Nghiên cứu nhằm xây dựng hệ dữ liệu hỗ trợ máy học để chẩn đoán sàng lọc sâu răng giai đoạn sớm ở trẻ 3 - 6 tuổi trên một số cơ sở thuộc địa bàn thành phố Hà Nội. Kết quả nghiên cứu cho thấy: Số lượng ảnh tổn thương sâu răng giai đoạn sớm trong kho dữ liệu của nghiên cứu này là 478 ảnh.
TẠP CHÍ NGHIÊN CỨU Y HỌC XÂY DỰNG HỆ DỮ LIỆU HỖ TRỢ MÁY HỌC ĐỂ CHẨN ĐOÁN SÀNG LỌC SÂU RĂNG GIAI ĐOẠN SỚM Mai Thị Giang Thanh1,, Võ Trương Như Ngọc², Ngơ Văn Tồn² Lương Minh Hằng², Trần Ngọc Phương Thảo3 Trường Cao đẳng Y tế Hà Đông ²Trường Đại học Y Hà Nội ³Trường Đại học Văn Lang, Hồ Chí Minh Nghiên cứu nhằm xây dựng hệ liệu hỗ trợ máy học để chẩn đoán sàng lọc sâu giai đoạn sớm trẻ - tuổi số sở thuộc địa bàn thành phố Hà Nội Kết nghiên cứu cho thấy: Số lượng ảnh tổn tương sâu giai đoạn sớm kho liệu nghiên cứu 478 ảnh Có đa dạng số lượng vị trí tổn thương sâu giai đoạn sớm góc chụp ảnh miệng ảnh tồn cảnh, ảnh bên phải, ảnh bên trái, ảnh hàm trên, ảnh hàm là: 505 răng, 362 răng, 363 răng, 50 90 Kho liệu xây dựng có phân bố tổn thương sâu giai đoạn sớm tập trung nhiều ảnh vùng mặt với 994 tổn thương, mặt nhai 65 tổn thương mặt bên 14 tổn thương Từ khóa: Kho liệu, sâu giai đoạn sớm, trẻ 3-6 tuổi I ĐẶT VẤN ĐỀ Ngày với phát triển mạnh mẽ cộng nghệ 4.0 lĩnh vực đời sống xã hội, ứng dụng công nghệ giúp người tiết kiệm thời gian, công sức đạt hiệu cao công việc Trong nha khoa với mong muốn hỗ trợ bác sĩ bệnh nhân chẩn đoán bệnh nhà nghiên cứu sử dụng công cụ học máy để hỗ trợ chẩn đoán tự động bệnh lý miệng dựa phim x-quang nghiên cứu Srivastava,1 Vinayahalingam,² Tại Việt Nam, tác giả Võ Trương Như Ngọc cộng (2020)³ đóng góp nghiên cứu phương pháp chẩn đốn tự động biến chứng khơn dựa phim x-quang Tác giả liên hệ: Mai Thị Giang Thanh, Trường Cao đẳng Y tế Hà Đông Email: maithigiangthanh@gmail.com Ngày nhận: 20/10/2020 Ngày chấp nhận: 28/12/2020 190 Sâu giai đoạn sớm giai đoạn tổn thương khơng có lỗ sâu Các tổn thương đặc trưng thay đổi màu sắc, độ bóng cấu trúc bề mặt men Điều trị sâu giai đoạn sớm phương pháp tái khống hóa cấu trúc men phục hồi hồn tồn.⁴ Theo nghiên cứu Pitts 2013⁵ sâu giai đoạn sớm giai đoạn phát thấy thay đổi bề mặt men đổi màu với đốm trắng nâu chưa có biểu phá hủy bề mặt men hay vùng tối lớp ngà răng.Để chẩn đoán sâu giai đoạn sớm có số phương pháp thường sử dụng lâm sàng như: khám trực tiếp, X- quang, phương pháp laser huỳnh quang, định lượng ánh sáng huỳnh quang.⁶ Năm 2012, tác giả Boye⁷ chứng minh hiệu chẩn đoán sâu qua ảnh chụp iPhone Tác giả Kohara (2018)8 sử dụng hình ảnh smartphone để chẩn đoán giai đoạn sâu mặt nhai trẻ tuổi Tại Việt Nam, năm 2018 tác giả Lê Thị TCNCYH 137 (1) - 2021 TẠP CHÍ NGHIÊN CỨU Y HỌC Thùy Linh⁹ sử dụng iPhone để chụp ảnh tổn thương sâu trẻ tuổi cho thấy với tổn thương sâu giai đoạn sớm có độ nhạy phương pháp chụp ảnh 72,62% độ đặc hiệu 97,88% Trong nghiên cứu tác giả đưa kiến nghị bác sĩ hàm mặt sử dụng ảnh chụp smartphone để chẩn đoán sâu từ xa thao tác đơn giản, hiệu quả, độ nhạy chẩn đoán đạt tiêu chuẩn Qua khảo sát nghiên cứu giới thấy rằng, để chẩn đoán tự động với hỗ trợ cơng cụ học máy bước đầu phải nghiên cứu xây dựng kho liệu đào tạo học máy Hiện nay, nghiên cứu quan tâm nhiều đến vấn đề xây dựng kho liệu cho học máy Một số xây dựng kho liệu cho bệnh sâu để hỗ trợ chẩn đoán tự động phim x-quang.