Số hóa phiếu xét nghiệm sử dụng kỹ thuật trí tuệ nhân tạo

BỘ CÔNG THƯƠNG
TRƯỜNG ĐẠI HỌC CÔNG NGHIỆP THÀNH PHỐ HỒ CHÍ MINH

NGUYỄN NGỌC DUY

SỐ HĨA PHIẾU XÉT NGHIỆM SỬ DỤNG KỸ
THUẬT TRÍ TUỆ NHÂN TẠO

Chuyên ngành: KHOA HỌC MÁY TÍNH
Mã chuyên ngành: 8480101

LUẬN VĂN THẠC SĨ

THÀNH PHỐ HỒ CHÍ MINH, NĂM 2022


Cơng trình được hồn thành tại Trường Đại học Cơng nghiệp TP. Hồ Chí Minh.
Người hướng dẫn khoa học: PGS.TS. Huỳnh Trung Hiếu
Luận văn thạc sĩ được bảo vệ tại Hội đồng chấm bảo vệ Luận văn thạc sĩ Trường Đại
học Cơng nghiệp thành phố Hồ Chí Minh ngày 02 tháng 03 năm 2022.
Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm:
1. PGS. TS. Nguyễn Hòa .................................... - Chủ tịch Hội đồng
2. TS. Lê Thành Sách .......................................... - Phản biện 1
3. TS. Đặng Thị Phúc .......................................... - Phản biện 2
4. TS. Phạm Thị Thiết ......................................... - Ủy viên
5. TS. Lê Nhật Duy ............................................. - Thư ký
(Ghi rõ họ, tên, học hàm, học vị của Hội đồng chấm bảo vệ luận văn thạc sĩ)

CHỦ TỊCH HỘI ĐỒNG

TRƯỞNG KHOA/VIỆN

CÔNG NGHỆ THƠNG TIN

PGS. TS. NGUYỄN HỊA

PGS. TS. HUỲNH TRUNG HIẾU


BỘ CƠNG THƯƠNG
TRƯỜNG ĐẠI HỌC CƠNG NGHIỆP
THÀNH PHỐ HỒ CHÍ MINH

CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM

Độc lập - Tự do - Hạnh phúc

NHIỆM VỤ LUẬN VĂN THẠC SĨ
Họ tên học viên: NGUYỄN NGỌC DUY ..................... MSHV: 19000111
Ngày, tháng, năm sinh: 25/09/1991 ............................... Nơi sinh: Đồng Tháp
Chuyên ngành: Khoa học Máy tính ............................... Mã chuyên ngành: 8480101
I. TÊN ĐỀ TÀI: SỐ HÓA PHIẾU XÉT NGHIỆM SỬ DỤNG KỸ THUẬT TRÍ
TUỆ NHÂN TẠO. …………………………………………………………………
NHIỆM VỤ VÀ NỘI DUNG:
-

Nghiên cứu giải pháp số hóa dữ liệu.
Tiền xử lý dữ liệu dựa trên yêu cầu các bước và thực hiện các bước theo giải
pháp.
Ứng dụng công cụ xử lý số hóa dữ liệu phiếu xét nghiệm covid19.
Phân tích kết quả và đưa ra hướng phát triển.

II. NGÀY GIAO NHIỆM VỤ: Theo Quyết định số 1032/QĐ-ĐHCN ngày
09/8/2021 về việc giao đề tài và cử người hướng dẫn luận văn thạc sĩ.
III. NGÀY HOÀN THÀNH NHIỆM VỤ: 09/02/2022.
IV. NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS. TS. Huỳnh Trung Hiếu.
Tp. Hồ Chí Minh, ngày … tháng 3 năm 2022
NGƯỜI HƯỚNG DẪN

CHỦ NHIỆM BỘ MÔN ĐÀO TẠO

(Họ tên và chữ ký)

(Họ tên và chữ ký)

PGS. TS. HUỲNH TRUNG HIẾU
TRƯỞNG KHOA/VIỆN ….………
(Họ tên và chữ ký)


