Bối cảnh và vấn đề nghiên cứu

Trong y học hiện đại, việc chẩn đoán bệnh lý dựa trên hai nhóm chỉ dấu cơ bản: triệu chứng lâm sàng và các kết quả cận lâm sàng. Trong đó, chẩn đoán hình ảnh (chụp X-quang, chụp cắt lớp vi tính - CT, chụp cộng hưởng từ - MRI, siêu âm, nội soi) đóng vai trò then chốt trong việc hỗ trợ các bác sĩ phát hiện sớm, chính xác các tổn thương bên trong cơ thể người. Tuy nhiên, đặc thù của ảnh y tế là chụp các cơ quan sâu trong cơ thể qua thiết bị chuyên dụng nên chất lượng ảnh thường bị suy giảm, độ tương phản thấp, biên độ không rõ nét và dễ bị nhiễu. Điều này gây cản trở lớn đối với công tác chẩn đoán trực quan, đặc biệt khi số lượng lát cắt trên mỗi ca bệnh rất lớn (tối thiểu 20 ảnh/ca CT chấn thương).

Trước thực trạng đó, việc ứng dụng các kỹ thuật xử lý ảnh số—đặc biệt là tiền xử lý nâng cao chất lượng và phân đoạn ảnh—trở thành yêu cầu cấp thiết nhằm tạo tiền đề cho quá trình nhận dạng tự động và hỗ trợ bác sĩ ra quyết định. Đề tài "Xử lý ảnh, các phương pháp xử lý ảnh trong Y học" (với trọng tâm là "Tìm hiểu phương pháp phân đoạn ảnh trong Y học") được thực hiện nhằm giải quyết các nhiệm vụ nghiên cứu sau:

  1. Tìm hiểu tổng quan về quy trình xử lý ảnh số, các chuẩn lưu trữ, truyền tải dữ liệu ảnh y khoa và kiến thức chẩn đoán hình ảnh cơ bản.
  2. Khảo sát, phân tích toán học và đánh giá các kỹ thuật phân đoạn ảnh y học: phân đoạn theo ngưỡng biên độ, phân đoạn theo vùng, phân đoạn theo miền đồng nhất và phân đoạn dựa vào lý thuyết đồ thị.
  3. Cài đặt thử nghiệm một chương trình phần mềm hỗ trợ xử lý và phân đoạn ảnh y tế dựa trên ngưỡng biên độ.

Đối tượng nghiên cứu của đồ án là các phương pháp phân đoạn ảnh số áp dụng trên dữ liệu ảnh y học (chủ yếu là ảnh chụp cắt lớp vi tính sọ não, ảnh X-quang tuyến vú và các ảnh chấn thương). Phạm vi nghiên cứu tập trung vào cơ sở lý thuyết xử lý ảnh y tế và xây dựng chương trình thử nghiệm trong khuôn khổ Đồ án 1 tại Khoa Công nghệ Thông tin, Trường Đại học Bách Khoa – Đại học Quốc gia TP. Hồ Chí Minh năm 2023.

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và mô hình chuẩn hóa

Đề tài xây dựng trên các nền tảng lý thuyết xử lý ảnh số và chuẩn hóa y tế quốc tế:

  • Mô hình không gian ảnh số: Biểu diễn ảnh dưới dạng hàm rời rạc $n$ biến $P(c_1, c_2, \dots, c_n)$, các khái niệm phần tử ảnh (pixel), mức xám (gray level từ 16 đến 256 mức ứng với 8-bit), quan hệ láng giềng (4-láng giềng $N_4(x,y)$ và 8-láng giềng $N_8(x,y)$) và miền liên thông.
  • Hệ thống lưu trữ và truyền thông hình ảnh PACS (Picture Archiving and Communication System): Mô hình kiến trúc phân phối ảnh qua cơ chế Store-Forward (DICOM Storage) và Query/Retrieval, cùng kiến trúc PACS hiển thị trên nền tảng Web thông qua giao thức HTTP.
  • Chuẩn dữ liệu DICOM (Digital Imaging and Communications in Medicine): Tiêu chuẩn phát triển từ nền tảng ACR-NEMA (1983, 1988), bao gồm cấu trúc tệp Data Set tạo bởi các Data Element. Mỗi phần tử chứa các trường: Tag (Group Number, Element Number 16-bit), VR (Value Representation), VM (Value Multiplicity), Value Length, Value Field, Transfer Syntax (quy ước sắp xếp byte Little Endian hoặc Big Endian), cấu trúc định nghĩa đối tượng thông tin IOD (Composite IOD, Normalized IOD) và các lớp dịch vụ ghép đôi SOP Class.
  • Nguyên lý tạo hình cắt lớp vi tính (CT Scanner) và thang đo Hounsfield: Nguyên lý quét chùm tia X qua các phần tử thể tích (voxel), tính toán độ suy giảm và chuyển đổi thành điểm ảnh (pixel) theo đơn vị Hounsfield (HU).