¹ Tuy nhiên chưa có nhiều nghiên cứu quan tâm đến vấn đề xây dựng kho liệu sâu giai đoạn sớm qua ảnh chụp Việt Nam Tiếp theo dòng nghiên cứu sâu giai đoạn sớm Việt Nam, mục tiêu nghiên cứu xây dựng kho liệu sâu giai đoạn sớm để đào tạo học máy nhằm hỗ trợ q trình chẩn đốn bác sỹ II ĐỐI TƯỢNG VÀ PHƯƠNG PHÁP Đối tượng Ảnh chụp điện thoại iPhone tổn thương sâu giai đoạn sớm trẻ - tuổi Tiêu chuẩn lựa chọn: Ảnh bác sĩ chẩn đốn có tổn thương sâu giai đoạn sớm khám lâm sàng ảnh thấy rõ chi tiết tổn thương sâu giai đoạn sớm bác sĩ khám ảnh: thay đổi màu sắc đốm trắng, đốm vàng nâu bề mặt men răng, bề mặt men khơng có lỗ sâu Tổn thương nằm khoảng ảnh Tiêu chuẩn loại trừ: Ảnh tổn thương sâu giai đoạn giai đoạn muộn: có đổi TCNCYH 137 (1) - 2021 màu ngà răng, lỗ sâu rõ ràng lộ ngà Phương pháp Thời gian nghiên cứu: Từ 07/2019 đến tháng 05/2020 Địa điểm nghiên cứu: Nghiên cứu thực Trung tâm Khám chữa bệnh kỹ thuật cao nhà A7 - Viện đào tạo Răng Hàm Mặt - Trường Đại học Y Hà Nội, Khoa Răng Hàm Mặt - Bệnh viện Việt Nam CuBa số địa điểm khác Hà Nội: Trường mầm non Hàng Đào trường mầm non Mậu Lương - Hà Đông - Hà Nội Cỡ mẫu: Cỡ mẫu nghiên cứu sử dụng công thức để đánh giá độ nhạy độ đặc hiệu phương pháp chẩn đoán bệnh: Z a # p se (1 - p se) = n se ( ) /p dis ~ Trong đó: nse: cỡ mẫu nghiên cứu cho độ nhạy, Zα² số phân phối chuẩn (chọn α = 0,05 Zα 1,96), pse xác xuất dương tính thật (độ nhạy) (ước tính 80%), ((độ nhạy nghiên cứu Boye 2012 81,3%)⁷ ω sai số hai xác xuất dương tính thật (độ nhạy) âm tính thật (độ đặc hiệu), lấy ω = 0,05 pdis tỷ lệ mắc bệnh quần thể Lấy pdis= 0,645 (theo nghiên cứu Lưu Văn Tường,10 với N = 1203) 1, 96 # 0, (1 - 0, 8) n se = ( ) /0, 645 = 381 0, 05 Lấy cỡ mẫu nghiên cứu 400 trường hợp Kho liệu có tối thiểu 400 ảnh có tổn thương sâu giai đoạn sớm với độ phân giải tối thiểu Full HD 1920 x 1080 pixel Thực tế nghiên cứu xây dựng kho liệu với 478 ảnh có tổn thương sâu giai đoạn sớm với độ phân giải 4032 x 3024 pixel Ảnh chụp điện thoại iPhone 478 ảnh bác 191 TẠP CHÍ NGHIÊN CỨU Y HỌC sĩ chẩn đoán qua khám lâm sàng có tổn thương sâu giai đoạn sớm bác sĩ khám ảnh kết luận có tổn thương sâu giai đoạn sớm Lập phiếu thu thập thông tin Phiếu thu thập thông tin lập theo mẫu thiết kế sẵn gồm phần sau: Hành chính, bệnh sử, tiền sử, khám lâm sàng, chụp ảnh Nội dung, số nghiên cứu: Đặc điểm ảnh: Góc tồn cảnh, Góc bên trái, Góc bên phải, Góc hàm trên, Góc hàm thống hỗ trợ chẩn đốn hội chẩn từ xa giao thức trao đổi, lưu trữ, xử lý, thu nhận, in ấn chia sẻ liệu hình ảnh số thiết bị Trong hệ thống hỗ trợ chẩn đoán từ xa nha khoa, ảnh thu thập điện thoại để phục vụ q trình chẩn đốn chuyển định dạng JPEG 2000, sau chuyển sang định dạng DICOM (dcm) để gửi nhận lưu trữ server dicom Giao thức đảm bảo chất