LỜI CẢM ƠN
Trong quá trình thực hiện luận văn cũng như trong những năm học vừa qua, Tôi đã
nhận được sự chỉ bảo và hướng dẫn tận tâm của thầy PGS. TS. Huỳnh Trung Hiếu.
Lời đầu tiền tôi xin gửi tới thầy lời cảm ơn chân thành và sâu sắc nhất.
Tôi xin chân thành cảm ơn tới các thầy, cô Khoa Công nghệ Thông tin, trường Đại
học Công Nghiệp TP. HCM đã tận tình dạy dỗ trùn đạt cho tơi những kiến thức
chuyên sâu về chuyên ngành trong suốt thời gian học tập để tơi có được nền tảng kiến
thức hỗ trợ rất lớn cho tơi trong q trình làm luận văn thạc sĩ.
Tôi cũng xin gửi lời cảm ơn chân thành đến thầy Lê Nhật Duy – Phó khoa Công
nghệ thông tin đã hướng dẫn và giúp đỡ các biểu mẫu và quy trình hồn thành đề tài
luận văn từ khi bắt đầu đăng ký đề cương đến khi bảo vệ luận văn.
Xin gửi lời cảm ơn đến thầy cơ, cán bợ phịng Quản lý sau đại học đã tận tình giúp

đỡ, hỗ trợ tơi trong q trình làm luận văn.
Trong quá trình thực hiện, do hạn chế về kiến thức, kinh nghiệm cũng như thời gian
nghiên cứu còn hạn chế, luận văn không thể tránh khỏi những sai sót.
Tơi rất mong nhận được những ý kiến đóng góp của q Thầy, Cơ để luận văn được
hồn thiện hơn.
Trân Trọng cảm ơn.

i


TÓM TẮT LUẬN VĂN THẠC SĨ
Trong luận văn, tác giả nghiên cứu tiếp cận số hóa mẫu phiếu xét nghiệm. Tiếp cận
đề x́t dựa trên mơ hình học sâu và sử dụng một số kỹ thuật hiện đại, luận văn bao
gồm các bước: Bước 1 - Sử dụng thuật toán Yolov4 (You only look once version 4)
xây dựng công cụ trích xuất đối tượng id, tên xét nghiệm, phương pháp, kết quả xét
nghiệm trên đối tượng phiếu xét nghiệm. Bước 2 - Sử dụng tiếp cận CTPN
(Connectionist Text Proposal Network) trích xuất ảnh chứa văn bản từ những đối
đượng id, tên xét nghiệm, phương pháp, kết quả. Bước 3 - Sau khi đã có đối tượng
ảnh chứa văn bản, tác giả sử dụng tiếp cận Tranformer OCR để nhận dạng ký tự từ
các đối tượng ảnh text.

ii


ABSTRACT
In this thesis, author investgated in digitailizing medical test. The proposed approach
is based on deep learning model and using modern techniques, it includes steps: Step
1 - Using Yolov4 (You only look once version 4) to detection object id, test name,
method, test result on the test form object. Step 2 - Using the CTPN (Connectionist
Text Proposal Network) to extract text images from the id, test names, methods, and

results. Step 3 - After having the text image object, use the Transformer OCR
algorithm is applied to recognize characters from the text image objects.

iii


LỜI CAM ĐOAN
Tơi xin cam đoan đây là cơng trình nghiên cứu của bản thân tôi. Các kết quả nghiên
cứu và các kết luận trong luận văn là trung thực, không sao chép từ bất kỳ một nguồn
nào và dưới bất kỳ hình thức nào. Việc tham khảo các nguồn tài liệu (nếu có) đã được
thực hiện trích dẫn và ghi nguồn tài liệu tham khảo đúng quy định.
Học viên
(Chữ ký)

NGUYỄN NGỌC DUY

iv


MỤC LỤC
LỜI CẢM ƠN ..................................................................................................... i
TÓM TẮT LUẬN VĂN THẠC SĨ .................................................................... ii
ABSTRACT ...................................................................................................... iii
LỜI CAM ĐOAN ............................................................................................. iv
MỤC LỤC ...........................................................................................................v
DANH MỤC HÌNH ẢNH .............................................................................. viii
DANH MỤC BẢNG BIỂU .............................................................................. xi
DANH MỤC TỪ VIẾT TẮT ........................................................................... xii
MỞ ĐẦU .............................................................................................................1
1. Đặt vấn đề ...........................................................................................................1

