III Cơng trình nghiên cu liên quan
1.1 Khái quát hóa các g ii pháp phát hin mn
Bài toán phát hi n đi m b t th ng đã đ t ra, c th đây là m n tr ng cá, đ gi i
quy t v n đ này, có r t nhi u ph ng pháp đã đ c các nhà nghiên c u đ xu t. Ramli và các c ng s [13] đã gi i quy t vi c phân đo n th ng t n m n s d ng
không gian màu CIELAB vào n m 2011. u tiên, các nh m u đ c thu th p là nh
RGB. Ti p theo, nh RGB đ c chuy n v CIELAB. Cu i cùng, t n th ng m n, s o và da th ng đ c phát hi n nh kho ng cách Euclidean. K t qu có đ sensitivity, specificity cao h n 80%.
n n m 2014, Watcharaporn cùng Maetawee và các c ng s [1] đã đ xu t quy trình phát hi n m n b ng ph ng pháp s d ng khơng gian màu HSV. Quy trình đ c trình bày m t cách đ y đ và rõ ràng. Dù v y, v n còn t n t i các nh c đi m nh ch s d ng m t ng ng hay ch x lý m t ph n trên khuôn m t. Bài báo này không cung c p s li u đánh giá ph ng pháp.
Chantharaphaichit và các c ng s vào n m 2015 [12] đã gi i thi u ph ng pháp t đ ng phát hi n m n trên 1 ph n c a hình nh m t ng i b ng vi c x lý qua ch ng
trình MATLAB. u tiên, nh RGB đ c chuy n v nh xám và nh HSV. Sau đó,
nh xám đ c chu n hố và tr cho nh HSV trong ROI. H đã áp d ng ph ng pháp đi m m n nh và lo i tr vùng l n đ phân lo i đó là m n hay khơng. H th ng có đ chính xác n v i đ sensitivity t 66100%, precision là 56.52 100%, đ accuracy là 5287%
Chen và các c ng s [14] đã phát tri n m t h th ng ki m tra hình nh da trên thi t b Android vào n m 2016. M t lo t các hình nh da đã đ c ti n x lý đ trích xu t đ c đi m nh đ phân lo i tình tr ng da. Khơng gian màu YCbCr và ng ng đ n đ c s d ng đ trích xu t đ c đi m c a m n. K t qu đó là 82% đ chính xác nh ng nh c đi m c a h là c n ph i l y vùng ROI b ng ph ng pháp th công.
Cùng n m 2016, Lucut và các c ng s [2] đã đ xu t m t bài báo v l u v t m n (acne tracking) đ m r ng t cơng trình tr c đó c a ramli vào n m 2011. H đã s d ng Histogram Equalization (cân b ng Histogram) đ t ng đ t ng ph n, m t s k t h p c a Hough transformed và image chroma đ giúp phát hi n và phân lo i t t h n các đ c đi m c a m n. Th nghi m trên hình th c t cho k t qu c a đ Characterization Sensitivity 5999% .
Maroni và các c ng s [10] đã phát tri n m t ng d ng cho vi c t đ ng phát hi n m n thơng qua x lý kho ng cách hình ch p t đi n tho i di đ ng vào n m 2017. H
đã s d ng kênh a* trong không gian màu CIE L*a*b* cho vi c t ng c ng s t ng ph n gi a vùng da b viêm và vùng da kho m nh. Cu i cùng, trích xu t m n (acne extraction) và phát đi m hi n đi m b t th ng (blob detection) đ c hồn thành thơng qua Adaptive Thresholding và Laplacian c a Gaussian Filtering. Theo các tác gi c a bài báo, k t qu c a h là ch p nh n đ c.
Nghiên c u c a Amini và các c ng s [3] vào n m 2018 đã s d ng kênh a* trong không gian màu CIE L*a*b* đ phát hi n và phân lo i m n viêm ( s n viêm đ và m n m ). Gi i thu t đ c s d ng đ phát hi n t n th ng m n có th phát hi n 93% các t n th ng m n(trong vùng ROI) v i đi u ki n ánh sáng khác nhau và màu da c ng có s khác bi t. H c ng đã nói r ng vi c phát hi n m n s khó kh n và b b qua đ i v i nh ng t n th ng m n có màu h ng nh t (khi m n d ng r t nh m i hình thành).
