọc rối loạn tiền đình 6

1.3.1 Kiểm tra rung giật nhãn cầu 8

1.3.2 Kiểm tra thăng bằng 10

CHƯƠNG 2 PHÂN TÍCH VÀ ĐỀ XUẤT GIẢI PHÁP 12

2.1 Phân tích một số kiểm tra thăng bằng 12

2.1.1 Kiểm tra chức năng vận động 12

2.1.2 Phân tích động lực học bằng máy tính 12

2.1.3 Kiểm tra Romberg biến thể 14

2.2 Tổng quan về xử lý ảnh 15

2.2.1 Khái niệm 15

2.2.2 Thư viện xử lý ảnh OpenCV 16

2.2.3 Một số bộ lọc nhiễu trong xử lý ảnh 18

2.3 Tìm đường viền trong ảnh nhị phân 22

2.4 Tổng quan về học máy 23

2.4.1 Khái niệm 23

2.4.2 Một số phương pháp học máy phổ biến 25

2.5 Đề xuất giải pháp 26

CHƯƠNG 3 TRIỂN KHAI THUẬT TOÁN 28

3.1 Triển khai thuật toán đo góc nghiêng để xây dựng cơ sở dữ liệu 28

3.1.1 Lưu đồ thuật toán 28

3.1.2 Các bước xử lý chính 29

3.2 Thử nghiệm và lựa chọn mô hình học máy 31

3.2.1 Xây dựng cơ sở dữ liệu 31

3.2.2 Một số mô hình học máy 35

CHƯƠNG 4 KIỂM THỬ VÀ KẾT QUẢ 43

4.1 Kiểm thử phương pháp đo 43

4.1.1 Thiết lập công cụ thu thập dữ liệu góc nghiêng 43

4.1.2 Xây dựng mô hình học máy 44

4.2 Tiêu chí đánh giá mô hình 48

4.3 Kết quả 52

4.4 Kết luận và kiến nghị 53

4.4.1 Kết luận 53

4.4.2 Hướng phát triển 53

4.4.3 Kiến nghị và đề xuất 54

TÀI LI ỆU THAM KHẢO 55

PH Ụ LỤC 58

DANH M ỤC HÌNH VẼ

Hình 1.1 Giải phẫu cơ quan tiền đình nằm sau ốc tai 2

Hình 1.2 Đo âm óc tai 7

Hình 1.3 Đo điện thính giác thân não 7

Hình 1.4 Đo điện đồ ốc tai 7

Hình 1.5 Kiểm tra rung giật nhãn cầu bằng các điện cực 8

Hình 1.6 Kiểm tra rung giật nhãn cầu bằng kính video 8

Hình 1.7 Kiểm tra rung giật nhãn cầu tại Bệnh viện đa khoa Tâm Anh 9

Hình 1.8 Thử nghiệm ghế xoay 9

Hình 1.9 Hệ thống ghế xoay đầu tiên tại Việt Nam 9

Hình 1.10 Kiểm tra tư thế di động (DIG Test) 10

Hình 1.11 Kiểm tra tư thế với thiết bị hỗ trợ 10

Hình 2.1 Kiểm tra chức năng vận động bằng bài tập vượt chướng ngại vật 12

Hình 2.2 Kiểm tra Computerised Dynamic Posturography (CDP) 13

Hình 2.3 Các bước trong bài kiểm tra CDP 13

Hình 2.4 Tư thế của kiểm tra Romberg biến thể 15

Hình 2.5 Giao diện trang chủ của OpenCV 17

Hình 2.6 Một số ứng dụng của học máy trong thực tế 24

Hình 3.1 Sơ đồ thuật toán đo góc nghiêng của cơ thể 28

Hình 3.2 Ảnh RGB (trái) và ảnh đa mức xám sau khi chuyển đổi (phải) 30

Hình 3.3 Thu thập dữ liệu tại Bệnh viện Đa khoa khu vực Cẩm Phả 32

Hình 3.4 Quá trình thu thập dữ liệu với sự tham gia của bác sĩ chuyên khoa 32

Hình 3.5 Các thư mục dữ liệu thô 33

Hình 3.6 Một bộ dữ liệu chuẩn của bệnh nhân 33

Hình 3.7 Thuật toán loại bỏ nhiễu 34

Hình 3.8 Thuật toán chuẩn hóa dữ liệu 34

Hình 3.9 Bộ dữ liệu sau khi được chuẩn hóa 35

Hình 3.10 Phân lớp sử dụng thuật toán K-nearest neighbor 36

Hình 3.11 Bài toán phân lớp PLA 37

Hình 3.12 Phương trình đường thẳng phân cách 38

Hình 3.13 Đường thẳng phân cách bất kì và các điểm bị phân lớp lỗi được khoanh tròn 38

Hình 3.14 Các đường phân cách hai lớp dữ liệu 40

Hình 3.15 Margin của hai lớp dữ liệu trong thuật toán PLA 40

Hình 3.16 Bài toán SVM 41

Hình 3.17 Các điểm gần đường phân cách nhất của hai lớp 41

Hình 4.1 Marker phản quang đường kính 15mm 43

Hình 4.2 Hệ thống phần cứng thu nhận dữ liệu 43

Hình 4.3 Triển khai hệ thồng phần cứng tại bệnh viện 44

Hình 4.4 Thư mục chứa ảnh đồ thị dữ liệu 46

Hình 4.5 Đồ thị dữ liệu của tình nguyện viên không rối loạn tiền đình 46

Hình 4.6 Dao động quanh phương thẳng đứng của bệnh nhân rối loạn tiền đình 46

Hình 4.7 Dao động nghiêng về một phía của bệnh nhân rối loạn tiền đình 47

Hình 4.8 Một số mô hình học máy truyền thống (KNN, PLA, SVM) 47

Hình 4.9 Sơ đồ quá trình huấn luyện mô hình 48

Hình 4.10 Ma trận nhầm lẫn 49

Hình 4.11 Ví dụ về đường cong ROC 52

DANH M ỤC BẢNG BIỂU

Bảng 2.1 Một số ma trận hạt nhân phổ biến 20

Bảng 2.2 Một số phần tử cấu trúc thông dụng 22

Bảng 4.1 Thông số kỹ thuật chính của camera Logitech C170 44

Bảng 4.2 Thông số kỹ thuật chính của máy tính xách tay Dell 44

Bảng 4.3 Tỉ lệ phân chia dữ liệu 48

Bảng 4.4 Định nghĩa các trường hợp dự đoán 50

Bảng 4.5 Kết quả đánh giá mô hình 52

CHƯƠNG 1 TỔNG QUAN

1.1 T ổng quan về rối loạn tiền đình

1.1.1 Giải phẫu cơ quan tiền đình

Tiền đình nằm ở phía trong hòm nhĩ, phía sau ốc tai và phía trước các ống bán khuyên Đây là một hốc xương có sáu thành Thành ngoài ngăn cách với hòm nhĩ bằng một vách xương và liên hệ với hòm nhĩ qua cửa sổ tiền đình Thành trong liên quan với đáy ống tai trong, có ngách bầu dục cho soan nang tựa vào và ngách cầu cho cầu nang tựa vào Thành sau và thành trên có năm lỗ thông

với các ống bán khuyên [1]