2. Mục tiêu nghiên cứu ............................................................................................1
2.1 Mục tiêu nghiên cứu tổng quát......................................................................1
2.2 Mục tiêu nghiên cứu cụ thể ...........................................................................1
3. Đối tượng và phạm vi nghiên cứu .......................................................................2
3.1 Đối tượng ......................................................................................................2
3.2 Phạm vi nghiên cứu .......................................................................................2
4. Cách tiếp cận và phương pháp nghiên cứu .........................................................2
4.1 Cách tiếp cận .................................................................................................2
4.2 Thời gian nghiên cứu ....................................................................................3
4.3 Địa điểm nghiên cứu .....................................................................................3
4.4 Vật liệu nghiên cứu .......................................................................................3
4.5 Phương pháp .................................................................................................3
5. Ý nghĩa thực tiễn của đề tài.................................................................................3
TỔNG QUAN VỀ LĨNH VỰC NGHIÊN CỨU ...................................5
1.1 Tổng quan về đề tài ...........................................................................................5
1.2 Khó khăn thách thức .........................................................................................7
1.3 Đề xuất hướng giải quyết ..................................................................................7
CƠ SỞ LÝ THUYẾT ............................................................................8

v


2.1 Nhận dạng đối tượng, nhận dạng ký tự OCR ....................................................8
2.1.1 Nhận dạng đối tượng ..................................................................................8
2.1.2 Nhận dạng ký tự .......................................................................................10
2.2 Các khái niệm, phương pháp tiền xử lý dữ liệu ..............................................10
2.2 YOLO ..............................................................................................................14
2.2.1 Các phiên bản YOLO ...............................................................................14
2.2.2 Kiến trúc YOLOv4 ...................................................................................15
2.2.3 So sánh với các mơ hình khác ..................................................................18

2.3 CTPN ...............................................................................................................19
2.3.1 Kiến trúc CTPN........................................................................................21
2.3.2 So sánh với các phương pháp khác ..........................................................24
2.4 Tranformer OCR .............................................................................................26
2.4.1 Kiến trúc Tranformer OCR ......................................................................27
2.5 Luận văn thạc sĩ “Đề tài Trí tuệ nhân tạo trong chuyển đổi số: ứng dụng hỗ
trợ thu thập chỉ số đường huyết của thai phụ” của học viên Nguyễn Phạm Thanh
Tâm........................................................................................................................32
PHƯƠNG PHÁP ĐỀ XUẤT ...............................................................35
3.1 Mơ hình tổng quát ...........................................................................................35
3.2 Thu thập dữ liệu. .............................................................................................36
3.2.1 Tập dữ liệu phiếu xét nghiệm ..................................................................36
3.2.2 Tập dữ liệu cho phát hiện văn bản ...........................................................42
3.2.3 Tập dữ liệu cho OCR ...............................................................................46
3.2 Các bước xây dựng phương pháp ...................................................................48
3.2.1 Phát hiện đối tượng trên phiếu xét nghiệm ..............................................48
3.2.2 Sử dụng CTPN phát hiện vùng chứa văn bản trên ảnh ............................49
3.2.3 Sử dụng Transformer OCR trích x́t văn bản ........................................49
3.2.4 Quy trình thực nghiệm .............................................................................50
THỰC NGHIỆM ĐÁNH GIÁ KẾT QUẢ ..........................................51
4.1 Phát hiện đối tượng trên phiếu xét nghiệm bằng YOLOv4 ............................51
4.2 Phát hiện ảnh chứa văn bản bằng CTPN .........................................................56
4.3 Nhận dạng ký tự tiếng việt bằng Transformer OCR .......................................60

vi


4.4 Đánh giá ..........................................................................................................65
TÀI LIỆU THAM KHẢO .................................................................................68
PHỤ LỤC ..........................................................................................................70