Trong ph n này, nhóm xin ch đ c p chi ti t 3 bài báo trong s các bài đ c đ c p trên làm tham kh o chính cho bài tốn phát hi n m n. Tuy nhiên, ph n đa các cơng trình nghiên c u tr c phát hi n t n th ng trên da b ng vi c x lý 1 kênh c a không
gian màu nh ng nh v y ch phát hi n đ c 1 lo i t n th ng m n. ng th i, các
bài báo ch a trích xu t 4 lo i m n (đ u tr ng, đ u đen, m n s n viêm đ , m n m ) t các nh có đi u ki n ánh sáng, màu da khác nhau. ây là m t thách th c l n v i nhóm đ có th phát hi n đ y đ các lo i m n.
1.2 X lý hình nh y t trong phát hi n m n t đ ng đ đi u tr y t [2014] Bài báo ”Medical Image Processing in Automatic Acne Detection for Medical Treatment” đ c nghiên c u b i m t nhóm ng i là Watcharaporn và Maetawee thu c đ n v Thammasat University, đ c th c hi n t i th i đi m ngày 2 tháng 3 n m 2014 [1].
Trong ngành y t c th v da li u, nhi u b nh nhân m c m t s v n đ và các lo i t n th ng da. S l ng b nh nhân càng ngày càng nhi u, s l ng bác s l i h n ch . gi i quy t v n đ này, tác gi đã đ ra đ tài này đ có th giúp các bác s nhi u n i khác nhau có th k t n i v i các b nh nhân. C th bài báo s s d ng máy tính đ h tr phát hi n s l ng m n thay vì s d ng ph ng pháp th cơng c a các bác s . Thu t tốn c a bài báo khơng ch chính xác trên vùng m n mà cịn có th th c hi n tính tốn s l ng m n, t đó phân tích so sánh s khác bi t gi a các k t qu đ c ghi l i trong m i l n.
D li u đ u vào c a đ tài là nh ng hình nh c a b nh nhân ph i gi ng góc nhìn nh t có th , đi u này giúp làm gi m thi u l i có th x y ra khi phát hi n các đi m chính (m t, m i và mi ng) trên m t c a b nh nhân. Sau đây là nh ng ph ng pháp
và ý t ng tác gi đã tìm hi u và nghiên c u. Nh ng ph ng pháp này s là ti n đ cho đ tài nghiên c u c a h .
1. X lý nh h th ng t đ ng phát hi n khuy t đi m trên da m t [43]: Các quy trình c a ph ng pháp đ c bao g m phát hi n khuôn m t, phát hi n đ c đi m trên khuôn m t, xác đ nh ROI (Region Of Interest), phát hi n m n và các n p nh n.
2. X lý nh chi t xu t t n th ng m n tr ng cá b nh nhân m n tr ng cá t nh ng hình nh qua l ng kính b ng vi c s d ng thu t tốn trích xu t t n th ng m n tr ng cá t MSI [38]. Trong quá trình ti n x lý n n c a b c nh, tóc và da bình th ng s đ c lo i b . T đó, Các lo i m n s n đ (reddish papule), m n m (pustule) và s o (scar) s đ c phân lo i.
3. X lý nh phát hi n các vùng gi ng m n, d a trên c s s d ng tính n ng tua nhanh th i gian (TimeLapse Features) [39]. Vi c phát hi n các vùng gi ng m n trên hình nh trên da, s d ng thu t toán đ phát hi n các t n th ng do m n b ng cách s d ng hình nh thu đ c theo ph ng th c phân c c chéo (cross polarized).
4. Nh n di n khuôn m t [40] nh n di n khn m t g m 4 q trình:
• Phân lo i màu da (Skin Color Segmentaion) là q trình lo i b màu khơng ph i là màu da ra kh i tồn b hình nh. i u này d a trên màu da chung c a t t c các ch ng t c trên th gi i.
• X lý hình thái (Morphological Processing) là vi c th c hi n làm s ch nh. M c đích c a q trình này là đ t o ra m t hình nh m t n , có th đ c áp d ng cho nh đ u vào đ t o ra các vùng màu da khơng b nhi u.