• Thành dưới: là mảnh xương mỏng liên tiếp với mảnh xoắn ốc của ốc tai

Tiền đình thông ờ trước với thang tiền đình cùa ốc tai

• Các ống bán khuyên xương: gồm ba ống, mỗi ống nằm thẳng góc với hai ống kia Ống bán khuyên trước nằm trên mặt phẳng thẳng đứng, vuông góc với

trục phần đá xương thái dương, ống bán khuyên sau nằm trên mặt phẳng thẳng đứng, song song với trục phần đá xương thái dương, ống bán khuyên ngoài nằm trên mặt phẳng ngang và cong ra ngoài Các ống bán khuyên là những ống hình

trụ cong hình móng ngựa nằm ở sau và trên tiền đình và mở vào tiền đình, mỗi ống có một đầu phình gọi là bóng xương Đầu có bóng xương mở vào tiền đình

tại trụ xương bóng, đầu không có bóng xương mở vào tiền đình tại trụ xương đơn Trụ xương đơn của ống bán khuyen ngoài mở trực tiếp vào tiền đình Trụ xương đơn của các ống bán khuyên trước và sau hợp lại thành trụ xương chung trước khi đổ vào tiền đình

• Soan nang, cầu nang: Soan nang là một túi hình soan chiếm phần trên

của tiền đình và tiếp nhận năm lỗ đổ vào của ba ống bán khuyên màng Cầu nang

là một túi nhỏ hình cầu ở phía trước soan nang Cầu nang nối với soan nang bằng ống soan-cầu và với ống ốc tai bằng ống nối Từ giữa ống soan-cầu tách ra một ống gọi là ống nội dịch Ống này đi qua cống tiền đình tới dưới màng não cứng ờ

mặt sau phần đá xương thái dương thì phình ra thành túi nội dịch Các ống bán khuyên màng gồm ba ống trước, sau và ngoài nằm trong ba ống bán khuyên xương tương ứng, mỗi ống có một đầu phình gọi là bóng màng Đầu có bóng màng của các ống bán khuyên mở vào soan nang tại trụ màng bóng, đầu không

có bóng màng mở vào tại trụ màng đơn Trụ màng đơn của các ống bán khuyên trước và sau hợp lại tạo thành trụ màng chung

• Cơ quan nhận cảm: mào và vết Mào nằm trong bóng, được cấu tạo bởi các tế bào lông, phía trên các tế bào phủ một lớp gelatin gọi là đài (cupula), lông

của tế bào nằm trong đài gồm có lông rung (kinocilium) và lông lập thể (stereocilia), còn đáy tế bào tiếp xúc với nơ-rôn của nhánh tiền đình Vết: ở trên soang nang và cầu nang được cấu tạo bởi các tế bào lông, phủ lên trên tế bào lông là sỏi tai (otoliths)

Nhân tiền đình là các bộ phận nhận cảm của tiền đình ngoại biên nằm ở mê đạo màng, thân tế bào ở hạch tiền đình, nhánh tiền đình của dây tiền đình ốc tai (dây VIII) đi đến nhân tiền đình nằm giữa cầu não và hành não Chức năng nhân

tiền đình là đồng nhất các thông tin đến từ mỗi bên của đầu, nhận các tín hiệu và

tiếp tục truyền tới tiểu não, nhận các tín hiệu và tiếp tục truyền tới vỏ não cho

nhận thức về giác quan vị trí và vận động, gửi mệnh lệnh đến các nhân vận động

nằm ở thân não và tủy sống, các lệnh được đưa đến dây sọ (III, IV, VI, XI), bó

tiền đình tủy sống chi phối trương lực cơ ngoại biên và bổ sung vận động đầu và

1.1.2 Định nghĩa và phân loại rối loạn tiền đình

Tiền đình đóng vai trò quan trọng trong việc giữ cân bằng cho cơ thể trong các tư thế hoạt động và phối hợp cử động của mắt, đầu, và thân mình Khi cơ thể

thực hiện các tư thế khác nhau, dây thần kinh số tám sẽ truyền dẫn thông tin điều khiển đến cơ quan tiền đình để cơ quan này thực hiện nghiêng lắc theo chuyển động của cơ thể người Rối loạn tiền đình là bệnh lý xảy ra do quá trình truyền

dẫn và tiếp nhận thông tin của tiền đình bị rối loạn hoặc tắc nghẽn Điều này khiến cho tiền đình mất khả năng giữ thăng bằng, cơ thể loạng choạng, hoa mắt, chóng mặt, quay cuồng, ù tai, buồn nôn Những triệu chứng này thường lặp đi lặp

lại nhiều lần và xuất hiện đột ngột, gây ra những ảnh hưởng lớn tới cuộc sống và

khả năng lao động của người bệnh

Rối loạn tiền đình gồm có hai dạng chính là rối loạn tiền đình ngoại biên và

rối loạn tiền đình trung ương Rối loạn tiền đình ngoại biên là rối loạn tiền đình

có nguồn gốc ngoại biên, do tổn thương hệ tiền đình nằm ở tai trong Rối loạn

tiền đình trung ương là rối loạn tiền đình có nguồn gốc trung ương, do các tổn thương nhân tiền đình ở thân não, tiểu não Rối loạn tiền đình ngoại biên có tỷ lệ

mắc cao hơn và có biểu hiện bệnh lý rõ ràng hơn so với rối loạn tiền đình trung ương Tuy nhiên, rối loạn tiền đình ngoại biên thường ít gây nguy hiểm đến tính

mạng của người bệnh hơn so với rối loạn tiền đình trung ương

1.1.3 Nguyên nhân dẫn tới rối loạn tiền đình

Trong thực tế, có rất nhiều nguyên nhân gây khác nhau gây ra hội chứng rối

loạn tiền đình Có thể chia thành hai nhóm nguyên nhân chính bao gồm: nguyên nhân trực tiếp và nguyên nhân gián tiếp Một số nguyên nhân trực tiếp thường gây ra rối loạn tiền đình như:

• Tổn thương dây thần kinh số tám, u dây thần kinh, u não;

• Hội chứng phù nề tai trong, viêm tai giữa cấp tính và mạn tính, sỏi nhĩ

Một số nguyên nhân gián tiếp gây ra rối loạn tiền đình ở bệnh nhân:

• Ảnh hưởng của các bệnh lý khác như: thiếu máu, rối loạn nội tiết tố;

• Ảnh hưởng của tuổi tác;

• Các yếu tố tâm lý: lo lắng, mất ngủ thường xuyên;

• Môi trường sinh hoạt và làm việc

1.1.4 Một số triệu chứng phổ biến

Chóng mặt là một trong những triệu chứng ban đầu thường gặp nhất của rối

loạn tiền đình Khi bị chóng mặt người bệnh có cảm giác mọi vật xung quanh bị chao đảo, gây khó khăn cho việc đứng lên hoặc ngồi xuống Khi cố đứng dậy, người bệnh bị mất thăng bằng và dễ ngã Trong trường hợp triệu chứng biến

nặng, người bệnh không thể di chuyển và vận động Tuy nhiên, triệu chứng này

có thể biến mất khi người bệnh nằm nghỉ ngơi trong một khoảng thời gian Triệu

chứng chóng mặt thường đi kèm với các hiện tượng như buồn nôn, đổ mồ hôi, hai mắt mờ nhòe

Mất thăng bằng là một triệu chứng phổ biến được ghi nhận từ các bệnh nhân bị rối loạn tiền đình Khi mất thăng bằng, người bệnh đi đứng không vững,

phải vịn vào một vật khác để đứng Người bệnh thường có cảm giác cơ thể lâng lâng, trọng tâm cơ thể không vững, cơ thể luôn lắc lư ngay cả khi đứng yên Người bị rối loạn tiền đình thường xuất hiện các cơn đau đầu bất chợt và kéo dài, có thể dẫn tới suy giảm trí nhớ Người bệnh có thể bị đau nửa đầu hoặc đau cả đầu sau đó lan dần xuống vùng sau gáy Đau đầu kéo dài sẽ gây tổn thương cho các dây thần kinh trung ương, làm suy giảm trí nhớ của người bệnh