LÝ LỊCH TRÍCH NGANG CỦA HỌC VIÊN .................................................71

vii


DANH MỤC HÌNH ẢNH
Hình 2.1 Quy trình chung của bài tốn nhận diện đối tượng ......................................9
Hình 2.2 Quy trình chung của bài tốn nhận diện ký tự OCR ..................................10
Hình 2.3 Ví dụ minh họa Cutmix. .............................................................................11
Hình 2.4 Ví dụ minh họa Mosaic data augmentation [3] ..........................................12
Hình 2.5 Ví dụ minh họa Dropblock [4]. ..................................................................12
Hình 2.6 ví dụ One-hot encoding ..............................................................................13
Hình 2.7 Ma trận Gauss ............................................................................................13
Hình 2.8 Kiến trúc YOLOv4 [3]. ..............................................................................15
Hình 2.9 Cấu trúc CSP [9] ........................................................................................16
Hình 2.10 Cấu trúc DenseNet [10] ............................................................................16
Hình 2.11 Mish Activation Function [11]. ................................................................18
Hình 2.12 Kết quả so sánh YOLOv4 với các SOTA (state-of the-art object
detection) trên COCO dataset [3] . ............................................................................19
Hình 2.13 Ví dụ captcha [12] ...................................................................................20
Hình 2.14 Ví dụ chọn text trên ảnh [12]. ..................................................................20
Hình 2.15 Ví dụ minh họa ý tưởng CTPN [12]. .......................................................21
Hình 2.16 Kiến trúc CTPN [13] ................................................................................21
Hình 2.17 Kết quả nhận dạng CTPN trong điều kiện ảnh thiếu sáng [13] . .............25
Hình 2.18 Kết quả phát hiện CTPN trong các trường hợp phạm vi cực nhỏ (trong
khung màu đỏ) [13]. ..................................................................................................26
Hình 2.19 Kiến trúc OCR phổ biến ...........................................................................26
Hình 2.20 Kiến trúc Transformer [20] ......................................................................28
Hình 2.21 Ví dụ input embedding [21] .....................................................................28
Hình 2.22 Minh họa Positional Encoding [21]. ........................................................29

Hình 2.23 Ví dụ trích x́t self-Attention [21]..........................................................29
Hình 2.24 Minh họa tính ma trận Wo [21] ................................................................30
Hình 2.25 Masked Multi-head Attention [21]. .........................................................31
Hình 2.26 Quá trình encode [21]. ..............................................................................31
Hình 2.27 Quá trình decode [21]. ..............................................................................32
Hình 2.28 Mơ hình hệ thống của đề tài .....................................................................32
Hình 3.1 Quy trình thực hiện số hóa trong luận văn. ................................................35
Hình 3.2 Phiếu xét nghiệm covid âm tính .................................................................37
Hình 3.3 Phiếu xét nghiệm covid dương tính ...........................................................37
Hình 3.4 Tập dữ liệu thu thập. ..................................................................................37
Hình 3.5 Sử dụng labelimg dán nhẵn. .......................................................................38
Hình 3.6 Kết quả file ảnh đã dán nhẵn trong labelimg. ............................................38

viii


Hình 3.7 Các đối tượng được dáng nhẵn ..................................................................39
Hình 3.8 Kết quả file txt dán nhẵn 1. ........................................................................39
Hình 3.9 Kết quả file txt dán nhẵn 2 .........................................................................40
Hình 3.10 Thư mục chứa mẫu đã dán nhẵn. .............................................................41
Hình 3.11 Tập dữ liệu ICDAR 2013 .........................................................................42
Hình 3.12 Tập dữ liệu văn bản phiếu xét nghiệm .....................................................42
Hình 3.13 Đối tượng văn bản được dán nhẵn ...........................................................43
Hình 3.14 Dán nhẵn bợ dữ liệu phiếu xét nghiệm. ...................................................43
Hình 3.15 Kết quả dán nhẵn bợ dữ liệu phiếu xét nghiệm........................................44
Hình 3.16 Chuyển đổi dữ liệu đã dán nhẵn từ số thực sang tọa đợ kiểu ngun. .....44
Hình 3.17 Chủn đổi tọa đợ 4 góc. .........................................................................44
Hình 3.18 Chủn đổi tọa độ 4 góc thành dữ liệu đầu vào CTPN............................45
Hình 3.19 Biểu diễn hình ảnh kết quả sau khi chủn đổi........................................45
Hình 3.20 Bợ dữ liệu sau khi chủn đổi. .................................................................46