lượng ảnh giữ nguyên Đặc điểm vị trí tổn thương sâu giai đoạn sớm răng: Mặt ngoài, mặt trong, mặt gần, mặt xa, mặt nhai Quy trình xây dựng hệ liệu cho học máy Quá trình thu thập liệu: Quy trình xây dựng hệ liệu sâu giai đoạn sớm thiết lập dựa theo nghiên cứu tác giả Roh cộng sự.11 Quy trình gồm bước sau: Bước 1: Khảo sát tỷ lệ mắc bệnh Theo nghiên cứu Lưu Văn Tường10 1203 trẻ tuổi trường Mầm non- Thành phố Hà Nội: Tỷ lệ sâu sữa giai đoạn sớm 64,5% Bước 2: Phân tích đánh giá Yêu cầu tối thiểu chất lượng hình ảnh hỗ trợ chẩn đốn qua ảnh: Trong nghiên cứu K T Ashique cộng sự12 thực việc so sánh chất lượng ảnh chụp sử dụng loại điện thoại thông minh so sánh với máy ảnh kỹ thuật số thông thường Để xác định chất lượng ảnh tối thiểu phục vụ chẩn đoán bệnh miệng ảnh chất lượng phù hợp ảnh xác nhận tiêu chuẩn ảnh tối thiểu Full HD 1920 x 1080 pixel Phương thức truyền liệu hình ảnh giữ chất lượng ảnh gốc: Tuân thủ theo thông tư số: 53/2014/TT- BYT Bộ Y Tế, DICOM sử dụng hệ ảnh gốc server Bước 3: Thu thập liệu Trong trình thu thập liệu, nghiên cứu sử dụng thiết bị di động iPhone có độ phân giải 12 megapixcel sử dụng phần mềm chụp ảnh thiết bị di động giữ nguyên yếu tố thực ảnh khơng có yếu tố chỉnh sửa ảnh tự động Ảnh chụp lưu định dạng JPEG 2000 Mỗi đối tượng chụp ảnh tương ứng với góc chụp ảnh miệng: Góc tồn cảnh, góc bên trái, góc bên phải, góc hàm trên, góc hàm Tư chụp ảnh tuân theo hướng dẫn chụp ảnh miệng smartphone có sử dụng banh miệng.13 Bước 4: Chuẩn hóa liệu Sàng lọc 750 ảnh thu 478 ảnh có tổn thương sâu giai đoạn sớm ảnh Trong có 272 ảnh khơng đáp ứng tiêu chí ảnh kho liệu học máy Loại bỏ liệu không hợp lệ bao gồm: ảnh mờ, ảnh nhiễu, ảnh không rõ tổn thương sâu giai đoạn sớm Bước 5: Mã hóa liệu Các file liệu hình ảnh tổn thương đối tượng nghiên cứu đặt tên theo mã đối tượng số thứ tự ảnh: _ Sơ đồ quy trình thu thập liệu: 192 TCNCYH 137 (1) - 2021 TẠP CHÍ NGHIÊN CỨU Y HỌC Hình Quy trình thu thập liệu Bước 6: Lưu trữ liệu Dữ liệu hình ảnh đối tượng tạo thành hai Bản thứ tệp ảnh gốc ảnh giữ nguyên, lại bác sĩ phân loại phân vùng vùng bị tổn thương ảnh chụp hàm đối tượng nghiên cứu Quá trình xử lý liệu cho học máy Quá trình xử lý liệu cho học máy gồm bước sau:11 Bước 1: Kiểm tra chuẩn hóa liệu sâu giai đoạn sớm thu thập cho học máy Loại bỏ ảnh không đạt chuẩn học máy bao gồm: ảnh nhiễu, ảnh mờ, ảnh không rõ tổn thương, ảnh khơng định dạng, kích thước ảnh không đạt chuẩn, Bước 2: Gán nhãn tổn thương cho học máy Những ảnh sâu giai đoạn sớm đạt chuẩn bác sĩ sử dụng phần mềm gán nhãn tổn thương Labeling để gán nhãn tổn thương ảnh cho học máy Kết thu sau sử dụng phần mềm gán nhãn bao gồm: Ảnh gốc file XML (đây định dạng mã hóa lưu trữ khoanh vùng tổn thương ảnh) TCNCYH 137 (1) - 2021 Hình Phần mềm gán nhãn tổn thương ảnh Bước 3: Tổ chức cấu trúc lưu dữ liệu gán nhãn cho học máy Dữ liệu gán nhãn tổ chức theo định dạng PASCAL_VOC (đây định dạng yêu cầu cho đầu vào phương pháp học máy) Kho liệu lưu trữ thư mục gồm thư mục con: - JPEGImages: Thư mục chứa ảnh gốc ảnh tổn thương