Tiền đình là bộ phận nằm sau hai bên ốc tai; vì vậy, khi cơ quan tiền đình bị

rối loạn, bệnh nhân thường xuất hiện triệu chứng ù tai Khi bị ù tai, người bệnh thường có cảm giác nghe thấy tiếng gió rít, tiếng trầm, tiếng chuông, tiếng rít,

tiếng vo vo, huýt sáo Triệu chứng này thường xuất hiện trong khoảng thời gian dài, kiến người bệnh cảm thấy mệt mỏi và khó chịu

Tuy nhiên, cần lưu ý rằng các biểu hiện như chóng mặt, mất thăng bằng, ù tai, nhức đầu cũng có thể là dấu hiệu của của một số bệnh lý khác, trong đó có

một số bệnh nguy hiểm như tăng huyết áp, hạ huyết áp, thiếu máu não, tai biến

mạch máu não Do đó, khi có các dấu hiệu trên, người bệnh cần đến các cơ sở y

tế kiểm tra và làm các xét nghiệm cần thiết để chẩn đoán chính xác nguyên nhân gây bệnh, từ đó có hướng điều trị phù hợp

1.1.5 Biến chứng

Rối loạn tiền đình tuy không gây nguy hiểm trực tiếp đến tính mạng nhưng

nếu không được chữa trị kịp thời sẽ gây ra các biến chứng có hại cho sức khỏe

Một số biến chứng ở mức độ nhẹ như giảm thị giác, suy giảm thính lực,

trầm cảm Một số triệu chứng như hoa mắt, chóng mặt, choáng váng, ù tai diễn ra thường xuyên khiến cơ thể người bệnh suy yếu, mệt mỏi, thần kinh bị suy nhược

từ đó dẫn đến bệnh trầm cảm Rối loạn tiền đình cũng là nguyên nhân gây ra mất

ngủ mãn tính ở nhiều bệnh nhân

Các biến chứng ảnh hưởng ở mức độ nặng hơn cho cơ thể người bệnh do

rối loạn tiền đình bao gồm: thiếu máu não, tai biến mạch máu não, đột qụy, u não Trong đó, biến chứng nguy hiểm nhất mà bệnh nhân rối loạn tiền đình thường gặp phải là thiếu máu não dẫn tới đột quỵ

Tại Việt Nam, rối loạn tiền đình là hội chứng rất phổ biến và xảy ra ở nhiều

lứa tuổi khác nhau Hội chứng rối loạn tiền đình có tỷ lệ mắc đồng đều giữa nam

và nữ, những người ở độ tuổi từ 30 đến 50 tuổi thường có những triệu chứng rõ

rệt khi mắc rối loạn tiền đình Theo thống kê của bộ Y tế, có khoảng 65% người cao tuổi tại Việt Nam có biểu hiện hoa mắt, chóng mặt do rối loạn tiền đình

Bệnh nhân rối loạn tiền đình đang ngày càng có xu hướng trẻ hóa Hiện nay, có khoảng 25% người dưới 30 tuổi thường xuất hiện các triệu chứng do rối loạn tiền đình não gây ra

Rối loạn tiền đình tuy không đe dọa trực tiếp đến tính mạng bệnh nhân, nhưng gây ra nhiều ảnh hưởng tiêu cực đến cuộc sống và sinh hoạt thường ngày Một số nghiên cứu đã chỉ ra rằng bệnh nhân rối loạn tiền đình có nguy cơ trầm cảm cao hơn, gặp nhiều trở ngại trong các hoạt động hàng ngày và giao tiếp xã

hội [5] [6] Bệnh nhân rối loạn tiền đình thường dễ bị vấp, trượt, hoặc ngã trong các hoạt động thường ngày, đặc biệt là ở người cao tuổi [7] [8]; vấp ngã ở người cao tuổi thường gây ra các hậu quả nghiêm trọng như: gãy xương, chấn thương

sọ não Gãy xương gây ra nhiều biến chứng và di chứng, chi phí cho quá trình chăm sóc và điều trị thường ở mức cao Chấn thương sọ não có thể gây ra liệt chi

hoặc liệt nửa người dẫn tới các hậu quả tiếp theo về thần kinh, tâm thần cũng như

về thể chất Các chấn thương ở người cao tuổi thường có mức độ nguy hiểm hơn và thường để lại di chứng cho cơ thể Một điều đáng lưu ý là các triệu chứng rối loạn

tiền đình thường xảy ra bất ngờ, không có dấu hiệu báo trước và có xu hướng lặp đi

lặp lại Vì vậy, việc phát hiện sớm các triệu chứng rối loạn tiền đình để điều trị kịp

thời là vấn đề hết sức cần thiết và cấp bách

Không chỉ liên quan đến vấn đề chăm sóc sức khỏe, sàng lọc bệnh nhân rối

loạn tiền đình còn có vai trò quan trọng trong việc sàng lọc sức khỏe đối với một số ngành nghề đặc thù Một số công việc có yêu cầu như làm việc ở không gian trên cao, lái xe và điều khiển các máy động cơ lớn thường yêu cầu người lao động phải

có sức khỏe tiền đình tốt Môi trường làm việc tại các cơ quan, công sở cũng là nguyên nhân gây ra chứng rối loạn tiền đình cho người lao động Nguyên nhân chính là do làm việc trong môi trường nhiều sức ép, ít vận động, tiếp xúc nhiều với máy vi tính, phòng làm việc lạnh và kín Vì vậy, sàng lọc rối loạn tiền đình trong các buổi khám sức khỏe định kỳ ở các cơ quan tổ chức là việc làm cần thiết và quan

trọng

Với sự cần thiết và tầm quan trọng của việc sàng lọc bệnh nhân rối loạn tiền đình, việc mở rộng khả năng sàng lọc ở các cơ sở khám chữa bệnh vừa và nhỏ trên toàn quốc cũng là một yêu cầu quan trọng Để thực hiện được các kiểm tra sàng lọc

bệnh nhân rối loạn tiền đình ở các cơ sở khám chữa bệnh vừa và nhỏ thì một số điểm cần lưu ý đó là thiết bị được sử dụng phải có giá thành không quá cao, có khả năng di động tốt, thao tác lắp đặt đơn giản, không gian thực hiện kiểm tra không yêu cầu quá rộng

1.3 M ột số phương pháp sàng lọc rối loạn tiền đình

Suy giảm thính lực là một triệu chứng phổ biến của rối loạn tiền đình [9]

Do đó, kiểm tra thính lực là một phương pháp chẩn đoán rối loạn tiền đình thường được sử dụng tại các cơ sở y tế Khi bệnh nhân nghe và nhận ra các từ

khác nhau ở các tần số và âm lượng khác nhau, các phản xạ của màng nhĩ được ghi lại để đánh giá mức độ rối loạn Các xét nghiệm thính giác bao gồm đo âm ốc tai (otoacoustic emission), điện đồ ốc tai (electrocochleography) và đo điện thính giác thân não (audio brainstem response)

Hình 1.2 Đo âm óc tai

Hình 1.3 Đo điện thính giác thân não

Hình 1.4 Đo điện đồ ốc tai

1.3.1 Kiểm tra rung giật nhãn cầu

Hệ thống thị giác và hệ thống tiền đình phối hợp với nhau để giữa thăng

bằng cho cơ thể Do đó, theo dõi chuyển động của mắt khi hệ thống tiền đình bị kích thích cũng là một phương pháp chẩn đoán thường được sử dụng tại các cơ

sở y tế hiện nay Để kiểm tra rung giật nhãn cầu có thể sử dụng nhiều thử nghiệm khác nhau như đo điện mắt (electrooculography), kiểm tra chuyển động của mắt

bằng kính video (video-oculographic), kiểm tra nhiệt lượng sinh học (bithermal caloric test), và thử nghiệm ghế xoay (rotational chair test) [10] Trong phương pháp chẩn đoán này, bệnh nhân được đặt một số điện cực nhỏ quanh mắt hoặc đeo kính video để theo dõi chuyển động của mắt