Hình 3.21 Bợ dữ liệu ảnh Tiếng việt. ........................................................................46
Hình 3.22 Bợ dữ liệu kết hợp trích x́t từ phiếu xét nghiệm ..................................47
Hình 3.23 Dán nhãn dữ liệu ......................................................................................47
Hình 3.24 Dán nhãn dữ liệu phiếu xét nghiệm. ........................................................48
Hình 4.1 Thơng tin máy tính sử dụng. ......................................................................51
Hình 4.2 Kết quả q trình huấn luyện Yolov4. .......................................................51
Hình 4.3 Biểu đồ loss diagram Yolov4. ....................................................................52
Hình 4.4 Kết quả nhận diện Yolov4 1 ......................................................................53
Hình 4.5 Kết quả nhận diện Yolov4 2 ......................................................................53
Hình 4.6 Kết quả nhận diện Yolov4 3 ......................................................................54
Hình 4.7 Kết quả nhận diện Yolov4 4 ......................................................................55
Hình 4.8 Kết quả nhận diện Yolov4 4 ......................................................................55
Hình 4.9 Ảnh các đối tượng trên phiếu xét nghiệm sau khi đã nhận dạng 1. ...........56
Hình 4.10 Thơng tin máy tính sử dụng .....................................................................56
Hình 4.11 Q trình h́n luyện CTPN .....................................................................57
Hình 4.12 Nhận diện câu chữ bằng CTPN trên đối tượng method ...........................57
Hình 4.13 Nhận diện câu chữ bằng CTPN trên đối tượng target_name ...................58
Hình 4.14 Nhận diện câu chữ bằng CTPN trên đối tượng result ..............................58
Hình 4.15 Kết quả trích xuất câu chữ từ các đối tượng 1. ........................................58
Hình 4.16 Kết quả trích x́t câu chữ từ các đối tượng 2. ........................................59
Hình 4.17 Kết quả trích x́t ảnh văn bản đối tượng method. ..................................59
Hình 4.18 Kết quả trích xuất ảnh văn bản đối tượng target_name. ..........................59
Hình 4.19 Kết quả trích x́t ảnh văn bản đối tượng result. .....................................59
Hình 4.20 Thơng tin máy tính h́n luyện. ...............................................................60
Hình 4.21 Kết quả huấn luyện Tranformer OCR. .....................................................60

ix


Hình 4.22 Biểu đồ loss diagram ................................................................................61

Hình 4.23 Kết quả nhận diện ký tự bằng Tranformer OCR ......................................62

x


DANH MỤC BẢNG BIỂU
Bảng 2.1 Đánh giá CPTN trên bộ dữ liệu ICDAR 2013,..........................................25
Bảng 4.1 Kết quả quá trình huấn luyện YOLOv4.....................................................52
Bảng 4.2 Kết quả quá trình huấn luyện CTPN. ........................................................57
Bảng 4.3 Kết quả quá trình huấn luyện Tranformer OCR. .......................................60

xi


DANH MỤC TỪ VIẾT TẮT
AI

Artificial Intelligence

ANN

Artificial Neural Network

AP

Average Precision

CNN

Convolutional Neural Network

CPS

Cross-stage partial connections

CTPN

Connectionist Text Proposal Network

FPN

Feature Pyramid Network

GPU

graphics processing unit

IOU

Intersection over Union

mAP

mean Average Precision

ML

Machine Learning

NN

Neural Network

OCR

Optical Character Recognition

R-CNN

Region-based Convolutional Neural Networks

RNN

Recurrent Neural Network

SOTA

State-Of-The-Art

SSD

Single Shot Multibox Detector

YOLO

You only look once

xii

MỞ ĐẦU
1. Đặt vấn đề
Số hóa phiếu xét nghiệm có tầm quan trọng rất lớn đối với việc xử lý, lưu trữ dữ liệu
của bệnh nhân. Khắc phục tình trạng nhập liệu quá tải tại các cơ sở khám chữa bệnh,
nâng cao hiệu quả công tác chăm sóc sức khỏe người dân trên nền tảng ứng dụng
Công nghệ thông tin vào công tác quản lý. Dữ liệu phiếu xét nghiệm được số hóa có
thể dễ dàng được truy cập và chia sẻ hơn, không bị mất mát theo thời gian và qua các
lần sao chép dữ liệu.
Ứng dụng Trí tuệ Nhân tạo để Số hóa phiếu xét nghiệm là quá trình sử dụng các thuật
tốn Trí tuệ Nhân tạo nhận dạng chuyển đổi thông tin trên phiếu xét nghiệm thành
định dạng kỹ thuật số. Ví dụ: như quét mợt bức ảnh phiếu xét nghiệm hoặc chuyển
đổi một phiếu giấy, hay định dạng PDF thành văn bản kỹ thuật số và lưu trữ thông
tin xuống Cơ sở dữ liệu. Hỗ trợ cho việc truy x́t, phân tích mợt cách dễ dàng.
2. Mục tiêu nghiên cứu
2.1 Mục tiêu nghiên cứu tổng quát
-

Nhận dạng đối tượng trên phiếu xét nghiệm với dữ liệu đầu vào là bộ cơ sở dữ
liệu phiếu xét nghiệm, sử dụng mợt mơ hình mạng nơ-ron nhận dạng đối tượng
trên phiếu xét nghiệm.