sâu giai đoạn sớm - Annotations: Chứa toàn file XML, mã hóa lưu trữ cho vùng gán nhãn tổn thương ảnh - Imagesets: Gồm file “train.txt” “val.txt” Đây hai file phân chia liệu để thực trình huấn luyện kiểm tra cho phương pháp học máy Xử lý số liệu Số liệu nhập quản lý phần mềm Microsolf Excel 2010 cho thông tin hồ sơ bệnh nhân Số liệu xử lý lập trình SPSS 20.0 Đạo đức nghiên cứu Lựa chọn đối tượng nghiên cứu với tiêu chuẩn đề Các quy trình khám lấy số liệu đảm bảo vô khuẩn, không ảnh hưởng tới sức khỏe đối tượng nghiên cứu Các thông tin 193 TẠP CHÍ NGHIÊN CỨU Y HỌC thu phải đảm bảo bí mật dùng cho mục đích nghiên cứu Bổ sung bảng thông tin nghiên cứu có cam kết tham gia nghiên cứu Đề tài chấp thuận hội đồng đạo đức Trường đại học Y Hà Nội theo định số NCS21 /ĐHYHN- HĐĐĐ ngày 14 tháng năm 2019 đề tài tuân thủ quy trình, quy định ban hành III KẾT QUẢ Đặc điểm ảnh kho liệu sâu giai đoạn sớm Bảng Tỷ lệ ảnh có tổn thương sâu giai đoạn sớm Góc chụp Tồn cảnh Bên trái Bên phải Hàm Hàm Tổng N 151 125 135 26 41 478 % 31,6% 26,2% 28,2% 5,4% 8,6% 100% Tỷ lệ Kho liệu có hình ảnh tổn thương sâu giai đoạn sớm ảnh toàn cảnh cao với 151 ảnh (31,6%) thấp ảnh hàm với 26 ảnh (5,4%) Bảng Tỷ lệ có tổn thương sâu giai đoạn sớm Góc chụp Toàn cảnh Bên trái Bên phải Hàm Hàm Tổng N 505 362 363 50 90 1370 % 36,9% 26,4% 26,5% 3,6% 6,6% 100% Tỷ lệ Tổng số tổn thương sâu giai đoạn sớm 1370 tổn thương Trong ảnh chụp mặt ngồi cung răng: ảnh tồn cảnh, bên trái, bên phải có số tổn thương cao ảnh chụp mặt nhai hàm hàm Bảng Tỷ lệ mặt tổn thương góc chụp mặt ngồi cung Góc chụp Mặt Toàn cảnh Bên trái Bên phải Mặt 323 330 Mặt gần 129 Mặt xa Tổng Tổng N % 341 994 80,8% 16 11 156 12,7% 53 16 11 80 6,5% 505 362 363 1230 100% Tổn thương sâu giai đoạn sớm mặt cao mặt xa mặt gần với 994 tổn thương 194 TCNCYH 137 (1) - 2021 TẠP CHÍ NGHIÊN CỨU Y HỌC Bảng Tỷ lệ mặt tổn thương góc chụp mặt nhai cung Góc chụp Mặt Hàm Hàm Mặt nhai 31 Mặt gần Tổng N % 34 65 46,4 5,7 Mặt xa 4,3 Mặt 10 51 61 43,6 Tổng 50 90 140 100 Tổn thương sâu giai đoạn sớm mặt nhai cao mặt gần, mặt xa, mặt với 65 tổn thương IV BÀN LUẬN Kết nghiên cứu cho thấy, hệ liệu nghiên cứu xây dựng với 478 ảnh tổn thương sâu giai đoạn sớm Theo nghiên cứu tác giả Berdouses cộng sự14 năm 2015 để phát phân loại sâu mặt nhai công cụ học máy tiến hành nghiên cứu đánh giá kết học máy 103 ảnh Do cho thấy, kho liệu nghiên cứu thực chiếm ưu so với kho liệu nhóm tác giả Berdouses Năm 2017 tác giả Rana¹⁵ dùng học máy cơng cụ để phân đoạn tự động bệnh lợi từ hình ảnh miệng xây dựng sở liệu với 258 ảnh phục vụ cho kho liệu Khi nghiên cứu tổng quan học máy lĩnh vực nha khoa tác giả Hwang16 từ năm 2016 đến tháng 12 năm 2018 quy mơ trung bình kho liệu đào tạo cho học máy có xu hướng ngày tăng Điều giải thích sở liệu để đào tạo học máy nhiều xác chuẩn đốn cao, cỡ mẫu kho liệu phù hợp với xu phát triển lĩnh vực trí tuệ nhân tạo Bên cạnh kho liệu nghiên cứu có đa dạng vị trí tổn thương theo góc chụp miệng góc tồn cảnh, TCNCYH 137 (1) - 2021 bên phải, bên trái, hàm hàm Sự đa dạng