Tài liệu ứng dụng mạng nơ ron xác định khả năng ung thư da dựa vào hình ảnh

ii MỤC LỤC LỜI CAM ĐOAN ................................................................................................ i MỤC LỤC ....................................................................................................... ii TÓM TẮT LUẬN VĂN...................................................................................... v DANH MỤC CÁC TỪ VIẾT TẮT .................................................................... vi DANH MỤC CÁC HÌNH ................................................................................. vii DANH MỤC CÁC BẢNG .………………………………… ……………… .ix MỞ ĐẦU ....................................................................................................... 1 CHƯƠNG 1. TỔNG QUAN VỀ BỆNH UNG THƯ DA ..................................... 4 1.1. Giới thiệu chương ................................................................................. 4 1.2. Lý thuyết cấu tạo giải phẫu, sinh lý của da ............................................ 4 1.3. Đặc điểm của bệnh ung thư da .............................................................. 5 1.3.1. Ung thư da không phải khối u ác tính .............................................. 6 1.3.2. Ung thư hắc tố ác tính ..................................................................... 7 1.4. Dấu hiệu nhận biết ung thư da .............................................................. 9 1.4.1. Tính bất đối xứng.......................................................................... 10 1.4.2. Đường viền ................................................................................... 10 1.4.3. Màu sắc ........................................................................................ 10 1.4.4. Đường kính ................................................................................... 11 1.4.5. Quy mô phát triển ......................................................................... 11 1.5. Phương pháp chẩn đoán ung thư da .................................................... 12 1.5.1. Phương pháp soi da ....................................................................... 12 1.5.2. Phương pháp xử lý hình ảnh da bị tổn thương ............................... 12 1.6. Kết luận chương ................................................................................. 12 CHƯƠNG 2. TỔNG QUAN VỀ MẠNG NƠ-RON TÍCH CHẬP...................... 13 2.1. Giới thiệu chương ............................................................................... 13 2.2. Mạng Nơ-ron nhân tạo ........................................................................ 13 2.2.1. Cấu trúc một Nơ-ron sinh học ....................................................... 13 iii 2.2.2. Cấu trúc một Perceptron................................................................ 14 2.3. Multi-layers Perceptron (MLP) ........................................................... 15 2.4. Mạng Nơ-ron tích chập (Convolutional Neural Network – CNN) ....... 16 2.4.1. Vùng tiếp nhận cục bộ .................................................................. 17 2.4.2. Trọng số dùng chung .................................................................... 19 2.4.3. Pooling ......................................................................................... 22 2.4.4. Lớp ReLU ..................................................................................... 23 2.4.5. Lớp Dropout ................................................................................. 24 2.4.6. Hàm tổn hao ................................................................................. 25 2.5. Một số mạng nơ-ron tích chập phổ biến .............................................. 26 2.5.1. Mạng LeNet-5............................................................................... 26 2.5.2. Mạng AlexNet ............................................................................. 27 2.5.3. Mạng GoogleNet/Inception ........................................................... 27 2.5.4. Mô hình mạng VGG ..................................................................... 28 2.6. Kết luận chương ................................................................................. 30 CHƯƠNG 3. XÂY DỰNG HỆ THỐNG CHẨN ĐOÁN KHẢ NĂNG UNG THƯ DA DỰA VÀO HÌNH ẢNH.......................................................................... 31 3.1. Giới thiệu chương ............................................................................... 