-

Nhận dạng ảnh chứa văn bản từ các đối tượng đã được trích xuất từ phiếu xét
nghiệm.

-

Trích xuất ký tự từ đối tượng ảnh chứa văn bản các đối tượng trên phiếu xét
nghiệm.

2.2 Mục tiêu nghiên cứu cụ thể
-

Nghiên cứu mạng nơ-ron nhân tạo.

-

Nghiên cứu phương pháp nhận diện ảnh.

-

Nghiên cứu phương pháp nhận diện ảnh chứa văn bản.

-

Nghiên cứu phương pháp nhận dạng ký tự quang học.

1


-

Áp dụng các phương pháp trên vào việc số hóa phiếu xét nghiệm.

3. Đối tượng và phạm vi nghiên cứu
3.1 Đối tượng
-

Lý thuyết về nhận dạng đối tượng, ký tự.

-

Các vấn đề liên quan đến các phương pháp nhận dạng đối tượng – phiếu xét
nghiệm.

-

Phương pháp nhận dạng phiếu xét nghiệm bằng YOLO (You only look once).

-

Phương pháp nhận dạng ảnh chứa văn bản bằng CTPN (Connectionist Text
Proposal Network).

-

Phương pháp nhận dạng ký tự Transformer OCR (Optical Character
Recognition).

3.2 Phạm vi nghiên cứu
-

Lĩnh vực: Deep learning.

-

Không gian: Cài đặt và hiện thực trên máy tính.

-

Dữ liệu phiếu xét nghiệm được thu thập trên mạng 500 mẫu.

-

Dữ liệu được sử dụng cho bài tốn nhận dạng ảnh chứa văn bản là bợ dữ liệu
ICDAR 2013 3422 mẫu .

-

Dữ liệu sử dụng nhận diện ký tự được thu thập trên mạng 344.743 mẫu.

4. Cách tiếp cận và phương pháp nghiên cứu
4.1 Cách tiếp cận
-

Tìm hiểu tổng quan về các cơng trình nghiên cứu có liên quan và các thành
tựu đã được hoàn thành trước đây.

-

Phân loại, nhận dạng ảnh đối tượng sử dụng CNN (Convolution Neural
Networks).

-

Các phương pháp nhận dạng ký tự quang học.

-

Phân loại, nhận dạng ảnh đối tượng sử dụng YOLO v4 (You Look Only Once
version 4).

2


-

Nhập dạng ảnh chứa văn bản sử dụng CTPN.

-

Nhận dạng ký tự sử dụng Tranformer OCR.

-

Xây dựng công cụ nhận dạng nhằm mục đích kiểm tra giải pháp và
đánh giá hiệu quả của hệ thống.

4.2 Thời gian nghiên cứu
-

Thời gian nghiên cứu từ 09/08/2021 đến 09/02/2022.

4.3 Địa điểm nghiên cứu
-

Nghiên cứu được thực hiện tại trường Đại học Công nghiệp thành phố Hồ Chí
Minh.

4.4 Vật liệu nghiên cứu
-

Máy tính, ảnh, các nguồn thông tin thu thập từ mạng Internet, tài liệu tham
khảo.

4.5 Phương pháp
-

Phương pháp nghiên cứu dựa trên tài liệu: thu thập, phân tích, xử lý thơng tin
dựa trên các tài liệu như sách, báo, tạp chí,…đã in ấn hoặc công bố trên internet
liên quan đến đề tài.

-

Phương pháp nghiên cứu dựa trên thực nghiệm: thông qua việc thử nghiệm
trên dữ liệu và đối sánh với các kết quả đã công bố.

5. Ý nghĩa thực tiễn của đề tài
Số hóa phiếu xét nghiệm có tầm quan trọng rất lớn đối với việc xử lý, lưu trữ dữ liệu
của bệnh nhân. Số hóa phiếu xét nghiệm là phương pháp hiệu quả giúp:
-

Kéo dài tuổi thọ của tài liệu gốc, không bị mất mát qua thời gian và qua các
lần sao chép dữ liệu.