Hình 1.5 Ki ểm tra rung giật nhãn cầu bằng các điện cực

Hình 1.6 Ki ểm tra rung giật nhãn cầu bằng kính video

Tại Việt Nam, công nghệ sử dụng kính video để theo dõi chuyển động của

mắt đã được bênh viện đa khoa Tâm Anh (Hà Nội) là đơn vị đầu tiên áp dụng công nghẹ theo dõi rung giật nhãn cầu bằng kính video trong chẩn đoán rối loạn

tiền đình

Hình 1.7 Ki ểm tra rung giật nhãn cầu tại Bệnh viện đa khoa Tâm Anh

1.3.2 Kiểm tra thăng bằng

Cơ thể mất thăng bằng là một trong những triệu chứng thường gặp nhất của

hội chứng rối loạn tiền đình Vì vậy, các xét nghiệm cân bằng thường được cho

là phương pháp phổ biến nhất để sàng lọc bệnh nhân rối loạn tiền đình [9] Kiểm tra thăng bằng cũng là phương pháp được sử dụng trong chẩn đoán lâm sáng và được nghiên cứu đầu tiên trong ba phương pháp chẩn đoán nêu trên Trong phương pháp này, bệnh nhân được chuyên gia y tế yêu cầu thực hiện một số tư

thế đứng đặc biệt hoặc thực hiện một chuỗi các vận động liên tiếp Phương pháp này thường không sử dụng các điện cực gắn trên cơ thể bệnh nhân hay các biện pháp xâm lấn trong Trong một số trường hợp sử dụng thiết bị để đánh giá sự ổn định tư thế, bệnh nhân thường được yêu cầu đeo các đai bảo hộ có gắn các cảm

biến

Hình 1.10 Ki ểm tra tư thế di động (DIG Test)

Hình 1.11 Ki ểm tra tư thế với thiết bị hỗ trợ

Nhìn chung, cả ba nhóm phương pháp nêu trên đều có độ nhạy cao với các

biểu hiện suy yếu chức năng tiền đình và cho kết quả đáng tin cậy Tuy nhiên, phương pháp kiểm tra thính lực và kiểm tra rung giật nhãn cầu vẫn tồn tại một số

hạn chế như yêu cầu thiết bị có cấu tạo phức tạp, giá thành cao, và khả năng di động kém Giá thành của một hệ thống kiểm tra thính lực hoặc một chiếc kính video để theo dõi rung giật nhãn cầu nằm trong khoảng từ 10.000 đến 30.000 USD; đây là một vấn đề lớn đối với các cơ sở khám chữa bệnh vừa và nhỏ Hơn

nữa, thiết bị có giá thành cao sẽ làm tăng chi phí khám chữa bệnh và gây ảnh hưởng không nhỏ tới khả năng chi trả của bệnh nhân Kiểm tra ghế xoay thường được thực hiện bằng một hệ thống phức tạp, cần được được gắn cố định vào phòng khám có không gian đủ rộng Do đó, nhóm phương pháp kiểm tra thăng

bằng thường được sử dụng để sàng lọc nhanh bệnh nhân rối loạn tiền đình

PHÂN TÍCH VÀ ĐỀ XUẤT GIẢI PHÁP

2.1 Phân tích m ột số kiểm tra thăng bằng

2.1.1 Kiểm tra chức năng vận động

Trong bài kiểm tra chức năng vận động (Functional Mobility Test), bệnh nhân được gắn các cảm biến trên cơ thể sau đó thực hiện một chuỗi các vận động cho chuyên viên y tế quy định Một số vận động thường được sử dụng trong các bài kiểm tra chức năng di chuyển là: vượt chứng ngại vật, đứng lên ngồi xuống

tại chỗ, bước vượt rào Phương pháp này không chỉ dùng để kiểm tra các rối loạn trong chức năng vận động của người bệnh mà còn dùng để đánh giá mức độ phục

hồi sau rối loạn tiền đình và các chấn thương khác trong vận động

Hình 2.1 Ki ểm tra chức năng vận động bằng bài tập vượt chướng ngại vật

2.1.2 Phân tích động lực học bằng máy tính

Posturography là kỹ thuật được sử dụng để định lượng khả năng kiểm soát

tư thế của bệnh nhân khi đứng thẳng trong các điều kiện điều kiện tĩnh hoặc động Trong đó, Computerized Dynamic Posturography (CDP) là phương pháp đánh giá không xâm lấn được Neuro Com phát triển lần đầu tiên vào những năm

1980 với sự hỗ trợ ban đầu từ NASA

Hình 2.2 Ki ểm tra Computerised Dynamic Posturography (CDP)

Phương pháp này được sử dụng để đánh giá tác động của chuyến bay vào

vũ trụ đối với chức năng tiền đình và khả năng kiểm soát cân bằng của các phi hành gia Kiểm tra CDP giúp xác định các thiếu hụt chức năng trong việc kiểm soát cân bằng của cơ thể [11], nhưng không đưa ra các chẩn đoán bệnh lý hoặc vị trí tổn thương Kiểm tra CDP bao gồm ba bước kiểm tra chức năng: kiểm tra tổ

chức cảm giác (Sensory Organization Test), thử nghiệm điều khiển động cơ (Motor Control Test), và thử nghiệm thích ứng (Adaptation Test)

Hình 2.3 Các bước trong bài kiểm tra CDP

Trong quá trình thực hiện kiểm tra CDP, bệnh nhân đứng trên một mặt

phẳng có thể di động được và đeo các đai bảo vệ chống ngã; một kỹ thuật viên sẽ

ở cạnh và hỗ trợ người bệnh khi cần thiết Trong bài kiểm tra tổ chức cảm giác,

khả năng giữ thăng bằng của bệnh nhân được kiểm tra trong hai trường hợp: mở

mắt và nhắm mắt, trên mặt phẳng cố định và di động Ngoài ra, bài kiểm tra này cũng đánh giá khả năng giữ ổn định tư thế của bệnh nhân trong khi các dòng trên màn hình di chuyển Khi bạn thực hiện bài kiểm tra này, thiết bị sẽ phát hiện

bệnh nhân đang sử dụng mắt cá chân hay hông để giữ thăng bằng, đồng thời

kiểm tra vị trí rơi của trọng tâm của cơ thể trên mặt phẳng Trong bài kiểm tra điều khiển động cơ, mặt phẳng dưới chân bệnh nhân sẽ di chuyển về phía trước

và phía sau để kiểm tra các phản ứng của cơ thể bệnh nhân Đồng thời, vị trí của

trọng tâm của cơ thể được ghi lại để đánh giá khả năng giữ thăng bằng của cơ

thể Trong thử nghiệm thích ứng, mặt phẳng dưới chân bệnh nhân được di chuyển lên và xuống Thiết bị đo sẽ đo năng lượng bệnh nhân sử dụng để giữ thăng bằng Phương pháp này đã được chứng minh là có độ nhạy và độ đặc hiệu

là 50% khi so sánh với các xét nghiệm chức năng tiền đình khác [12] Phương pháp này cũng có thể phát hiện các bất thường trong phản xạ tiền đình – mắt ở