31 3.2. Tổng quan hệ thống chẩn đoán khả năng ung thư da dựa vào hình ảnh 31 3.3. Chuẩn hóa dữ liệu ............................................................................... 32 3.4. Khối phân vùng .................................................................................. 32 3.4.1. Giới thiệu. ..................................................................................... 32 3.4.2. Mô hình mạng Unet ...................................................................... 33 3.5. Khối phân loại .................................................................................... 35 3.5.1. Giới thiệu ...................................................................................... 35 3.5.2. Xây dựng hệ thống phân loại ........................................................ 35 3.5.3. Mô hình mạng VGG16 ................................................................. 36 3.6. Kết luận chương ................................................................................. 37 CHƯƠNG 4. KẾT QUẢ VÀ ĐÁNH GIÁ......................................................... 38 iv 4.1. Giới thiệu chương ............................................................................... 38 4.2. Cơ sở dữ liệu ISIC-2018 ..................................................................... 38 4.3. Tiêu chí đánh giá ................................................................................ 39 4.3.1. Độ chính xác (accuracy)................................................................ 39 4.3.2. Confusion matrix .......................................................................... 39 4.3.3. Precision và Recall........................................................................ 40 4.4. Kịch bản huấn luyện và kiểm tra của hệ thống .................................... 41 4.4.1. Huấn luyện và kiểm tra mô hình phân vùng .................................. 41 4.4.2. Huấn luyện và kiểm tra mô hình phân loại .................................... 42 4.5. Kết quả huấn luyện và kiểm tra mô hình phân vùng ............................ 43 4.6. Kết quả huấn luyện và kiểm tra mô hình phân loại .............................. 44 4.7. Các yếu tố tác động đến hiệu suất nhận dạng của mô hình .................. 46 4.7.1. Ảnh hưởng của tiền xử lý dữ liệu .................................................. 46 4.7.2. Learning Rate ............................................................................... 47 4.7.3. Vai trò của Dropout ...................................................................... 48 4.8. Nhận xét đánh giá hiệu suất của hệ thống phân loại ............................ 50 4.9. Kết luận chương ................................................................................. 50 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN ......................................................... 51 v TÓM TẮT LUẬN VĂN ỨNG DỤNG MẠNG NƠ-RON XÁC ĐỊNH KHẢ NĂNG UNG THƯ DA DỰA VÀO HÌNH ẢNH Học viên: Huỳnh Chỉnh Mã số: 60.52.02.03 Khóa: 35 Chuyên ngành: Kỹ thuật điện tử Trường Đại học Bách khoa - ĐHĐN Tóm tắt – Gần đây, kỹ thuật học sâu (Deep Learning) đã tạo ra những bước tiến đáng kể trong việc giải quyết các bài toán phân tích hình ảnh, đặc biệt trong phân tích hình ảnh y tế đã cho phép phát triển các hệ thống chẩn đoán bệnh dựa trên hình ảnh có thể hỗ trợ các bác sĩ đưa ra quyết định tốt hơn về sức khỏe của bệnh nhân. Chẩn đoán bệnh dựa trên hình ảnh da người là một lĩnh vực mà các phương pháp mới này có thể được áp dụng với tỉ lệ thành công cao. Luận văn này tập trung vào vấn đề dựa vào hình ảnh trích xuất vùng da bị tổn thương và thực hiện phân loại để xác định khả năng bị bệnh ung thư da. Luận văn sử dụng kiến trúc mạng nơron Unet để thực hiện việc phân vùng trích xuất vùng da bị tổn thương và loại bỏ các thành phần không cần thiết trong hình ảnh trích xuất. Tiếp theo, luận văn sử dụng mô hình mạng nơron VGG để thực hiện phân loại ảnh trích xuất để phát hiện bệnh lành tính hay ác tính. Cuối cùng, luận văn thực hiện đánh giá toàn bộ hệ thống khi kết hợp hai mô hình phân vùng – phân loại so với hệ thống chỉ sử dụng một mô hình phân loại. Kết quả thử nghiệm trên bộ dữ liệu ISIC-2018 cho thấy hệ thống đạt được độ chính xác khá cao, có thể mở ra một hướng nghiên cứu và ứng dụng đầy hứa hẹn của kỹ thuật học sâu trong xử lý hình ảnh y tế để hỗ trợ chẩn đoán bệnh dựa vào hình ảnh. Từ khóa – deep learning, skin-cancer, convolutional neural networks APPLICATION OF NEURAL NETWORKS TO DETERMINE SKIN CANCER ABILITIES FROM DERMOSCOPIC IMAGES Abstract – Recently, deep learning techniques