-

Quản lý, lưu trữ và khai thác tập trung trên mơi trường số.

-

Cắt giảm chi phí quản lý, nhập liệu thủ cơng, giảm thiểu diện tích khơng gian
lưu trữ tài liệu giấy.

-

Tăng cường khả năng bảo mật thông tin tài liệu.

3


-

Khắc phục tình trạng quá tải tại các cơ sở khám chữa bệnh, nâng cao hiệu quả
công tác chăm sóc sức khỏe người dân trên nền tảng ứng dụng Công nghệ
thông tin vào công tác quản lý.

-

Tiết kiệm thời gian tìm kiếm thơng tin, dễ dàng được chia sẻ, tự đợng hóa các
quy trình và cho phép khả năng truy cập tốt hơn.

Với những lý do trên, tôi quyết định thực hiện đề tài “Số hóa phiếu xét nghiệm sử
dụng kỹ thuật Trí Tuệ Nhân Tạo”.

4


TỔNG QUAN VỀ LĨNH VỰC NGHIÊN CỨU

1.1 Tổng quan về đề tài
Số hóa tài liệu đang là xu hướng chung và là nhiệm vụ ưu tiên hàng đầu. Số hóa giúp
việc lưu trữ, chỉnh sửa, lập chỉ mục và tìm kiếm thông tin trong tài liệu kỹ thuật số dễ
dàng hơn so với việc bỏ ra hàng giờ để duyệt qua các tài liệu được in / viết tay / đánh
máy. Hơn nữa, việc tìm kiếm trong mợt tài liệu với số lượng nội dung lớn không chỉ
tốn thời gian mà cịn có khả năng chúng ta bỏ lỡ thơng tin trong khi chúng ta xem,
duyệt tài liệu theo cách thủ công.
OCR là thuật ngữ được viết tắt bởi cụm từ Optical Character Recognition (nhận dạng
ký tự quang học). Là kỹ thuật nhận đầu vào là các ảnh có kí tự sau đó xử lý và cho ra
kết quả kí tự văn bản tương ứng. OCR được biết đến từ những năm 1974, Ray
Kurzweil bắt đầu phát triển một công nghệ có thể nhận ra các kí tự trong hình ảnh
của các văn bản, công nghệ này được ứng dụng vào thiết bị hỗ trợ đọc cho người
khiếm thị. Công nghệ OCR ngày càng được hoàn thiện và phát triển, cho tới ngày
nay thì cơng nghệ này đã được ứng dụng và rất nhiều vào các lĩnh vực trong cuộc
sống từ các ứng dụng nhận dạng chữ viết, văn bản, cho tới các phần mềm hệ thống
ứng dụng nhận diện các biển số xe,… [1].
Trong lĩnh vực y tế, các chuyên gia cần quản lý lượng lớn dữ liệu của bệnh nhân và
dữ liệu đó tăng liên tục. Sẽ rất hữu ích khi thơng tin được lưu trữ trong cơ sở dữ liệu.
Với công cụ xử lý OCR, chúng ta có thể trích xuất dữ liệu văn bản từ các ảnh, video
và lưu trữ chúng vào cơ sở dữ liệu, từ đó giúp cho việc truy xuất, tìm kiếm, phân tích
được dễ dàng hơn cho các cơng việc về sau. Trong luận văn này, tôi kết hợp các tiếp
cận AI để hỗ trợ việc trích x́t thơng tin, chủn đổi dữ liệu từ dạng ảnh sang dạng
văn bản số. Mục tiêu của nghiên cứu này là phát triển công cụ tích hợp trí tuệ nhân
tạo trong việc rút trích thơng tin từ phiếu xét nghiệm covid19, nhằm tăng tính tự động
và giảm tải không gian lưu trữ, nâng cao hiệu quả quá trình số hóa dữ liệu được thu
thập trong lĩnh vực y tế. Đề tài khi hoàn thành sẽ giúp các chuyên gia thực hiện các