bệnh nhân

2.1.3 Kiểm tra Romberg biến thể

Kiểm tra Romberg được Moritz Heinrich von Romberg mô tả lần đầu tiên vào đầu thế kỷ 19 Sau đó, phương pháp này đã thu hút được sự quan tâm của nhiều nhà nghiên cứu trên thế giới Hiện nay, đây là một trong những bài kiểm tra phổ biến để kiểm tra thăng bằng ở bệnh nhân Bài kiểm tra Romberg được chia thành hai phiên bản là bài kiểm tra thông thường và bài kiểm tra biến thể Trong bài kiểm tra thông thường, bệnh nhân được yêu cầu đứng trong tư thế hai chân đứng song song, hai bàn chân sát cạnh nhau, khoanh hai tay đặt trước ngực Trong bài kiểm tra biến thể, bệnh nhân được yêu cầu đứng một chân trước một chân sau, hai bàn chân thẳng hàng, mũi chân sau chạm vào gót chân trước, và khoanh hai tay đặt trước ngực Trong mỗi bài kiểm tra, bệnh nhân được yêu cầu đứng trong các tư thế này với thời gian mở mắt là 10 giây đầu tiên và thời gian

nhắm mắt là 10 giấy tiếp theo Bệnh nhân được xác nhận là dương tính với rối

loạn thăng bằng khi bệnh nhân có xu hướng ngã về một bên hoặc cơ thể lắc lư

mạnh Ngược lại, kết quả được xác nhận là âm tính khi cơ thể bệnh nhân đứng yên hoặc lắc lư không đáng kể

Hình 2.4 Tư thế của kiểm tra Romberg biến thể

2.2 T ổng quan về xử lý ảnh

2.2.1 Khái niệm

Xử lý ảnh số là một lĩnh vực mang tính khoa học và công nghệ Đây là một ngành khoa học mới hơn so với nhiều ngành khoa học khác nhưng có tốc độ phát triển rất nhanh

Ảnh có thể xem là tập hợp các điểm ảnh và mỗi điểm ảnh được xem như là đặc trưng của cường độ sáng hay một dấu hiệu nào đó tại một vị trí nào đó của

đối tượng trong không gian và nó có thể xem như một hàm n biến P(c 1 , c 2 , , c n)

Do đó, ảnh trong xử lý ảnh có thể xem như ảnh n chiều [13] Quá trình xử lý ảnh

là quá trình thao tác ảnh đầu vào nhằm cho ra kết quả mong muốn Xử lý ảnh

nhằm hai mục đích chính là:

• Biến đổi và làm tăng chất lượng ảnh;

• Nhận dạng các đối tượng trong ảnh

Một số các thao tác xử lý ảnh thường được sử dụng hiện nay như tăng cường chất lượng ảnh, phân đoạn hình ảnh dựa trên ngưỡng, phân đoạn hình ảnh

bằng phương pháp dò cạnh, phân đoạn hình ảnh bằng thuật toán K-mean Tăng cường chất lượng ảnh là sử dụng các toán tử điểm, các toán tử cục bộ - lọc số trong miền không gian, hoặc các thao tác xử lý trên miền tần số để thực hiện các

mục đích như thay đổi mức xám của ảnh, thay đổi độ tương phản, giảm nhiễu, làm trơn ảnh Phân đoạn ảnh là việc phân tách ảnh ban đầu thành các nhóm đối tượng để thuận lợi trong việc phân tích ảnh, nhận dạng các đối tượng Phân đoạn hình ảnh dựa trên ngưỡng là việc sử dụng một mức ngưỡng cụ thể để biến đổi ảnh đa mức thành ảnh nhị phân Phân đoạn ảnh bằng phương pháp dò cạnh là

việc sử dụng các toán tử, các thuật toán dò cạnh để tìm ra đường viền của các đối tượng trong ảnh Phân đoạn ảnh bằng thuật toán K-mean là việc áp dụng thuật toán này để tìm ra các nhóm điểm ảnh có cùng một đặc điểm chung, ví dụ như nhóm các điểm ảnh có cùng khoảng cách Euclide tới tâm

Với sự phát triển của máy tính, việc sử dụng các kỹ thuật xử lý hình ảnh để nâng cao hiệu quả sử dụng các thiết bị chẩn đoán đo lường bằng hình ảnh là một

vấn đề luôn được quan tâm và phát triển trong nhiều lĩnh vực như kỹ thuật y sinh, khoa học vật liệu, công nghệ nano Ứng dụng xử lý ảnh trong lĩnh vực y tế đang ngày càng trở nên phổ biến và mang lại nhiều lợi ích đáng kể Xử lý ảnh kết hợp

với học máy trong chẩn đoán bệnh luôn là một trong hướng phát triển thu hút sự quan tâm của nhiều nhà khoa học trên thế giới

2.2.2 Thư viện xử lý ảnh OpenCV

Thư viện OpenCV (OpenSource Computer Vision) là thư viện mã nguồn

mở được phát triển bởi Intel bắt đầu từ năm 2000 OpenCV là một trong những công cụ hoàn hảo để phát triển thị giác máy tính (computer vision) và học máy (machine learning), đặc biệt là các ứng dụng liên quan tới thời gian thực Thư

viện này được viết bằng ngôn ngữ lập trình C/C++, có thể thực hiện trên các hệ điều hành Windows, Linux, MacOS, Android, iOS

Hình 2.5 Giao di ện trang chủ của OpenCV

Thư viện OpenCV có khoảng hơn 500 chức năng, được chia thành các mô đun tương ứng với từng chức năng Một số mô đun chính trong thư viện OpenCV bao gồm:

• Core: chứa các cấu trúc, các lớp cơ bản mà opencv sử dụng để lưu trữ và

xử lý ảnh như: Mat, Scale, Point, Vec, v.v; và các phương thức cơ bản để sử dụng cho các mô đun khác

• Imgproc: là mô đun xử lý ảnh của opencv, bao gồm các bộ lọc tuyến tính

và không tuyến tính, các phép biến đổi hình học, chuyển đổi không gian màu, và các thuật toán liên quan đến biểu đồ (histogram) của ảnh

• Highgui: cho phép tương tác với người sử dụng trên user interface (UI) như hiển thị hình ảnh, hiển thị video

• Feature2d: có chức năng tìm kiếm các đặc trưng trong ảnh, thực thi các thuật toán trích chọn đặc trưng của ảnh như PCA

• Video: được sử dụng để phân tích dữ liệu video, bao gồm ước lượng chuyển động, trừ nền, và các thuật toán theo dõi đối tượng

• Objdetect: được sử dụng để phát hiện các đối tượng như khuôn mặt, đôi

mắt, con người, ô tô trong hình ảnh Các thuật toán được sử dụng trong module này là Haar-like Features

• Ml: chứa các thuật toán về học máy, phục vụ cho các bài toán phân lớp

và các bài toán phân cụm Một số thuật toán được sử dụng trong module này là SVM (Support Vector Machine), ANN

Thư viện opencv đã và đang được sử dụng để xây dựng các ứng dụng trong nhiều lĩnh vực khác nhau Trong chế tạo người máy, thư viện opencv được sử

dụng để điều hướng, tránh chứng ngại vật, và tương tác giữa người và máy Trong y học, thư viện opencv được sử dụng để phân loại và phát hiện các tế bào

ung thư, phân đoạn 2D, 3D, tái tạo hình ảnh 3D của các cơ quan Trong lĩnh vực

tự động hóa công nghiệp, thư viện opencv được sử dụng để xây dựng các ứng

dụng nhận dạng sản phẩm lỗi, kiểm tra mã vạch, sắp xếp sản phẩm Trong lĩnh

vực bảo mật và an toàn thông tin, thư viện opencv được sử dụng rộng rãi trong các lĩnh vực giám sát bằng camera, xử lý hình ảnh sinh trắc học