have made significant progress in image analysis problems, especially in medical image analysis. Image-based disease analysis can assist doctors to make better decisions about a patient's health and treatment. Human skinbased disease diagnosis is one research area where these new methods can be applied with high success rates. This thesis focuses on determination of skin cancer possibility based on dermoscopic images extracted from damaged skin. The thesis uses Unet neural network architecture to perform segmentation for extracting the damaged skin region from the dermoscopic image. Next, the thesis uses VGG neural network model to make classification to detect benign or malignant diseases. Finally, we evaluate the entire system when combining segmentation-andclassification, compared with systems using only one classification model. The test results on the ISIC-2018 data set show that the system achieves a high level of accuracy, which can open a promising research direction in research and application of deep learning techniques in medical image processing. Key words - deep learning, skin-cancer, convolutional neural networks vi DANH MỤC CÁC TỪ VIẾT TẮT Từ viết tắt Tiếng Anh Tiếng Việt AI Artificial Intelligence Trí tuệ nhân tạo ML Machine Learning Học máy ANN Artificial Neural Network Mạng lưới thần kinh nhân tạo CNN Convolutional Neural Network Mạng lưới thần kinh tích chập MM Malignant Melanoma Khối u ác tính NMSC Non-Melanoma Skin Cancer Ung thư da không phải khối u ác tính MLP Multi-layers Perceptron Nhiều lớp perceptron FC Full-Connection Kết nối đầy đủ ReLU Rectified Linear Units Đơn vị tuyến tính chỉnh lưu GPU Graphics Processing Unit Đơn vị xử lý đồ họa BCC Basal cell carcinoma Ung thư biểu mô tế bào đáy SCC Squamous cell carcinoma Ung thư biểu mô tế bào vảy CSDL database Cơ sở dữ liệu vii DANH MỤC CÁC HÌNH Hình 1.1. Cấu tạo của da người[1] ....................................................................... 4 Hình 1.2. Ung thư biểu mô tế bào đáy.................................................................. 6 Hình 1.3. Ung thư biểu mô tế bào vảy.................................................................. 7 Hình 1.4. Ung thư hắc tố lan trên bề mặt (Superficial spreading melanoma) ........ 8 Hình 1.5. Ung thư hắc tố lentigo (Lentigo maligna) ............................................. 8 Hình 1.6. Ung thư hắc tố Acral lentiginous melanoma ......................................... 9 Hình 1.7. Ung thư hắc tố dạng nốt (Nodular melanoma) ...................................... 9 Hình 1.8. Tính đối xứng và bất đối xứng của nốt ruồi lành tính và ác tính ......... 10 Hình 1.9. Đường viền của nốt ruồi lành tính và ác tính ...................................... 10 Hình 1.10. Màu sắc của nốt ruồi lành tính và ác tính .......................................... 11 Hình 1.11. Đường kính của nốt ruồi lành tính và ác tính .................................... 11 Hình 1.12. Sự phát triển của nốt ruồi ác tính ...................................................... 11 Hình 2.1. Tế bào nơ-ron thần kinh của con người [17] ....................................... 13 Hình 2.2. Cấu trúc của một Perceptron đơn giản ................................................ 14 Hình 2.3. Một mô hình mạng MLP gồm các lớp Full Connection ...................... 15 Hình 2.4. Cấu trúc mạng đa lớp MLP ................................................................ 16 Hình 2.5. Ảnh ngõ vào với kích thước 8 x 8....................................................... 17 Hình 2.6. Vùng cục bộ - vùng màu xanh có gạch chéo ....................................... 18 Hình 2.7. Quá trình dịch của các cửa sổ bộ lọc .................................................. 18 Hình 2.8. Sự dịch chuyển theo chiều ngang và dọc của bộ lọc ........................... 19 Hình 2.9. Minh họa việc áp dụng một filter lấy tích chập lên ảnh ngõ vào ......... 20 Hình 2.10. Các bản đồ đặc tính được tạo thành tương ứng với các bộ lọc .......... 20 Hình 2.11. Kích thước bị thu nhỏ sau quá trình lấy tích chập ............................. 21 Hình 2.12. Chèn padding được thực hiện trước khi lấy tích chập ....................... 22 Hình 2.13. Lấy mẫu xuống giúp giảm kích thước dữ liệu ................................... 23 Hình 2.14. Hàm kích hoạt ReLU, chuyển các giá trị âm về 0 ............................. 23 viii Hình 2.15. Mạng Nơ-ron trước và sau quá trình Dropout, các node gạch chéo là các node đã bị loại bỏ[15] .................................................................................. 