Phương pháp nghiên cứu

  • Phương pháp phân tích và mô hình hóa toán học: Nghiên cứu và thiết lập thuật toán phân đoạn ảnh theo 4 hướng tiếp cận chính: thuật toán chọn ngưỡng (ngưỡng đẳng liệu, thuật toán đối xứng nền, thuật toán tam giác Zack, biến đổi Top-Hat cho phân bố Bimodal), phân vùng theo cây tứ phân (Quadtree), phân vùng tách-hợp (Split-Merge), và phân đoạn đồ thị tối ưu cục bộ/toàn cục dựa trên cây khung nhỏ nhất (Kruskal-based Graph Segmentation).
  • Phương pháp đánh giá định lượng: Đồ án sử dụng các độ đo phân lớp áp dụng cho bài toán phát hiện tổn thương (k-NN) gồm: Độ nhạy (Sensitivity), Độ đặc trưng (Specificity), Tỉ lệ vùng bệnh phân lớp đúng và Tỉ lệ vùng bình thường phân lớp đúng dựa trên các biến số $TP$ (True Positive), $FP$ (False Positive), $TN$ (True Negative), $FN$ (False Negative).
  • Phương pháp thực nghiệm phần mềm: Thiết kế giao diện và hiện thực hóa các chức năng biến đổi, tiền xử lý và phân ngưỡng biên độ trên máy tính.

Nội dung chính theo từng chương

Chương I: Giới thiệu về xử lý ảnh, ảnh y học và chẩn đoán y học

Chương này trình bày bức tranh tổng thể về quá trình xử lý ảnh số, các chuẩn công nghệ thông tin trong y tế và đặc điểm giải phẫu - bệnh lý trên phim chụp y khoa:

  1. Quy trình xử lý ảnh 5 giai đoạn:

    • Thu nhận ảnh: Thu tín hiệu qua camera, sensor, máy quét và số hóa (quan tâm độ phân giải, mức xám, tốc độ thu nhận).
    • Tiền xử lý: Nâng cao độ tương phản, khử nhiễu, làm mịn ảnh thông qua các bộ lọc.
    • Phân đoạn ảnh: Phân tách ảnh thành các vùng/thành phần đồng nhất dựa theo biên hoặc tính chất liên thông nhằm giảm lượng thông tin dư thừa.
    • Biểu diễn và mô tả ảnh: Chuyển đổi dữ liệu phân đoạn thô sang dạng biểu diễn biên (cho ứng dụng hình dạng) hoặc biểu diễn vùng (cho đặc trưng vân ảnh, cấu trúc xương).
    • Nhận dạng và nội suy: Gán nhãn đối tượng và gán ý nghĩa ngữ nghĩa cho các vùng ảnh nhận dạng được.
    • Các định dạng tệp cơ bản: Khảo sát các định dạng IMG, PCX (nén RLE), TIFF (tổ chức theo dải quét), GIF (chất lượng cao, hỗ trợ đa phần cứng).

  2. Hệ thống PACS và chuẩn DICOM:

    • Phân tích cơ chế truyền nhận ảnh giữa các modality (CT, MRI, X-ray) qua máy chủ PACS và máy trạm chẩn đoán.
    • Chi tiết cấu trúc dữ liệu DICOM, giải thích cách ánh xạ tệp thông qua bảng các trường dữ liệu, cấu trúc File Meta Information và cơ chế biểu diễn byte.