• Phân tích các vùng đ c k t n i (Connected Component Analysis CCA) t k t qu đ u ra c a quá trình x lý hình thái trên. H u h t là các bàn tay , cánh tay, chân , vai, qu n áo trùng màu v i màu da và m t s b ph n trên n n nh. Trong quá trình này, tác gi th ng kê hình nh t t p hu n luy n đ c s d ng đ phân lo i t ng v ng đ c k t n i trong hình nh.
• i sách m u (Template Matching), ý t ng c b n là so sánh hình nh hi n
t i v i m t hình nh khác đ i di n cho các khn m t. M u (ho c nhóm m u) nh ph i kh p v i b t kì khn m t đã cho ngay c khi có s khác bi t v kích th c hay đ c đi m.
5. Phát hi n đ m màu [41] (Blob Detection), t đ ng phát hi n đ m màu t t p d li u hình nh là m t b c quan tr ng trong vi c phân tích quy mô l n d li u. Nh ng đ m màu này có th đ i là đ i di n c a nhân c a m t khu n l c, v trí kh i u.
6. Phân đo n màu s c [42] (Color Segmentation). Nó d a trên màu da chung c a t t c các ch ng t c trên th gi i. Tác gi thi t l p không gian màu HSV (Hue, Saturation, Value) đ phân đo n ch t p trung vào giá tr c th c a H và S. Trong quá tình phân đo n màu, tác gi đã áp d ng các giá tr ng ng vào quá trình này. Hình nh k t qu c a quá trình này đ c chuy n đ i thành không gian màu HSV. T t c các pixel n m ngoài giá tr ng ng H và S đ u b t ch i vì đây khơng ph i vùng khuôn m t.
Tuy nhiên, báo cáo này v n còn m t s nh c đi m nh sau:
1. Trong lúc phân tích các vùng đ c k t n i trong q trình nh n di n khn m t, vi c tìm m t m u thích h p là m t thách th c vì lý t ng là m u (ho c t p m u) ph i kh p v i b t kì m t nào đã cho cho dù có s khác bi t b t kì v kích th c và tính n ng. Vi c s d ng màu da chung c a t t c các ch ng t c trên th gi i là m t thách th c l n c a đ tài.
2. Giá tr ng ng trong quá trình phân đo n màu s c r t khó đ tìm ra m t ng ng
chung cho d li u đ u vào. u vào c a đ tài ph i là hình nh gi ng góc nhìn
nh t có th , vì n u đ u vào có m t góc nhìn khác thì s d n đ n k t qu sai l ch. 1.3 Theo dõi da li u v đ hi u qu trong vi c đi u tr m n mãn tính [2016]
Vào n m 2016, Lucut và các c ng s [2] đ xu t m t c i ti n c a ph ng pháp RMSKMC, là ph ng pháp ch m đi m t đ ng và khách quan h n liên quan đ n t i u hóa thu t tốn phân c m kmean b ng cách xác đ nh s l ng c m th c t thay vì phân tích d a trên m t gi thi t K = 3 cho t t c các nh. Nó đ c tác gi g i là ph ng pháp LSKMC.
u tiên, nh s đ c cân b ng histogram (histogram equalization) nh m m c đích t ng đ t ng ph n c a hình nh đ u vào, làm vi c d đốn s l ng c m cho nh tùy ý h n.
Sau đó, vi c bi n đ i Hough (Hough Transform) đ c s d ng đ phân tích sâu h n v c m m n đ c tìm th y d n đ n cách ti p c n đ t đ ng xác đ nh chính xác h n s l ng và lo i th ng t n. M t so sánh đ nh l ng c a hai cách ti p c n RMSKMC và LSKMC cho th y r ng cách ti p c n m i hay LSKMC cung c p phù h p h n v i
phân tích chuyên gia đã nêu. H đã nh n ra cách ti p c n c khơng thích h p đ s d ng tính chính xác và hi u su t c th s li u phân tích đ so sánh các thu t toán.
Cu i cùng, các vùng nh s đ c lo i b và s phân lo i các vùng th ng t n vào 1 trong 4 lo i m n, là không viêm, s n viêm đ , m n m , m n c c d a trên kích th c vùng nh n di n đ c và màu s c c a chúng.