24 Hình 2.16. Kiến trúc mô hình mạng LeNet-5[27] ............................................... 26 Hình 2.17. Kiến trúc mô hình mạng AlexNet[27] .............................................. 27 Hình 2.18. Kiến trúc mô hình mạng GoogleNet/Inception[27] ........................... 28 Hình 2.19. Cấu trúc cơ bản của các loại mạng VGG. [23] .................................. 29 Hình 2.20. Kiến trúc mô hình mạng VGG16. [23] ............................................. 30 Hình 3.1 Sơ đồ tổng quát của hệ thống .............................................................. 31 Hình 3.2. Ảnh trước và sau khi được chuẩn hóa cho khối phân vùng ................. 32 Hình 3.3. Ảnh trước và sau khi được chuẩn hóa cho khối phân loại ................... 32 Hình 3.4. Sơ đồ tổng quát của khối phân vùng ................................................... 33 Hình 3.5. Mô hình mạng Unet cho bài toán phân vùng [22] ............................... 34 Hình 3.6. Kết quả của mẫu trước và sau khi qua khối phân vùng ....................... 34 Hình 3.7. Liệu bi mới được thêm vào sẽ thuộc vào lớp bi xanh hay bi đỏ?......... 35 Hình 3.8. Sơ đồ tổng quát của hệ thống phân loại .............................................. 36 Hình 3.9. Mô hình mạng VGG16 cho bài toán phân loại.................................... 37 Hình 4.1. Một số hình ảnh trong bộ dữ liệu ISIC-2018 [24] ............................... 38 Hình 4.2. Minh họa unnormalized confusion matrix và normalized confusion matrix ................................................................................................................ 40 Hình 4.3. Minh họa cách tính Precision và Recall .............................................. 40 Hình 4.4. Hình (a) mẫu ảnh gốc, hình (b) mẫu ảnh phân vùng gốc ..................... 43 Hình 4.5. Hình (a) mẫu ảnh gốc, hình(b) mẫu ảnh phân vùng qua mô hình ........ 43 Hình 4.6. Biểu đồ thể hiện hiệu suất của mô hình phân vùng ở dữ liệu huấn luyện và kiểm tra ......................................................................................................... 43 Hình 4.7. Kết quả kiểm tra mô hình trên tập dữ liệu không qua khối phân vùng 44 Hình 4.8. Kết quả kiểm tra mô hình trên tập dữ liệu đã phân vùng từ CSDL ...... 45 Hình 4.9. Kết quả kiểm tra mô hình trên tập dữ liệu đã qua khối phân vùng được xây dựng ở mục 4.4.1 ........................................................................................ 46 Hình 4.10. Kết quả kiểm tra mô hình trên tập dữ liệu vào không qua tiền xử lý . 47 Hình 4.11. Tác động của Learning rate lên mô hình phân loại ........................... 48 ix Hình 4.12. Tỉ lệ nhận dạng lỗi của mô hình phân loại trong trường hợp có lớp Dropout ............................................................................................................. 49 Hình 4.13. Tỉ lệ nhận dạng lỗi của mô hình phân loại trong trường hợp không có lớp Dropout ....................................................................................................... 49 DANH MỤC CÁC BẢNG Bảng 4.1. Ví dụ đơn giản về confusion matrix ................................................... 39 Bảng 4.2. Kịch bản huấn luyện và kiểm tra cho trường hợp 1 của mô hình phân loại .................................................................................................................... 42 Bảng 4.3. Kịch bản huấn luyện và kiểm tra cho trường hợp 2 của mô hình phân loại .................................................................................................................... 42 Bảng 4.4. Kịch bản huấn luyện và kiểm tra cho trường hợp 3 của mô hình phân loại .................................................................................................................... 42 Bảng 4.5. Thống kê kết quả thu được của 3 trường hợp cho bài toán phân loại .. 50 Bảng 4.6. Thống kê kết quả thu được 3 trường hợp cho bài toán phân loại của tác giả Adri`a Romero L´opez ................................................................................. 