  3. Cơ sở chẩn đoán hình ảnh trên CT và X-quang:

    • Phân tích tương quan giữa mức độ hấp thu tia X và đơn vị Hounsfield (HU) của các cấu trúc sinh học nội sọ:
Cấu trúc giải phẫu / Bệnh lý Trị số giới hạn (HU) Đặc điểm hiển thị trên ảnh CT
Khí -1000 đến -100 Giảm đậm độ (màu đen hoàn toàn)
Mỡ < 0 đến -100 Giảm đậm độ (màu đen)
Nước 0 Đậm độ chuẩn
Dịch não tủy 0 đến 10 Giảm đậm độ
Phù nề 10 đến 20 Giảm đậm độ so với nhu mô
Chất trắng 20 đến 30 Đồng/giảm đậm độ nhẹ so với chất xám
Chất xám 35 đến 45 Đậm độ chuẩn của vỏ não
Xuất huyết, tụ máu 55 đến 75 Tăng đậm độ (màu trắng sáng)
Đóng vôi, xương 80 đến 250 (Xương: +1000) Tăng đậm độ mạnh (màu trắng)
  • Kỹ thuật lát cắt: Cắt liên tục (continuity - độ dày bằng khoảng cách), cắt chồng (overlap - độ dày lớn hơn khoảng cách), và cắt hở (gap - độ dày nhỏ hơn khoảng cách). Vai trò của hình định vị (topogram/scout view) trong việc xác định tọa độ tổn thương.
  • Hình thái học chấn thương sọ não:
    • Tụ máu ngoài màng cứng: Tổn thương động mạch màng não giữa (chiếm 90%), hình thấu kính hai mặt lồi (biconvex), không vượt qua khớp sọ nhưng vượt qua các nếp màng não (liềm, lều não).
    • Tụ máu dưới màng cứng: Đứt tĩnh mạch cầu nối, hình liềm, vượt qua khớp sọ nhưng không vượt qua các nếp màng cứng.
    • Phân loại độ đặc tuyến vú (4 mức độ) phục vụ tầm soát tổn thương ung thư.

Chương II: Một số phương pháp phân đoạn ảnh y học

Chương II đi sâu vào cơ sở toán học và thuật toán của 4 nhóm kỹ thuật phân đoạn ảnh:

  1. Phân đoạn dựa trên ngưỡng biên độ (Thresholding):

    • Ngưỡng cố định: Áp dụng cho ảnh tương phản cao với ngưỡng $T = 128$.
    • Thuật toán đẳng liệu (Isodata - Ridler & Calvart): Lặp cập nhật ngưỡng theo công thức: $$\theta_k = \frac{m_{f,k-1} + m_{b,k-1}}{2}$$ (với $m_f, m_b$ lần lượt là giá trị mức xám trung bình của đối tượng và nền).
    • Thuật toán đối xứng nền: Tìm đỉnh cực đại $\text{Max}_p$ của nền, xác định mức phân phối xác suất $P(a) = p%$ và suy ra ngưỡng $T = \text{Max}_p - (a - \text{Max}_p)$.
    • Thuật toán tam giác (Zack): Nối đường thẳng $\Delta$ giữa điểm cực đại $(H_{\max}, b_{\max})$ và điểm cực tiểu $(H_{\min}, b_{\min})$ trên lược đồ mức xám, chọn ngưỡng $T$ tại điểm có khoảng cách $d$ từ $H(b)$ đến $\Delta$ là lớn nhất.
    • Phân ngưỡng Bimodal và phép biến đổi Top-Hat (Meyer): Tìm cực tiểu địa phương giữa hai đỉnh histogram bằng biến đổi: $$\text{TopHat}(A, B) = A - (A \circ B)$$

  2. Phân đoạn dựa trên cơ sở vùng (Region-based):

    • Đồ án chuẩn hóa 5 điều kiện toán học bắt buộc: Vùng phủ kín ($\bigcup R_i = R$), tính liên thông của $R_i$, tính rời nhau ($R_i \cap R_j = \emptyset$), tính đồng nhất cục bộ ($P(R_i) = \text{TRUE}$) và tính dị biệt giữa các vùng kề cận ($P(R_i \cup R_j) = \text{FALSE}$).
    • Phương pháp tăng vùng (Region Growing): Khởi tạo từ các điểm hạt (seeds), mở rộng vùng theo láng giềng 8-liên thông thỏa mãn tiêu chuẩn độ lệch mức xám $|z_j - \text{seed}| < 65$.
    • Phương pháp chia và chọn vùng: Biểu diễn cấu trúc cây tứ phân (Quadtree), kiểm tra vị từ logic theo độ lệch chuẩn $|z_j - m_i| < 2\sigma_i$.