5

dự án nghiên cứu có yêu cầu thu thập, phân tích và theo dõi, tiết kiệm thời gian nhập
liệu thủ công.
Sự bùng phát dịch COVID-19 đã mang lại những thách thức chưa từng có. Đến thời
điểm hiện tại hơn 400 triệu người nhiễm bệnh trên thế giới, trong đó có hơn 6 triệu
người tử vong. Kể từ khi dịch bùng phát từ đầu 2020 đến nay, Việt Nam đã trải qua
bốn đợt bùng phát và đến nay vẫn chưa chấm dứt. Ghi nhận hơn 4 triệu ca nhiễm, hơn
2 triệu người khỏi bệnh, gần 40 nghìn ca tử vong. Covid19 tác động đáng kể đến sự
phát triển nền kinh tế Việt Nam. Tuy được đánh giá là một trong số ít các quốc gia
ứng phó tốt với dịch bệnh, nhưng thị trường lao động – việc làm của Việt Nam cũng
bị ảnh hưởng nghiêm trọng, việc lưu thông, vận chuyển hàng hóa giữa các tỉnh, thành
phố bị hạn chế tối đa, thậm chí mọi loại hình vận tải phải ngưng hoạt động tại các
tỉnh giãn cách xã hội. Hoạt động du lịch, nông, lâm nghiệp và thủy sản cũng gặp
nhiều khó khăn. Thêm vào đó, nhiều doanh nghiệp, cơ sở kinh phải đóng cửa, hoạt
đợng cầm chừng để duy trì khơng rơi vào tình trạng phá sản. Trong 7 tháng đầu năm
2021, tại 19 tỉnh, thành phố phía Nam, nơi chiếm 48% số doanh nghiệp trong cả nước
đã có tới 79.673 doanh nghiệp rút lui khỏi thị trường, tăng 25,5% so với cùng kỳ
năm 2020. Đặc biệt, đợt dịch này đã và đang tác động mạnh vào khu công nghiệp,
khu chế xuất, những nơi tập trung lượng lớn lao động (khoảng 4 triệu người), có các
doanh nghiệp lớn trong chuỗi giá trị toàn cầu, đóng góp nhiều cho phát triển kinh tế,
thu ngân sách. Tính tới thời điểm ngày 13/8/2021, theo báo cáo nhanh của các tỉnh,
thành phố phía Nam, đã có khoảng 2,5 triệu lao động phải ngừng việc, chiếm 70% số
lao động phải ngừng việc trong cả nước [2].
Ở Đồng Tháp tình hình covid diễn biến rất phức tạp, liên tục trong các tháng cuối
năm 2021 số ca nhiễm ở Đồng Tháp liên tục nằm trong top 3 của cả nước. Tỉnh liên
tục chỉ đạo xét nghiệm hàng loạt tầm soát dịch bệnh. Bên cạnh đó số lượng phiếu xét
nghiệm covid rất nhiều, phải cần người nhập liệu các phiếu xét nghiệm covid vào hệ
thống, để thống kê, vẽ biểu đồ vùng dịch ở các địa phương.

6

Trong nghiên cứu này, tác giả phát triển một công cụ số hỗ trợ việc số hóa phiếu xét
nghiệm covid19. Cơng cụ nhận dữ liệu đầu vào là hình ảnh phiếu xét nghiệm covid19
sử dụng các kỹ thuật AI để số hóa thu thập dữ liệu. Nghiên cứu này giúp thu thập,
lưu trữ số liệu phiếu xét nghiệm covid19 dưới dạng số giúp giảm tải việc nhập liệu,
từ đó có thể sử dụng để dự đoán, kiểm tra và điều chỉnh lại số liệu dịch bệnh, bản đồ
vùng dịch quản lý chặt chẽ các vùng bùng phát đại dịch.
1.2 Khó khăn thách thức
Đề tài “số hóa phiếu xét nghiệm sử dụng kỹ thuật trí tuệ nhân tạo” sử dụng các mẫu
phiếu xét nghiệm covid19 được thu thập trên mạng làm dữ liệu huấn luyện. Thông
tin phiếu xét nghiệm là thông tin các nhân, nên việc thu thập các mẫu phiếu hạn chế.
Tuy nhiên để huấn luyện đạt kết quả tốt thì cần dữ liệu mẫu nhiều hơn.
1.3 Đề xuất hướng giải quyết
Tác giả dùng python tạo công cụ lấy ảnh từ trên internet, và sau đó sử dụng các
phương pháp data augmentation để phát sinh thêm tập dữ liệu.

7