2.2.3 M ột số bộ lọc nhiễu trong xử lý ảnh

2.2.3.1 S ử dụng bộ lọc trung bình

Bộ lọc trung bình là bộ lọc tuyến tính trong miền không gian, được sử dụng

phổ biến trong lĩnh vực xử lý tín hiệu số nói chung và xử lý ảnh nói riêng Trong

xử lý ảnh, bộ lọc trung bình có tác dụng làm trơn mịn ảnh mà vẫn giữ lại được

một số đặc trưng của ảnh ban đầu

Về mặt toán học, việc áp dụng bộ lọc trung bình là thay giá trị của một điểm ảnh bằng trung bình cường độ của các điểm ảnh lân cận, bao gồm cả điểm ảnh đó Vùng lân cận của một điểm ảnh được được quy định bởi mặt nạ lọc Mặt

nạ lọc là một ma trận vuông với các kích thước phổ biến là 3×3, 5×5, 7×7 Sơ lược các bước thực hiện bộ lọc trung vị như sau:

• Bước 1: quét mặt nạ lọc lên ảnh gốc, các điểm ảnh có vị trí trùng với vị trí các phần tử của cửa sổ lọc được chọn là các điểm ảnh lân cận

• Bước 2: tính giá trị trung bình của các điểm ảnh lân cận, bao gồm cả điểm ảnh đang xét

• Bước 3: thay giá trị của điểm ảnh đang xét bằng giá trị trung bình được tính toán ở bước 2

hiện lọc trung vị như sau:

• Bước 1: quét mặt nạ lọc lên ảnh gốc, các điểm ảnh có vị trí trùng với vị trí các phần tử của cửa sổ lọc được chọn là các điểm ảnh lân cận

• Bước 2: sắp xếp giá trị của các điểm ảnh lân cận theo thứ tự tăng dần, sau đó xác định giá trị trung vị

• Bước 3: lấy giá trị trung vị gán cho điểm ảnh ban đầu ở ảnh gốc

Việc sử dụng bộ lọc trung vị có thể làm giảm một số loại nhiễu nhất định

với độ mờ thấp hơn so với một bộ lọc tuyến tính có cùng kích thước cửa mặt nạ

lọc

So sánh kết quả của việc sử dụng bộ lọc trung bình và bộ lọc trung bình được thể hiện trong Hình 2-11 cho thấy:

• Áp dụng bộ lọc trung vị cho hình ảnh kết quả có độ mờ thấp hơn so với

kết quả sau khi áp dụng bộ lọc trung bình;

• Hình ảnh sau khi được áp dụng bộ lọc trung vị được bảo toàn các đặc tính cạnh biên tốt hơn so với hình sau khi áp dụng bộ lọc trung bình

2.2.3.3 S ử dụng bộ lọc Gaussian

Hàm Gauss là một hàm phổ biến được ứng dụng trong nhiều lĩnh vực như

thống kê, xử lý tín hiệu, xử lý ảnh Trong không gian một chiều, hàm Gauss được

viết dưới dạng:

Trong đó, a, b, và c là các hằng số thực không âm; e là hằng số Euler Đồ

thị của hàm Gauss là một đường cong đối xứng đặc trưng có dạng hình chuông Hàm Gauss thường được sử dụng để đại diện cho hàm mật độ xác suất của một phân bố biến ngẫu nhiên với giá trị kỳ vọng µ = b, phương sai σ = c Trong xử lý

ảnh, hàm Gauss trong không gian hai chiều trong công thức (2) được ứng dụng

để thiết kế bộ lọc Gaussian Blur Bộ lọc này là công cụ tiền xử lý cơ bản có tác

dụng làm giảm nhiễu và các chi tiết không mong muốn trong hình ảnh

(2.2)

Trong đó, x và y lần lượt là tọa độ theo trục Ox và Oy, σ là phương sai của

phân phối chuẩn Gauss hay còn được gọi là giá trị quyết định độ lệch giữa các điểm trên bề mặt Gauss Một cách trực quan, đây được xem là một phương pháp làm mờ mịn giống như hiệu ứng hình ảnh được đặt dưới một lớp màn trong suốt

bị mờ Điều này khác với trường hợp hình ảnh bị mờ do hậu quả của ống kính bị

mất tiêu điểm (out focus) hay do bóng của vật dưới ánh sáng thông thường

Trên phương diện toán học, áp dụng bộ lọc Gaussian cho hình ảnh là lấy hình ảnh gốc nhân chập với một ma trận có kích thước cố định, gọi là ma trận hạt nhân Gaussian Ma trận này được xây dựng bằng cách sử dụng các giá trị từ hệ

( ) 2 2

2

g( )

a b c

1( , )

thống phân tán được biểu diễn bằng công thức (2.2) Giá trị của mổi điểm ảnh sau khi tính tích chập với ma trận hạt nhân Gaussian có thể coi là trùng bình lượng giá của các điểm ảnh xung quanh nó Trong lý thuyết hàm, hàm Gaussian

tại mỗi điểm trên hình ảnh là khác 0 Điều này có nghĩa là ma trận hạt nhân Gausian nên có kích thước bằng với hình ảnh cần xử lý và giá trị tại mỗi phần tử luôn khác không Tuy nhiên, trong thực tế, do quá trình tính toán dựa trên xấp xỉ

rời rạc nên các giá trị của phần tử trên bề mặt Gaussian hai chiều ở khoảng cách

3σ so với trung tâm đều có giá trị gần như bằng không Do vậy, các điểm nằm ngoài khoảng 3σ sẽ bị bỏ qua Vì vậy, ma trận hạt nhân Gaussian thường có kích thước giới hạn, phụ thuộc vào giá trị phương sai được chọn Một số ma trận hạt nhân Gaussian phổ biến được trình bày trong Bảng 2.1 Kích thước của ma trận

hạt nhân Gaussian có ảnh hưởng lớn tới kết quả sau khi áp dụng bộ lọc Ma trận

hạt nhân Gaussian có kích thước càng lớn thì ảnh sau xử lý càng mờ và hiệu ứng

cạnh khung càng giảm Do đó, cần cân nhắc lựa chọn kích thước ma trận hạt nhân Gausian phù hợp để đảm bảo hiệu quả lọc nhiễu tốt nhất và duy trì được

2 4 2 16

7 26 41 26 7273

2 22 97 159 97 22 21003

Hai tham số quan trọng để xây dựng ma trận hạt nhận Gaussian là bán kính

mờ (r) và độ lệch chuẩn (σ); ma trận hạt nhân có kích thước (2r +1) × (2r +1)

Mỗi giá trị trong ma trận hạt nhân Gaussian có giá trị (x, y) phụ thuộc vào

khoảng cách tuyệt đối của điểm đó theo từng hướng từ tâm và được sử dụng để

tính g(x, y) theo Công thức 2.2 Sau khi thu được ma trận hạt nhân ban đầu, ma

trận này sẽ được chuẩn hóa bằng cách lấy tổng của tất cả các giá trị trong ma trận

đó và chia cho nó

2.2.3.4 Sử dụng phép biến đổi hình thái học

Hình thái học toán học (Mathematical morphology) là một lý thuyết và kỹ thuật để phân tích và xử lý cấu trúc hình học, dựa trên lý thuyết tập hợp [21] Đây là một trong những kỹ thuật được áp dụng trong giai đoạn tiền xử lý Biến đổi hình thái học thường được sử dụng phổ biến trên ảnh nhị phân Trong các ứng dụng thị giác máy tính, xử lý hình thái học có thể được sử dụng để nhận

dạng đối tượng, nâng cao chất lượng ảnh, phân đoạn ảnh và kiểm tra khuyết điểm trên ảnh, được sử dụng rất nhiều để giảm các lỗi trong quá trình nhận dạng