  3. Phân đoạn theo miền đồng nhất:

    • Phương pháp tách cây tứ phân: Kiểm tra vị từ đệ quy trên từng khối ảnh 4 phần.
    • Phương pháp phân vùng hợp: Hợp nhất hai miền kế cận thỏa mãn điều kiện $|m_1 - m_2| < T$.
    • Phương pháp tách - hợp (Split-Merge): Khắc phục nhược điểm chia quá chi tiết của phép tách và sự phân tán ngang của phép hợp, tạo ra các miền liên thông cực đại.

  4. Phân đoạn ảnh dựa vào đồ thị (Graph-based Segmentation):

    • Mô hình hóa ảnh thành đồ thị vô hướng $G = (V, E)$, mỗi pixel là một đỉnh $v_i \in V$, cạnh $(v_i, v_j) \in E$ mang trọng số $w(v_i, v_j)$ thể hiện sự khác biệt giữa hai điểm ảnh.
    • Định nghĩa độ khác nội vùng: $$\text{Int}(C) = \max_{e \in \text{MST}(C)} w(e)$$
    • Định nghĩa độ khác giữa hai vùng: $$\text{Dif}(C_1, C_2) = \min_{v_i \in C_1, v_j \in C_2, (v_i, v_j) \in E} w(v_i, v_j)$$
    • Thiết lập hàm ngưỡng phụ thuộc kích thước miền $\tau(C) = \frac{k}{|C|}$ và giá trị khác nội vùng nhỏ nhất: $$\text{Mint}(C_1, C_2) = \min\big(\text{Int}(C_1) + \tau(C_1),, \text{Int}(C_2) + \tau(C_2)\big)$$
    • Tiêu chuẩn quyết định $D(C_1, C_2)$: Trộn hai miền khi và chỉ khi $w(e) < \text{Mint}(C_1, C_2)$.
    • Thuật toán sắp xếp cạnh và duyệt tham lam theo nguyên lý Kruskal với độ phức tạp tính toán $O(m \log m)$, chứng minh được việc tạo ra kết quả phân đoạn không quá thô (not too coarse) và không quá mịn (not too fine).

Chương III: Cài đặt chương trình thử nghiệm

Chương III trình bày quá trình xây dựng chương trình thử nghiệm nhằm minh chứng khả năng xử lý và phân đoạn ảnh dựa trên ngưỡng biên độ:

  • Giới thiệu bài toán và xác định các yêu cầu chức năng phần mềm.
  • Trình bày thiết kế giao diện chương trình qua các biểu mẫu thao tác (Hình 3.1 và Hình 3.2).

Thiết kế và triển khai

Chương trình thử nghiệm trong đồ án được thiết kế với mục tiêu cung cấp công cụ tương tác trực quan cho các thao tác tiền xử lý và phân đoạn ảnh:

  1. Mô-đun chức năng chính:

    • Đổi màu ảnh: Hỗ trợ chuyển đổi không gian màu nhằm làm nổi bật các chi tiết giải phẫu quan tâm.
    • Làm mịn ảnh: Thực hiện lọc giảm nhiễu, làm trơn các dao động tần số cao trước khi tiến hành phân ngưỡng.
    • Phân đoạn ảnh dựa vào ngưỡng biên độ: Cho phép người dùng xác định ngưỡng cắt mức xám để tách biệt đối tượng khỏi nền và trích xuất đường biên tổn thương.
    • Phóng to / Thu nhỏ (Zoom): Hiển thị chi tiết vùng tổn thương theo các mức tỷ lệ định sẵn.
    • Biến dạng ảnh: Thực hiện các phép biến đổi hình học hỗ trợ quan sát.

  2. Hiện thực giao diện:

    • Hệ thống được cấu trúc thành các giao diện tương tác (Giao diện 1 và Giao diện 2), cho phép tải tệp ảnh đầu vào, lựa chọn bộ lọc xử lý, tùy chỉnh ngưỡng biên độ và quan sát trực tiếp kết quả phân đoạn đầu ra trên màn hình.