50 1 MỞ ĐẦU 1. Tính cấp thiết của đề tài Bệnh ngoài da phổ biến là một vấn đề y tế cộng đồng nghiêm trọng ở hầu hết các nước trên thế giới, đặc biệt là ở các nước đang phát triển. Nó là một trong những nguyên nhân gây gánh nặng bệnh tật toàn cầu, ảnh hưởng đến hàng triệu người trên toàn thế giới. Các yếu tố lão hóa, môi trường, di truyền và chấn thương có thể dẫn đến sự phát triển của một loạt các bệnh ngoài da [7]. Chẩn đoán bệnh ngoài da là một lĩnh vực y tế phát triễn mạnh mẽ bằng cách sử dụng các kỹ thuật trí tuệ nhân tạo. Các bệnh được sàng lọc trực quan và nhiều chẩn đoán bệnh được thực hiện nghiêm ngặt với khám nghiệm trực quan tại phòng khám. Một nhiệm vụ khó khăn là phát hiện tổn thương da giữa ung thư da (u ác tính, ung thư biểu mô) và tổn thương lành tính (nevi, keratosis seborrheic). Với 5,4 triệu trường hợp ung thư da được chẩn đoán mỗi năm chỉ riêng ở Hoa Kỳ( khảo sát năm 2015) cho thấy nhu cầu sàng lọc lâm sàng nhanh chóng và hiệu quả đang gia tăng [8]. Bệnh nhân với ung thư da có xu hướng bị ảnh hưởng với nhiều nguyên nhân khác nhau, và vì vậy một trong những thách thức trong khám sàng lọc ung thư da là xác định chúng trong vô số tổn thương lành tính. Một yếu tố quan trọng khác của những chẩn đoán này dựa trên việc kiểm tra thời gian thay đổi tổn thương, tổn thương thay đổi nhanh có nhiều khả năng gây ác tính. Như vậy, bệnh nhân và bệnh viện cần các công cụ để hỗ trợ quy mô này. Những tiến bộ gần đây trong phát hiện và theo dõi bệnh ngoài da sử dụng các mô hình machine learning như mạng neural tích chập CNN có tiềm năng tăng cường khả năng chăm sóc sức khỏe bằng phát hiện các điểm ác tính, và phát hiện các tổn thương tương ứng trên các hình ảnh, cho phép chúng được theo dõi tạm thời. Luận văn này tập trung vào việc tìm hiểu bệnh ngoài da, áp dụng các thuật toán tối ưu để huấn luyện hệ thống chẩn đoán tổn thương da có khả năng bị ung thư da. Phương pháp soi da là một trong những phương thức hình ảnh chính được sử dụng trong chẩn đoán da các tổn thương như u ác tính và các tổn thương sắc tố khác. Nhưng trong luận văn này, để giảm thiểu các lỗi chẩn đoán do kết quả soi da khó khăn và tính chủ quan của việc giải thích trực quan, luận văn sẽ phát triển các giải thuật phân tích hình ảnh dựa trên database có sẵn đã thu thập được. 2. Mục tiêu nghiên cứu Giải quyết bài toán nhận dạng hình ảnh bằng mô hình mạng nơ-ron. Xây dựng được hệ thống mạng nơ-ron phát hiện khả năng ung thư da dựa vào hình ảnh. 2 Kế thừa được ưu điểm của các kiến trúc trong mạng nơ-ron. Nghiên cứu, đánh giá hệ thống mạng nơ-ron dựa trên cơ sở dữ liệu ISIC-2018. Trong quá trình thực hiện luận văn, tôi cũng học hỏi và rèn luyện được một số kiến thức và kỹ năng sau: - Ứng dụng nội dung được học trong quá trình đào tạo vào thực tiễn. Tăng cường kiến thức về nhận dạng hình ảnh, cụ thể về mạng Nơ-ron truyền thống, Nơ-ron network, mạng Nơ-ron sâu tạo nền tảng cơ bản cho quá trình nghiên cứu sau này. - Nâng cao kỹ năng thực hành với ngôn ngữ lập trình python, các framework tensorflow, thư viện keras. - Tạo thói quen và rèn luyện kĩ năng đọc tài liệu khoa học, đặc biệt là tài liệu tiếng anh. 3. Đối tượng và phạm vi nghiên cứu a. Đối tượng nghiên cứu - Mô hình mạng nơ-ron tích chập Unet dùng cho bài toán phân vùng. Mô hình mạng nơ-ron VGG dùng cho bài toán phân loại bệnh lành tính hay ác tính. Đánh giá hiệu suất của hai mô hình. Cơ sở dữ liệu ISIC-2018 – dùng trong khảo sát và đánh giá hệ thống. b. Phạm vi nghiên cứu - Nhận dạng hình ảnh tự nhiên. Phân tích, xử lý ảnh. Mạng Nơ-ron nhân tạo. Cơ sở dữ liệu. 4. Phương pháp nghiên cứu Luận văn này tập trung vào vấn đề tự động phát hiện tổn thương da và đưa ra chẩn đoán ác tính hay lành tính. Áp dụng thuật toán phân vùng và phân loại từ hình ảnh da liễu bằng cách sử dụng mạng nơ-ron nhân tạo Đối với vấn đề đầu tiên là xây dựng một mạng nơ-ron để xác định trích xuất ra vùng da bị tổn thương Đối với vấn đề thứ hai là xây dựng một mạng nơ-ron với vai trò là phân loại là vùng da bị tổn thương đó thuộc loại bệnh lành tính hay ác tính Hệ thống được tiến hành đánh giá dựa trên bộ cơ sở dữ liệu chính là ISIC-2018. 3 Phương pháp nghiên cứu xuyên suốt của luận văn là kết hợp nghiên cứu lý thuyết, và đánh giá thông qua mô phỏng thực nghiệm. Quá trình thực hiện bao gồm các bước: xây dựng mô hình, huấn luyện, đánh giá khả năng chẩn đoán bị ung thư da. 5. Bố cục đề tài Trong luận văn “ỨNG DỤNG MẠNG NƠ-RON XÁC ĐỊNH KHẢ NĂNG UNG THƯ DA DỰA VÀO HÌNH ẢNH”, tôi tập trung vào việc nghiên cứu, xây dựng và khảo sát hiệu quả của hệ thống để giải quyết bài toán áp dụng mạng nơ-ron tạo ra chương trình xác định khả năng ung thư da dựa vào hình ảnh. Nội dung của luận văn gồm 4 chương: Chương 1: Tổng quan về bệnh ung thư da. Chương 2: Tổng quan về mạng Nơ-ron tích chập. Chương 3: Xây dựng hệ thống chẩn đoán khả năng ung thư da dựa vào hình ảnh. Chương 4: Kết quả thực nghiệm và đánh giá. 4 CHƯƠNG 1. TỔNG QUAN VỀ BỆNH UNG THƯ DA 1.1. Giới thiệu chương Trong các bệnh ung thư, ung thư da là căn bệnh khá phổ biến và biểu hiện bệnh qua các khối u ở da. Như chúng ta đã biết, da là bộ phận lớn nhất trên cơ thể người, thường xuyên tiếp xúc với ánh sáng mặt trời và các loại virus. Hai yếu tố trên khiến da có nguy cơ mắc ung thư cao. Chương 1 sẽ giới thiệu tổng quan về cấu tạo của da và các loại bệnh ung thư da ảnh hưởng đến sức khỏe của con người. 