Bản chất của việc áp dụng biến đổi hình thái học là việc sử dụng một ma

trận được gọi là phần tử cấu trúc để quy định các vị trí lân cận của mỗi điểm ảnh trong ảnh gốc; giá trị của điểm ảnh này sẽ được thay đổi phụ thuộc và giá trị của các điểm ảnh lân cận Phần tử cấu trúc thường được biểu diễn dưới dạng ma trận

có kích thước lẻ, trong xử lý ảnh nhị phân giá trị của các phần tử trong ma trận có

thể bằng một hoặc bằng không Phần tử cấu trúc có thể có nhiều kích thước và hình dạng khác nhau như hình vuông, hình chữ nhật, hình thoi Một số phần tử

cấu trúc thông dụng thường được dùng trong xử lý ảnh nhị phân được trình bày trong Bảng 2.2

Hai phép biến đổi hình thái học cơ bản thường được sử dụng là phép xói mòn (erosion) và phép giãn nở (dilation) Phép toán xói mòn có tác dụng loại bỏ các điểm ảnh đơn lẻ như gai nhiễu và xung nhỏ Phép giãn nở có tác dụng lấp đầy các lỗ trống có vị trí ở trong và trên đường biên của vật thể trong hình

2.3 Tìm đường viền trong ảnh nhị phân

Đường viền (đường bao) là đường nối các điểm liên tiếp nhau có cùng màu

sắc hoặc độ tương phản Vì đặc điểm này nên đường viền thường được sử dụng trong các ứng dụng xác định vật thể, nhận dạng v.v Thuật toán tìm đường bao thường được ứng dụng trong ảnh nhị phân (các chi tiết ảnh có màu trắng, nền có màu đen)

Để phát hiện biên, ta có hai phương pháp cơ bản là:

• Phát hiện biên trực tiếp: Phương pháp này làm nổi biên dựa vào sự biến thiên mức xám của ảnh Kỹ thuật chủ yếu được sử dụng là kỹ thuật lấy đạo hàm, ngoài ra còn một số phương pháp khác

• Phát hiện biên gián tiếp: Sau khi ảnh được phân vùng, ranh giới giữa các vùng được gọi là biên Kỹ thuật dò biên và phân vùng ảnh là hai bài toán đối

ngẫu nên khi phân vùng được ảnh ta sẽ tìm được biên và ngược lại

Với mục đích tìm biên trong ảnh nhị phân, tức là nền và đối tượng có sự sai khác mạnh về mức xám (mức 0 và 1), ta sử dụng phương pháp tìm biên trực tiếp Phương pháp này đồng thời cũng đơn giản trong cài đặt và ít bị tác động bởi nhiễu So với các phương pháp tìm biên bằng đạo hàm, phương pháp tìm biên

bằng quy hoạch động được chứng minh là ưu việt hơn, không tạo biên kép và không nhạy cảm với nhiễu Thuật toán tìm biên được sử dụng trong OpenCV cũng là phương pháp dò biên quy hoạch động dựa trên phân tích hình học topho Trong kỹ thuật dò biên bằng quy hoạch động thông thường, ta phải xem xét

tất cả 8 điểm ảnh lân cận của một điểm ảnh, khiến cho thuật toán kém hiệu quả

Để khắc phục điều này, thay vì sử dụng một điểm biên, ta sử dụng cặp điểm bao

gồm một điểm biên và một điểm nền Thuật toán dò biên tổng quát như sau:

• Bước 1: Xác định cặp nền – vùng xuất phát

• Bước 2: Xác định cặp nền – vùng tiếp theo

• Bước 3: Lựa chọn điểm biên vùng

• Bước 4: Nếu gặp cặp xuất phát thì dừng lại, nếu không thì quay lại bước hai

2.4 T ổng quan về học máy

2.4.1 Khái niệm

Học máy (Machine Learning) là một lĩnh vực của trí tuệ nhân tạo liên quan đến việc nghiên cứu và xây dựng các kĩ thuật cho phép các hệ thống "học" tự động từ dữ liệu để giải quyết những vấn đề cụ thể như các máy có thể "học" cách phân loại thư điện tử xem có phải thư rác (spam) hay không và tự động xếp thư vào thư mục tương ứng Học máy có liên quan lớn đến thống kê, vì cả hai lĩnh

vực đều nghiên cứu việc phân tích dữ liệu, nhưng khác với thống kê, học máy tập trung vào sự phức tạp của các giải thuật trong việc thực thi tính toán Nhiều bài toán suy luận được xếp vào loại bài toán NP-khó (nondeterministic polynomial time), vì thế một phần của học máy là nghiên cứu sự phát triển các giải thuật suy

luận xấp xỉ mà có thể xử lý được

Học máy hiện nay được áp dụng rộng rãi bao gồm máy truy tìm dữ liệu,

chẩn đoán y khoa, phát hiện thẻ tín dụng giả, phân tích thị trường chứng khoán, phân loại các chuỗi DNA, nhận dạng tiếng nói và chữ viết, dịch tự động, chơi trò chơi và cử động rô-bốt (robot locomotion)

Hình 2.6 M ột số ứng dụng của học máy trong thực tế

Một bài toán học máy cần trải qua 3 bước chính:

• Chọn mô hình: Chọn một mô hình thống kê cho tập dữ liệu Ví dụ như mô hình thống kê Bec-nu-li, mô hình phân phối chuẩn

• Tìm tham số: Các mô hình thống kê có các tham số tương ứng, nhiệm vụ lúc này là tìm các tham số này sao cho phù hợp với tập dữ liệu nhất có thể

• Suy luận: Sau khi có được mô hình và tham số, ta có thể dựa vào chúng để đưa ra suy luận cho một đầu vào mới nào đó

Bất cứ một bài toán học máy nào cũng đều cần có dữ liệu để huấn luyện, ta

có thể coi nó là điều kiện tiên quyết Dữ liệu sau khi có được cần phải:

• Chuẩn hoá: Tất cả các dữ liệu đầu vào đều cần được chuẩn hoá để máy tính có thể xử lý được Quá trình chuẩn hoá bao gồm số hoá dữ liệu, co giãn thông số cho phù hợp với bài toán Việc chuẩn hoá này ảnh hưởng trực tiếp tới

tốc độ huấn luyện cũng như cả hiệu quả huấn luyện Cụ thể ra sao thì ta sẽ cùng

thảo luận trong một bài viết khác

• Phân chia: Việc mô hình được chọn rất khớp với tập dữ liệu đang có không có nghĩa là giả thuyết của ta là đúng mà có thể xảy ra tình huống dữ liệu

thật lại không khớp Vấn đề này trong học máy được gọi là khớp quá (Overfitting) Vì vậy khi huấn luyện người ta phải phân chia dữ liệu ra thành 3

loại để có thể kiểm chứng được phần nào mức độ tổng quát của mô hình Cụ thể

3 loại đó là:

o Tập huấn luyện (Training set): Chiếm 60% Dùng để học khi huấn luyện

o Tập kiểm chứng (Cross validation set): Chiếm 20% Dùng để kiểm

chứng mô hình khi huấn luyện

o Tập kiểm tra (Test set): Chiếm 20% Dùng để kiểm tra xem mô hình đã phù hợp chưa sau khi huấn luyện

2.4.2 Một số phương pháp học máy phổ biến

Hai phương pháp của học máy được chấp nhận rộng rãi chính là học có giám sát (Supervised Learning - SL) và học không giám sát (Unsupervised Learning - UL) nhưng cũng có những phương pháp khác như học bán giám sát (Semisupervised Learning), học tăng cường (reinforcement learning) Dưới đây

là khái niệm chung về 2 phương pháp phổ biến nhất :