Kết quả và đóng góp

Kết quả chính

  • Hệ thống hóa chi tiết các chuẩn giao tiếp và lưu trữ ảnh y tế (PACS, DICOM), làm rõ cơ chế tổ chức của cấu trúc Data Set và các lớp đối tượng SOP Class.
  • Xây dựng bảng quy chuẩn đậm độ Hounsfield cho các cấu trúc nội sọ trên ảnh CT não, giúp chuẩn hóa việc nhận diện tổn thương (máu tụ, dập não, phù nề).
  • Khảo sát toàn diện về mặt toán học các thuật toán phân đoạn ảnh: phân ngưỡng (Isodata, Triangle, Top-Hat), tăng vùng, cây tứ phân và giải thuật phân đoạn đồ thị tham lam với độ phức tạp $O(m \log m)$.
  • Hiện thực thành công phần mềm giao diện thử nghiệm tích hợp các chức năng làm mịn, đổi màu và phân đoạn biên độ.

So sánh các kỹ thuật phân đoạn trong tài liệu

Phương pháp Nguyên lý cốt lõi Ưu điểm Hạn chế
Ngưỡng biên độ Cắt ngưỡng mức xám theo lược đồ (Histogram) Tính toán nhanh, cài đặt đơn giản, hiệu quả với ảnh nhị phân/độ tương phản cao Nhạy cảm với nhiễu, không xét đến thông tin không gian
Tăng vùng (Region Growing) Nhóm các pixel lân cận có mức xám gần với điểm hạt (seeds) Đảm bảo tính liên thông không gian, biên phân tách khép kín Phụ thuộc lớn vào việc chọn điểm hạt ban đầu
Tách - Hợp (Split-Merge) Chia đệ quy cây tứ phân rồi hợp các vùng kề thỏa tiêu chuẩn Cân bằng giữa cấu trúc phân cấp và tối ưu kích thước miền Ranh giới phân đoạn có thể bị gãy khúc dạng khối vuông
Lý thuyết đồ thị (MST-based) So sánh độ khác nội vùng $\text{Int}(C)$ và ngoại vùng $\text{Dif}(C_1, C_2)$ Nắm bắt đặc tính non-local, độ phức tạp thấp $O(m \log m)$, nghiệm không quá thô/mịn Khó lựa chọn tham số ngưỡng hằng số $k$ cho đa dạng loại mô

Hạn chế và hướng nghiên cứu tiếp

  • Hạn chế:

    • Chương trình thử nghiệm trong Đồ án 1 mới dừng lại ở việc hiện thực các thao tác xử lý cơ bản và kỹ thuật phân đoạn theo ngưỡng biên độ, chưa tích hợp hoàn chỉnh các giải thuật nâng cao như phân đoạn đồ thị hay phân lớp k-NN trên giao diện.
    • Các thử nghiệm chưa được tiến hành trên tập dữ liệu lâm sàng quy mô lớn với đầy đủ các định dạng DICOM chuẩn.

  • Hướng nghiên cứu tiếp:

    • Tích hợp giải thuật phân đoạn đồ thị và thuật toán phân lớp k-NN vào phần mềm.
    • Mở rộng xử lý trực tiếp trên dữ liệu DICOM đa lát cắt và xây dựng mô hình tái tạo 3 chiều (3D) các khối tổn thương nội sọ.

Giá trị tham khảo

Tài liệu này là nguồn tham khảo hữu ích cho:

  • Sinh viên ngành Kỹ thuật Y sinh, Công nghệ Thông tin, Điện tử - Viễn thông: Nắm bắt quy chuẩn định dạng tệp DICOM, kiến trúc PACS và cơ sở chẩn đoán hình ảnh CT/X-quang sọ não.
  • Người nghiên cứu xử lý ảnh y tế: Tham khảo nền tảng toán học chặt chẽ của các thuật toán phân đoạn (thuật toán tam giác Zack, biến đổi Top-Hat, phân đoạn đồ thị Kruskal).