1.2. Lý thuyết cấu tạo giải phẫu, sinh lý của da Da là cơ quan của hệ bài tiết, có nhiệm vụ: bao bọc cơ thể, bảo vệ cơ thể khỏi bức xạ có hại của ánh sáng, ngăn không cho vi khuẩn và các sinh vật có hại xâm nhập cơ thể. Da người có cấu tạo gồm 3 lớp: Lớp biểu bì, lớp bì và lớp mỡ dưới da (xem Hình 1.1). Hình 1.1. Cấu tạo của da người [1]. Ở lớp biểu bì có tầng sừng và tầng tế bào sống. Tầng sừng gồm có các tế bào đã chết, xếp sít nhau, rất dễ bong ra. Tầng tế bào sống gồm các tế bào có khả năng phân chia tạo thành tế bào mới, chứa các hạt sắc tố tạo nên màu da, một số tế bào sống phân hóa thành tế bào sinh lông và tế bào sinh móng. Lớp bì được cấu tạo từ các sợi mô liên kết bền chặt, gồm các thụ quan, tuyến nhờn, tuyến mồ hôi, lông và bao lông, cơ co chân lông, mạch máu. Cơ quan cảm giác 5 có mặt ở lớp bì bao gồm các tận cùng thần kinh nhạy cảm. Sự phân bố và mật độ của các cơ quan cảm giác rất thay đổi, chúng tập trung nhiều nhất ở môi và đầu ngón tay. Lớp mỡ dưới da có các thành phần như: mô mỡ giúp bảo vệ da khỏi những tác động cơ học, cách nhiệt và lớp mỡ dưới da còn chứa dây thần kinh giúp da nhận biết được những kích thích từ môi trường [1]. Chất sừng: Là một chất đạm trong đó có axit amin kết hợp với lưu huỳnh. Sừng là một chất kém bền vững, có phần nào dễ co dãn, dựa vào tính chất này người ta có thể dùng những chất hóa học làm thay đổi cấu trúc của nó. Vì thế trong môi trường sống hiện nay đang bị ô nhiễm, các làng nghề, chất hóa học trong công nghiệp chưa xử lý thải ra môi trường ngày càng nhiều. Cường độ lao động của người dân càng cao, làm cho lớp sừng trên da bị thay đổi, kém bền vững, chân tay sõy xỏt là điều kiện thuận lợi cho vi trùng, ký sinh trùng, các bệnh dị ứng phát triển mạnh [1]. Da có nhiệm vụ che chở cho cơ thể, bảo vệ cơ thể chống lại sự xâm nhập của vi trùng, ký sinh trùng, các tác nhân cơ giới, lý, hóa học có hại cho da. Do cấu trúc và sự biến hóa không ngừng của các lớp tế bào thượng bì, những vi khuẩn ký sinh trên da luôn luôn bị đẩy lùi, đào thải cùng tế bào sừng. Lớp ngoài cùng của da có màng sáp gồm: Ion, Cl -, Na+, axit amin, đường, Ure, Cholin, mỡ, ngăn nước và các chất hóa học thấm qua da, mùa hè mồ hôi tiết nhiều, để lâu biến thành Amoniac, da trở nên kiềm pH, 6,5 - 7 vi khuẩn, nấm có điều kiện phát triển. Vì thế mà bệnh ngoài da hay xuất hiện vào mùa hè, ở nông thôn, công nhân lao động trong hoàn cảnh nóng, ẩm, thường xuyên dầm nước. Da có màng sáp bảo vệ những thuốc tan trong nước, không bốc hơi sẽ không thấm được qua da. Những kim loại nặng như chì, Asen có thể phá vỡ màng sỏp gõy nhiễm độc da. Ngoài ra da cũng có chức năng bài tiết chất bã chống thấm nước làm da mềm mại, kháng vi khuẩn và nấm[1]. Qua cấu tạo, đặc điểm sinh hóa, sinh lý da ta thấy tầm quan trọng của da trong việc bảo vệ cơ thể chống lại sự xâm nhập của vi trùng, ký sinh trùng, hóa chất độc hại đối với cơ thể. Da cũng tham gia phản ứng miễn dịch, điều hoà thân nhiệt giúp cho cơ thể hoạt động tốt. 1.3. Đặc điểm của bệnh ung thư da Ung thư da là một trong những bệnh ảnh hướng lớn đến sức khỏe của con người. Nó được gây ra bởi sự phát triển của các tế bào ung thư trên bất kỳ lớp da nào và xảy ra khi các tế bào trong một bộ phận cơ thể bắt đầu phát triển ngoài tầm kiểm soát và lan sang các cơ quan và mô khác. Có hai loại ung thư da chính là ung thư hắc tố ác tính (MM) và ung thư da không phải khối u ác tính (NMSC). Quá trình hình thành u lành và u ác có nhiều điểm giống nhau. Mỗi tế bào có một chu kỳ phát triển và chết đi 6 nhất định. Khi tế bào già chết đi, và một tế bào non ra đời kế tiếp vị trí, chức năng của tế bào cũ. Trong một số trường hợp, đột biến gen làm cho tế bào già không chết đi, những tế bào mới vẫn sinh ra không ngừng, dẫn tới sự tích tụ, gọi là một khối u. 1.3.1. Ung thư da không phải khối u ác tính Ung thư da không phải khối u ác tính bao gồm ung thư biểu mô tế bào đáy (BCC) và ung thư biểu mô tế bào vảy (SCC). Ung thư biểu mô tế bào đáy (BCC) (xem hình 1.2) là ung thư da phổ biến nhất, tuy nhiên ít nguy hiểm nhất nếu được phát hiện sớm. Ung thư này bắt đầu trong các tế bào đáy. Các tế bào cơ bản bình thường xếp lớp biểu bì. Chúng là những tế bào da thay thế tế bào cũ bằng những tế bào mới. Ung thư của các tế bào cơ bản dẫn đến các khối