• Học có giám sát (SL): Là một kĩ thuật học máy để học tập từ tập dữ liệu được gán nhãn cho trước Tập dữ liệu cho trước sẽ chứa nhiều bộ dữ liệu Mỗi bộ

dữ liệu có cấu trúc theo cặp {x, y} với x được xem là dữ liệu thô (raw data) và y

là nhãn của dữ liệu đó Nhiệm vụ của SL là dự đoán đầu ra mong muốn dựa vào giá trị đầu vào Dễ nhận ra, học có “giám sát” tức là máy học dựa vào sự trợ giúp

của con người, hay nói cách khác con người dạy cho máy học và giá trị đầu ra mong muốn được định trước bởi con người Tập dữ liệu huấn luyện hoàn toàn được gán nhãn dựa vào con người Tập càng nhỏ thì máy tính học càng ít SL cũng được áp dụng cho 2 nhóm bài toán chính là bài toán dự đoán (Regression Problem) và bài toán phân lớp (Classification Problem) Kỹ thuật SL thực chất là

để xây dựng một hàm có thể xuất ra giá trị đầu ra tương ứng với tập dữ liệu Ta

gọi hàm này là hàm h(x) và mong muốn hàm này xuất ra đúng giá trị y với một

hoặc nhiều tập dữ liệu mới khác với dữ liệu được học Hàm h(x) cần các loại tham số học khác nhau tùy thuộc với nhiều bài toán khác nhau Việc học từ tập

dữ liệu (training) cũng chính là tìm ra bộ tham số học cho hàm h(x)

• Học không giám sát (UL): Là một kĩ thuật của máy học nhằm tìm ra một

mô hình hay cấu trúc bị ẩn bởi tập dữ liệu “không” được gán nhãn cho trước UL khác với SL là không thể xác định trước đầu ra từ tập dữ liệu huấn luyện được Tùy thuộc vào tập huấn luyện kết quả đầu ra sẽ khác nhau Trái ngược với SL,

tập dữ liệu huấn luyện của UL không do con người gán nhãn, máy tính sẽ phải tự

học hoàn toàn Có thể nói, học “không giám sát” thì giá trị đầu ra sẽ phụ thuộc

vào thuật toán UL Ứng dụng phổ biến nhất của học không giám sát là gom cụm Ứng dụng này dễ nhận ra nhất là Google và Facebook Google có thể gom nhóm các bài báo có nội dung gần nhau, hoặc Facebook có thể gợi ý kết bạn có nhiều

bạn chung cho bạn Các bài báo có cùng nội dung sẽ được gom lại thành một nhóm phân biệt với các nhóm khác Dữ liệu huấn luyện là các bài báo từ quá khứ

tới hiện tại và tăng dần theo thời gian Dễ nhận ra rằng dữ liệu không thể gán nhãn bởi con người Khi một bài báo mới được cho vào đầu vào, nó sẽ tìm cụm

gần nhất với bài báo đó và gợi ý những bài liên quan

2.5 Đề xuất giải pháp

Phương pháp phân tích động lực học bằng máy tính đã được chứng minh là

có độ nhạy và độ đặc hiệu là 50% khi so sánh với các xét nghiệm chức năng tiền đình khác [12] Phương pháp này cũng có thể phát hiện các bất thường trong

phản xạ tiền đình – mắt ở bệnh nhân Tuy nhiên, phương pháp này yêu cầu sử

dụng thiết bị có kích thước lớn, giá thành cao Vì vậy, phương pháp này thường

chỉ được sử dụng ở các cơ sở khám chữa bệnh có quy mô lớn Hơn nữa, trong quá trình kiểm tra, bệnh nhân cần phải thực hiện bốn bài kiểm tra thành phần, làm cho quá trình kiểm tra thường kéo dài

Phương pháp kiểm tra chức năng di chuyển có thể kết hợp với kiểm tra tổ

chức cảm giác là một phương pháp kiểm tra có độ nhạy cao với các bệnh nhân suy yếu tiền đình [14] Tuy nhiên, phương pháp này chưa có một mức đánh giá định lượng cụ thể cho bệnh nhân khi tham gia các bài tập vận động Hơn nữa, hình thức vận động được quyết định dựa trên kinh nghiệm của chuyên viên y tế;

do đó có thể gây ra các kết quả sai lệch do đánh giá chủ quan Phương pháp này cũng yêu cầu không gian đủ rộng để bệnh nhân có thể thực hiện các bài tập vận động, và thời gian kiểm tra thường kéo dài

Kiểm tra Romberg có một số ưu điểm như không yêu cầu thiết bị hỗ trợ đắt

tiền, thực hiện đơn giản, thời gian thực hiện ngắn, và không yêu cầu không gian

rộng Hơn nữa, kết quả của kiểm tra Romberg đã được chứng minh là có độ tin

cậy tương đương với phương pháp phân tích động lực học bằng máy tính [15]

Tại Việt Nam, kiểm tra Romberg đã được công nhận là phương pháp để chẩn đoán các rối loạn về thăng bằng trong tài liệu chuyên môn được bàn hành kèm theo quyết định số 5643/QĐ-BYT của Bộ Y tế Tuy nhiên, trong bài kiểm tra

Romberg, góc nghiêng của bệnh nhân chưa được đánh giá một cách định lượng,

mà được đánh giá dựa trên sự quan sát và kinh nghiệm của bác sĩ

Để khắc phục vấn đề trên, học viên đã đưa ra giải pháp tính toán và đánh giá góc nghiêng của cơ thể bệnh nhân trong khi thực hiện kiểm tra Romberg sử

dụng camera và học máy Các thuật toán xử lý ảnh được sử dụng để xử lý video

thời gian thực được thu bởi camera Các marker phản quang gắn trên áo bệnh nhân được phát hiện, sau đó xác định tâm của mỗi nhãn dán và tính góc tạo bởi đường nối hai tâm với phương thẳng đứng Dữ liệu góc nghiêng của mỗi cá nhân được hệ thống phần cứng ghi lại trong khoảng 10 giây Các dữ liệu góc nghiêng

sẽ được đánh giá bằng học máy để đưa ra kết quả hỗ trợ sàng lọc rối loạn tiền đình Vấn đề khó khăn lớn nhất trong quá trình triển khai giải pháp trên là bộ cơ

sở dữ liệu phục vụ cho quá trình đào tạo thuật toán hoàn toàn không có sẵn Để

tạo được cơ sở dữ liệu này cần phải tiến hành thu thập dữ liệu trong thời gian dài

với sự hỗ trợ của nhiều nguồn lực Việc xây dựng mô hình học máy thích hợp và đánh giá kết quả cũng gặp nhiều khó khăn do độ lớn của bộ dữ liệu thu được có

thể bị hạn chế bởi số lượng bệnh nhân hoặc các quy định về bảo mật thông tin

TRI ỂN KHAI THUẬT TOÁN

3.1 Tri ển khai thuật toán đo góc nghiêng để xây dựng cơ sở dữ liệu

Hệ thống được đề xuất có cấu tạo đơn giản và có độ di động cao Thành

phần của hệ thống bao gồm hai marker phản quang, camera, đèn led 3W – 38V

và máy tính cá nhân Hai marker phản quang được gắn trên cơ thể bệnh nhân tại

vị trí giữa vai và thắt lưng ở mặt sau cơ thể Camera được sử dụng để ghi lại video thời gian thực trong quá trình bệnh nhân thực hiện kiểm tra Romberg biến

thể Máy tính được sử dụng để thực thi thuật toán xử lý dữ liệu thu được từ camera để tính được giá trị góc nghiêng của cơ thể bệnh nhân so với phương

thẳng đứng

3.1.1 Lưu đồ thuật toán

Hình 3.1 Sơ đồ thuật toán đo góc nghiêng của cơ thể