Tác gi c ng c i ti n đ chính xác c a thu t tốn d đốn tình tr ng m n c a hình nh cùng phân tích c a chun gia v tình tr ng da đ c tìm th y b ng cách s a đ i ch s đ nh y thành tính đ n thang đi m phân lo i m n Michelson. S c i ti n m nh m này g i ý r ng cơng c này có th là b c đ u tiên h ng t i b nh nhân t giám sát gi a các l n khám bác s chuyên khoa; có kh n ng gi m t n su t truy c p, gi m th i gian ch và d n đ n thang đi m đánh giá chu n hóa.
1.4 ánh giá m n t đ ng trên khn m t t hình nh đi n tho i thơng minh [2018]
Amini và các c ng s đã đ xu t m t ph ng pháp x lý nh t đ ng cho vi c phân lo i m n trên m t s d ng các hình nh t s ng c a khuôn m t đ c ch p b ng đi n tho i thông minh thông qua bài báo ”Automated facial acne assessment from smartphone images[3]” vào n m 2018.
u tiên, k thu t nh n di n g ng m t (nh n di n 68 đi m quan tr ng). Ti p theo, k thu t chu n hóa hình nh khuôn m t bao g m phát hi n m t, xoay hình nh, chia t l và c t xén đ c s d ng d a trên 68 đi m quan tr ng có đ c t x lý tr c đó. K thu t này giúp đ m b o r ng quá trình xác đ nh và phân tích m n đ c th c hi n trên cùng m t khu v c theo th i gian, ngay c v i các đi u ki n h i khác nhau nh kho ng cách và góc m t v i máy nh.
M t trong nh ng đi m n i b t c a bài báo này là vi c s d ng ph ng pháp xác đ nh ROIs bao g m n m vùng chính trên khn m t (trán, m i, má trái, ph i và c m). Hình nh lý t ng là cá nhân xoay m t 0 đ sang m t bên s cung c p tính nh t quán
v kích th c và v trí c a ROIs. cung c p ROIs nh t quán ngay c khi khuôn m t
xoay nh (l ch 5 đ ), ph ng pháp Dynamic facial ROIs đ c s d ng đ c p nh t v trí và kích c ROIs s d ng s liên quan v v trí c a m t và c a gi a môi trên.
B c x lý s d ng gi i thu t phát hi n và phân lo i th ng t n m n tr ng cá. Các lo i m n s n ho c m n m đ c ch n đ phát hi n và phân lo i vì đây là nh ng t n th ng viêm và có th xác đ nh b ng cách hi u nh ng thay đ i sinh h c d i b m t da. Tình tr ng viêm này d n đ n s gia t ng l u thông máu và da b m n đ so v i vùng da xung quanh. S thay đ i màu s c này đ c phát hi n b ng cách chuy n đ i RGB thành không gian màu CIE L*a*b*. Kênh a* là kênh bi u th màu đ c a màu
pixel đ c l p v i đ chói sáng c a nó và có th đ c s d ng đ phát hi n s t ng m n đ da và t đó nh n di n v trí c a th ng t n m n.
K thu t đ ng ký hình m t (Face image registration) đ c s d ng đ so sánh s hi n di n, kích c và lo i m n trên m t theo th i gian nh m đánh giá đáp ng đi u tr .
Sau khi vi c phát hi n m n đ c th c hi n, vi c phân lo i hai lo i m n đ c th c hi n d a trên s khác nhau v m t hình thái gi a chúng. Khác v i m n s n viêm đ (papules), m n m (pustules) có màu tr ng và l ng trung tâm m n. S khác bi t này đ c th hi n rõ trong hình nh binary, vùng trung tâm nh binary c a m n m có giá tr là 0. T đó, s Euler đã đ c s d ng đ t đ ng phân tách gi a vùng binary có và khơng có l (t ng ng là m n m và m n s n viêm đ ). S Euler b ng t ng s v t th trong vùng binary tr cho t ng s l trong vùng đó. M n m cho s Euler là 0 còn m n s n viêm đ là 1.
Ph ng pháp này đ c ch ng minh có đ chính xác cao trên t p d li u đã cung c p. Bài báo đã s d ng 70 hình nh m t (mơ hình k thu t s và g ng m t ng i th t). K t qu cho th y đã nh n ra các đi m trên khn m t và v trí các vùng ROIs