u xuất hiện trên bề mặt da. Những khối u này thường trông giống như vết loét, tăng trưởng, vết sưng, vết sẹo hoặc các mảng màu đỏ, thường là ở các bộ phận của cơ thể tiếp xúc với ánh nắng mặt trời như mặt, đầu, cổ, tai, vai và lưng, tuy nhiên xảy ra thường xuyên nhất ở mặt, điều này loại hiếm khi gây di căn [3 - 6]. Hình 1.2. Ung thư biểu mô tế bào đáy. Trong khi BCC hầu như không bao giờ lan đến những nơi khác trong cơ thể (di căn), nó vẫn có thể dẫn đến sự biến dạng. Trong trường hợp hiếm hoi, nó có thể lan sang các bộ phận khác của cơ thể. Nếu có, nó có thể trở thành mối đe dọa tính mạng. Hầu như tất cả BCC phát triển trên các bộ phận của cơ thể thường xuyên tiếp xúc với ánh nắng mặt trời. Các khối u có thể phát triển trên mặt, tai, vai, cổ, da đầu và cánh tay. Trong trường hợp rất hiếm, các khối u phát triển trên những vùng không thường xuyên tiếp xúc với ánh sáng mặt trời. 7 Ung thư biểu mô tế bào vảy (SCC) (xem hình 1.3) là sự tăng trưởng mất kiểm soát của các tế bào bất thường, phát sinh trong các tế bào vảy, là các tế bào hình thành các lớp trên của da (biểu bì). Bệnh thường trông giống các mảng đỏ có vảy, vết thương hở, các khối u có phần trung tâm lõm xuống hoặc mụn cóc. Chúng có thể tróc vảy hoặc chảy máu. Chúng có thể gây mất thẩm mỹ và đôi khi gây tử vong nếu để phát triển. Hình 1.3. Ung thư biểu mô tế bào vảy. Loại ung thư này thường xuất hiện trên khu vực tiếp xúc tia cực tím trong ánh nắng mặt trời của cơ thể như mặt, tai, cổ, môi, và lưng bàn tay. Ung thư biểu mô tế bào vảy cũng có thể phát triển trong những vết sẹo hay các vết loét da mãn tính ở những vùng khác của da trong cơ thể. Ung thư tế bào vảy có nhiều khả năng để phát triển thành các lớp sâu hơn của da và lây lan đến các bộ phận khác trong cơ thể so với ung thư tế bào đáy. 1.3.2. Ung thư hắc tố ác tính Ung thư hắc tố là dạng ung thư da nguy hiểm nhất. Tế bào ung thư phát triển khi các tổn thương Axit đêoxiribonucleic (ADN) không được chữa trị gây tổn hại tới tế bào da, nguyên nhân thường do bức xạ tia cực tím từ ánh nắng mặt trời và việc nhuộm da kích thích đột biến làm cho tế bào da nhân lên nhanh chóng hình thành các khối u ác tính. Những khối u này bắt nguồn từ các tế bào melanocyte sản sinh sắc tố ở lớp đáy biểu bì. U hắc tố thường giống nốt ruồi, một số phát triển từ nốt ruồi. Phần lớn các u hắc tố có màu đen hoặc nâu, nhưng cũng có thể là màu da, hồng, đỏ, tím, xanh hoặc trắng. Nếu ung thư hắc tố được phát hiện sớm, bệnh có thể chữa trị. Ngược lại, nếu bệnh đã tiến triển tới giai đoạn muộn và di căn sang các phần khác của cơ thể, việc 8 điều trị rất khó và tỉ lệ tử vong cao. Dù bệnh này không phải là dạng phổ biến nhất trong các dạng ung thư da nhưng nó gây ra hầu hết các trường hợp tử vong. Trong năm 2016, ước tính có khoảng 76.380 trường hợp có khối u ác tính xâm lấn, với khoảng 46.870 ca bệnh ở nam giới và 29.510 ca bệnh ở nữ giới. [9]. Ung thư hắc tố có 4 dạng cơ bản bao gồm 3 dạng bắt đầu tại chỗ (in situ) - có nghĩa là khối u chỉ nằm ở các lớp trên cùng của da - và đôi khi xâm lấn; dạng thứ tư ngay từ khi hình thành đã bắt đầu xâm lấn. Khối u hắc tố xâm lấn nguy hiểm hơn, một khi chúng đã thâm nhập sâu hơn vào da, chúng có thể lan ra các khu vực khác của cơ thể [10]. Dạng phổ biến nhất là ung thư hắc tố lan trên bề mặt (Superficial spreading melanoma) (xem hình 1.4). Trong một khoảng thời gian khá dài, khối u phát triển tại các lớp da trên cùng trước khi thâm nhập sâu hơn. Dấu hiệu đầu tiên là sự xuất hiện của một mảng da phẳng hoặc hơi lồi có màu thay đổi và có viền bất bình thường. Đây là loại u ác tính có thể hình thành từ một nốt ruồi lành tính. Hình 1.4. Ung thư hắc tố lan trên bề mặt (Superficial spreading melanoma). [11] Ung thư hắc tố lentigo (Lentigo maligna) (hình 1.5) tương tự như ung thư hắc tố lan trên bề mặt vì nó cũng xuất hiện gần với bề mặt da trong một khoảng thời gian. Đây là dạng ung thư hắc tố tại chỗ thường thấy nhất ở người già, phát sinh sau thời gian dài tiếp xúc với ánh nắng, da bị hư hỏng trên mặt, tai, tay và thân trên. 9 Hình 1.5. Ung thư hắc tố lentigo (Lentigo maligna). [11] Dạng 3 ung thư hắc tố Acral lentiginousmelanoma (hình 1.6) cũng xuất hiện trên bề mặt trước khi thâm nhập sâu hơn. Dấu hiệu gồm có sự đổi màu đen hoặc nâu dưới móng tay hoặc lòng bàn tay, bàn chân. Bệnh thường tiến nhanh hơn so với hai dạng bệnh đầu. Đây là loại khối u hắc tố thường gặp nhất ở người Mỹ gốc Phi và người châu Á, đôi khi được tìm thấy ở người da đen và ít gặp ở người da trắng [11]. Hình 1.6. Ung thư hắc tố Acral lentiginous