thể mặt mặt ngoài, mặt trong, mặt gần, mặt xa mặt nhai Đi với đa dạng vị trí đa dạng hình ảnh tổn thương sâu giai đoạn sớm, yếu tố yếu tố quan trọng định chất lượng học máy Tuy nhiên, kho liệu không tránh nhược điểm phân bố tổn thương sâu giai đoạn sớm tập trung nhiều ảnh chụp vùng mặt cung hàm với 994 tổn thương, mặt nhai 65 tổn thương mặt bên 14 tổn thương Nhưng kết tổn thương ảnh hoàn toàn phản ánh thực tế lâm sàng bác sĩ khám trực tiếp bệnh nhân tổn thương sâu giai đoạn sớm mặt nhai thường phát nhiều Như vậy, kho liệu nghiên cứu hoàn toàn phù hợp với xu phát triển công nghệ đáp ứng yêu cầu kho liệu hỗ trợ máy học để chẩn đoán sâu giai đoạn sớm V KẾT LUẬN Qua nghiên cứu xây dựng hệ liệu hỗ trợ máy học để chẩn đoán sàng lọc sâu giai đoạn sớm trẻ - tuổi Hà Nội xây dựng kho liệu với 478 ảnh có tổn thương sâu giai đoạn sớm Nghiên cứu 195 TẠP CHÍ NGHIÊN CỨU Y HỌC đưa quy trình xây dựng hệ liệu hỗ trợ máy học cần thực đầy đủ bước: Khảo sát tỷ lệ mắc bệnh, phân tích đánh giá, thu thập liệu, chuẩn hóa liệu, mã hóa liệu, lưu trữ liệu Kho liệu sâu giai đoạn sớm nghiên cứu đáp ứng yêu cầu số lượng, tính đa dạng tổn thương chất lượng hình ảnh Tuy nhiên cần tiếp tục thu thập liệu phong phú để huấn luyện cho mô hình học máy Lời cảm ơn Chúng tơi xin chân thành cảm ơn hỗ trợ, giúp đỡ Viện đào tạo Răng Hàm Mặt, bệnh viện hữu nghị Việt Nam CuBa, hai trường mầm non Hàng Đào Mậu Lương, quận Hà Đông, thành phố Hà Nội TÀI LIỆU THAM KHẢO Srivastava MM, Kumar P, Pradhan L, Varadarajan S Detection of tooth caries in bitewing radiographs using deep learning arXiv preprint arXiv: 2017; 1711 07312 Vinayahalingam S, Xi T, Bergé S, et al Automated detection of third molars and mandibular nerve by deep learning Scientific reports 2019; 9(1), - Ngoc VTN, Agwu AC, Son LH, et al The Combination of Adaptive Convolutional Neural Network and Bag of Visual Words in Automatic Diagnosis of Third Molar Complications on Dental X-Ray Images Diagnostics 2020; 10(4), 209 Young DA, Nový BB, Zeller GG, et al The American Dental Association caries classification system for clinical practice: a report of the American Dental Association Council on Scientific Affairs The Journal of the American Dental Association 2015; 146(2), 79 - 86 Pitts NB, Ekstrand KR & ICDAS 196 Foundation International Caries Detection and Assessment System (ICDAS) and its International Caries Classification and Management System (ICCMS)–methods for staging of the caries process and enabling dentists to manage caries Community dentistry and oral epidemiology 2013; 41(1), e41 - e52 Gomez J, Tellez M, Pretty IA, et al Noncavitated carious lesions detection methods: a systematic review Community Dentistry and Oral Epidemiology 2013; 41(1), 55 - 66 Boye U, Walsh T, Pretty IA, Tickle M Comparison of photographic and visual assessment of occlusal caries with histology as the reference standard BMC Oral Health 2012; 12(1), 10 Kohara EK, Abdala CG, Novaes TF, et al Is it feasible to use smartphone images to perform telediagnosis of different