Câu hỏi thường gặp

1. Hệ thống PACS sử dụng những phương thức nào để phân phối ảnh đến máy trạm chẩn đoán?

Hệ thống PACS sử dụng hai phương thức chính:

  • Store-Forward (DICOM Storage): Ảnh thu nhận từ thiết bị chụp được gửi và lưu trữ tại máy chủ PACS, sau đó tự động chuyển đến máy trạm hiển thị theo lộ trình định sẵn.
  • Query/Retrieval (DICOM Query/Retrieval): Chuyên gia X-quang lấy lịch làm việc từ hệ thống RIS hoặc PACS, sau đó chủ động gửi truy vấn và tìm kiếm ảnh từ máy chủ để tải về hiển thị trên máy trạm.

2. Thang đo Hounsfield (HU) quy định đậm độ của xương, nước, khí và máu tụ như thế nào?

Theo quy ước chuẩn được nêu trong đồ án:

  • Nước có đậm độ là $0\text{ HU}$.
  • Khí có đậm độ là $-1000\text{ HU}$ (hoặc nằm trong dải $-100$ đến $-1000\text{ HU}$).
  • Xương đặc có đậm độ là $+1000\text{ HU}$ (vùng đóng vôi, xương từ $80$ đến $250\text{ HU}$).
  • Khối xuất huyết, máu tụ cấp tính có đậm độ cao, nằm trong khoảng $55$ đến $75\text{ HU}$.

3. Nguyên tắc hoạt động của thuật toán đẳng liệu (Isodata) trong phân đoạn ảnh là gì?

Thuật toán do Ridler và Calvart đề xuất, hoạt động lặp qua các bước:

  1. Khởi tạo ngưỡng ban đầu $\theta_0 = 2^{B-1}$ (với $B$ là số bit mã hóa mức xám).
  2. Tính giá trị trung bình mức xám của đối tượng ($m_{f,k-1}$) và của nền ($m_{b,k-1}$).
  3. Cập nhật ngưỡng trung gian: $\theta_k = \frac{m_{f,k-1} + m_{b,k-1}}{2}$.
  4. So sánh $\theta_k$ với $\theta_{k-1}$; nếu bằng nhau thì dừng thuật toán, ngược lại tiếp tục lặp.

4. Thuật toán phân đoạn dựa vào đồ thị định nghĩa tiêu chuẩn so sánh giữa hai miền ra sao?

Thuật toán xây dựng đồ thị $G=(V, E)$ và định nghĩa:

  • Độ khác nội vùng $\text{Int}(C)$ là trọng số lớn nhất trong cây khung nhỏ nhất của miền $C$.
  • Độ khác giữa hai vùng $\text{Dif}(C_1, C_2)$ là trọng số nhỏ nhất của cạnh nối giữa $C_1$ và $C_2$.
  • Hai miền được trộn với nhau nếu cạnh nối nhỏ hơn giá trị khác nội vùng nhỏ nhất: $$w(e) < \text{Mint}(C_1, C_2) = \min\left(\text{Int}(C_1) + \frac{k}{|C_1|},, \text{Int}(C_2) + \frac{k}{|C_2|}\right)$$

5. Phần mềm thử nghiệm đã xây dựng được những chức năng nào?

Chương trình thử nghiệm trong Đồ án 1 cung cấp 5 chức năng thao tác ảnh:

  1. Đổi màu ảnh.
  2. Làm mịn ảnh.
  3. Phân đoạn ảnh dựa vào ngưỡng biên độ để tìm biên ảnh.
  4. Zoom ảnh theo các tỷ lệ định sẵn.
  5. Biến dạng ảnh phục vụ quan sát.

Kết luận

Báo cáo Đồ án 1 của sinh viên Bùi Xuân Sơn đã hệ thống hóa toàn diện cơ sở lý thuyết xử lý ảnh số, các chuẩn công nghệ thông tin y tế (PACS, DICOM) và hình thái bệnh học CT sọ não. Tác giả đã phân tích sâu sắc các giải thuật phân đoạn ảnh từ phân ngưỡng cổ điển, phân vùng theo cây tứ phân đến phân đoạn đồ thị dựa trên cây khung nhỏ nhất. Đồng thời, đồ án đã triển khai thành công một chương trình phần mềm thử nghiệm với các chức năng tiền xử lý và phân đoạn ngưỡng biên độ, tạo tiền đề vững chắc cho việc phát triển các công cụ hỗ trợ chẩn đoán y khoa tự động trong tương lai.