melanoma. [11] Dạng 4 Ung thư hắc tố dạng nốt (Nodular melanoma) (hình 1.7) thường đã di căn tại thời điểm chẩn đoán. Các khối u có dạng vết sưng màu đen, màu xanh, xám, trắng, nâu, nâu, đỏ hoặc màu da. U xuất hiện ở thân, chân và cánh tay, chủ yếu là ở người cao tuổi và nó cũng có thể có da đầu ở nam giới. Đây là dạng phức tạp nhất và được tìm thấy trong 10 đến 15% các trường hợp [11]. Hình 1.7. Ung thư hắc tố dạng nốt (Nodular melanoma). [11] Các giai đoạn tiến triển bệnh: Ung thư hắc tố giai đoạn đầu (giai đoạn 0 và I) khu trú tại phạm vi nhất định; giai đoạn 0, khối u không xâm lấn và không xâm nhập vào bên dưới bề mặt da, trong khi các khối u ở giai đoạn I đã xâm chiếm một phần da nhỏ và phân bào chậm để phát triển. Giai đoạn II khối u lớn hơn và/ hoặc có thể bị loét; 10 đây được coi là giai đoạn trung gian. Ung thư hắc tố giai đoạn cuối (giai đoạn III và IV) di căn tới các bộ phận khác của cơ thể. 1.4. Dấu hiệu nhận biết ung thư da Nốt ruồi, đốm nâu trên da thường vô hại. Tuy nhiên những ai có hơn 100 nốt ruồi trên cơ thể có nguy cơ mắc ung thư hắc tố cao hơn bình thường. Những dấu hiệu bệnh đầu tiên có thể xuất hiện ở một hoặc nhiều nốt ruồi không điển hình. Đó là lý do tại sao việc nhận ra các thay đổi của nốt ruồi là vô cùng quan trọng. 1.4.1. Tính bất đối xứng Nốt ruồi lành tính có dạng đối xứng. Nếu vẽ một đường qua tâm nó sẽ chia khối u thành hai phần bằng nhau. Nếu vẽ một đường thẳng qua một khối u bất thường hai nửa sẽ không đối xứng – chính là một dấu hiệu cảnh báo cho khối u ác tính (hình 1.8). Hình 1.8. Tính đối xứng và bất đối xứng của nốt ruồi lành tính và ác tính. [11] 1.4.2. Đường viền Một nốt ruồi lành tính có bề mặt và viền nhẵn. Trong khi đó, viền của một khối u hắc tố ác tính ở giai đoạn đầu có xu hướng không đồng đều, thường có dạng vỏ sò hoặc có các khe hình chữ V (hình 1.9). Hình 1.9. Đường viền của nốt ruồi lành tính và ác tính. [11] 1.4.3. Màu sắc Hầu hết các nốt ruồi lành tính có màu đồng đều - thường là màu nâu. Nốt ruồi nhiều màu là một tín hiệu cảnh báo. Một số sắc thái khác nhau của màu nâu, 11 chàm hoặc đen có thể xuất hiện. Khối u hắc tố cũng có thể chuyển thành màu đỏ, trắng hoặc màu xanh (hình 1.10). Hình 1.10. Màu sắc của nốt ruồi lành tính và ác tính. [11] 1.4.4. Đường kính Nốt ruồi lành tính thường có đường kính nhỏ hơn so với những khối u ác tính. Đường kính u hắc tố thường lớn khoảng ¼ inch hoặc 6mm, nhưng đôi khi chúng trông nhỏ hơn khi phát hiện sớm (hình 1.11). Hình 1.11. Đường kính của nốt ruồi lành tính và ác tính. [11] 1.4.5. Quy mô phát triển Thông thường, nốt ruồi lành tính không biến đổi theo thời gian. Hãy cảnh giác khi một nốt ruồi bắt đầu phát triển hoặc thay đổi theo bất kỳ cách nào. Những thay đổi về kích thước, hình dạng, màu sắc, độ cao, hoặc các triệu chứng như chảy máu, ngứa hoặc đóng vảy đều là những dấu hiệu nguy hiểm (hình 1.12). Hình 1.12. Sự phát triển của nốt ruồi ác tính. [11] 12 1.5. Phương pháp chẩn đoán ung thư da Hiện tại căn bệnh này đại diện cho một vấn đề sức khỏe nghiêm trọng, việc tìm kiếm những phương pháp chẩn đoán lâm sàng chính xác là mối quan tâm thường trực của các bác sĩ da liễu. 1.5.1. Phương pháp soi da Phương pháp soi da đã được biết đến từ thế kỷ 17. Nhưng chỉ được tập trung nghiên cứu trong vòng 40 năm trở lại đây chủ yếu tại Graz (Cộng hòa Áo) và được ứng dụng để tăng độ chính xác của chuẩn đóan ung thư da bằng cách phân loại cấu trúc nốt ruồi [12]. So sánh kết quả của kiểm tra sinh thiết và phương pháp soi da, thấy rằng phương pháp soi da có thể áp dụng để nhận dạng khối u ác tính. Vì vậy, chúng ta có thể hoàn toàn tin tưởng phương pháp này, bởi vì nó đã trải qua một quá trình nghiên cứu khoa học nghiêm ngặc trên nhiều trường hợp bệnh. 1.5.2. Phương pháp xử lý hình ảnh da bị tổn thương Ngày nay, một số phương pháp về lĩnh vực xử lý ảnh đã được phát triển bằng thuật toán hoặc hệ thống để phát hiện và phân loại các loại bệnh thông qua hình ảnh da bị tổn thương. Trong luận văn này sẽ chú trọng vào việc áp dụng thuật toán để trích xuất hình dạng của tổn thương da và sau đó trích xuất các đặc điểm quan tâm. Phát triển một hệ thống tương quan với các thuật toán để thực hiện chẩn đoán chính xác. 1.6. Kết luận chương Chương 1 đưa ra tầm nhìn tổng quan về bệnh ung thư da. Đặc điểm các loại bệnh ung thư lành tính và ác tính. Mối nguy hiểm của ung thư da đến tính mạng của con người. Khảo sát các phương pháp chẩn đoán ung thư da và đưa ra bài toán chẩn đoán ung thư da dựa vào hình ảnh. Chương 2 và chương 3 sẽ trình bày rõ ràng và chi tiết hơn về bài toán này.