stages of occlusal caries lesions? PloS one 2018; 13(9), e0202116 Nguyễn Thị Thùy Linh Thực trạng bệnh sâu học sinh tuổi trường tiểu học Kim Liên, Đống Đa, Hà Nội qua khám lâm sàng chụp ảnh smartphone Đại Học Y Hà Nội, 2018: p 44 10 Lưu Văn Tường., Thực trạng bệnh sâu sữa sớm số yếu tố liên quan với sâu với học sinh mầm non 03 tuổi Hà Nội Tạp chí Y dược học Việt Nam 2019; 480 ( & 2): p 94-99 11 Roh Y, Heo G, Whang SE A survey on data collection for machine learning: a big dataai integration perspective IEEE Transactions on Knowledge and Data Engineering 2019 12 Ashique KT, Kaliyadan F Clinical photography for trichology practice: Tips and tricks International journal of trichology 2011; 3(1), 13 Võ Trương Như Ngọc Chụp ảnh nha khoa điện thoại di động thông minh in Ghi TCNCYH 137 (1) - 2021 TẠP CHÍ NGHIÊN CỨU Y HỌC hình hàm mặt 2018; p 135 - 143 14 Berdouses ED, Koutsouri GD, Tripoliti EE, et al A computer-aided automated methodology for the detection and classification of occlusal caries from photographic color images Computers in biology and medicine 2015; 62, 119 - 135 15 Rana, A., Yauney, G., Wong, L C., Gupta, O., Muftu, A., & Shah, P Automated segmentation of gingival diseases from oral images IEEE Healthcare Innovations and Point of Care Technologies (HI-POCT) 2017; (pp 144-147) 16 Hwang JJ, Jung YH, Cho BH, et al An overview of deep learning in the field of dentistry Imaging science in dentistry 2019; 49(1), - Summary BUILDING A DATA SYSTEM TO SUPPORT DEEP LEARNING FOR DIAGNOSIS OF EARLY- STAGE DENTAL CARIES The purpose of this study is to build a data system to support deep learning for screening diagnosis of early - stage dental caries of to – years - old on various facilities in Hanoi The results of the study illustrate that: The number of images with early - stage caries in the database of this study is 478 There is a variety in the number and locations of early - stage cavities in all angles of oral imaging; panorama, right side, left side, upper jaw, lower jaw account for 505 teeth, 362 teeth, 363 teeth, 50 teeth and 90 teeth, respectively In conclusion, the constructed database shows that the distribution of early caries lesions concentrated on the outer surface of the tooth with 994 lesions; there were 65 lesions on the occlusal surface and only 14 on the lateral surface Keywords: Database, early-stages dental caries, to year-old children TCNCYH 137 (1) - 2021 197 ... kho liệu hỗ trợ máy học để chẩn đoán sâu giai đoạn sớm V KẾT LUẬN Qua nghiên cứu xây dựng hệ liệu hỗ trợ máy học để chẩn đoán sàng lọc sâu giai đoạn sớm trẻ - tuổi Hà Nội xây dựng kho liệu với... vấn đề xây dựng kho liệu sâu giai đoạn sớm qua ảnh chụp Việt Nam Tiếp theo dòng nghiên cứu sâu giai đoạn sớm Việt Nam, mục tiêu nghiên cứu xây dựng kho liệu sâu giai đoạn sớm để đào tạo học máy. .. phải nghiên cứu xây dựng kho liệu đào tạo học máy Hiện nay, nghiên cứu quan tâm nhiều đến vấn đề xây dựng kho liệu cho học máy Một số xây dựng kho liệu cho bệnh sâu để hỗ trợ chẩn đoán tự động phim