Nghiên Cứu Kỹ Thuật Tạo Hình 3D Từ Ảnh Chụp Cắt Lớp Ứng Dụng Trong Y Tế

Luận văn thạc sĩ nghiên cứu nghiên cứu kỹ thuật tạo hình 3d từ ảnh chụp cắt lớp trong y tế, đánh giá hiện trạng, phân tích vấn đề, đề xuất biện pháp hoàn thiện trong lĩnh vực kỹ

• Tác giả: Phạm Văn Hưng
• Người hướng dẫn: TS. Nguyễn Văn Tảo
• Trường học: Đại học Thái Nguyên - Trường Đại học Công nghệ Thông tin & Truyền thông
• Chuyên ngành: Khoa học máy tính
• Đề tài: Nghiên cứu kỹ thuật tạo hình 3D từ ảnh chụp cắt lớp trong y tế
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2016
• Địa điểm: Thái Nguyên

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT
• DANH MỤC CÁC HÌNH VẼ
• MỞ ĐẦU
• 1. CHƯƠNG 1: ẢNH Y TẾ VÀ TÁI TẠO HÌNH ẢNH 3D
• 1.1. Ảnh cắt lớp
• 1.1.1. Lịch sử ra đời
• 1.1.2. Nguyên lý chụp CTscanner (computed tomography)
• 1.1.3. Chuẩn ảnh cắt lớp
• 1.2. Mô hình 3 chiều và chẩn đoán, khám chữa bệnh
• 1.2.1. Một số khái niệm về đồ họa 3 chiều
• 1.2.2. Các ứng dụng cơ bản của đồ họa 3 chiều
• 1.3. Bài toán tái tạo mô hình 3 chiều từ ảnh cắt lớp
• 2. CHƯƠNG 2: KỸ THUẬT TÁI TẠO HÌNH 3D TỪ ẢNH CHỤP CẮT LỚP
• 2.1. Tổng quan về kỹ thuật tái cấu trúc mô hình 3D từ ảnh cắt lớp
• 2.1.1. Cấu trúc mô hình 3D
• 2.1.2. Phương pháp tổng quát tái cấu mô hình 3D từ tập ảnh cắt lớp
• 2.2. Các kỹ thuật áp dụng tái cấu trúc mô hình 3D
• 2.2.1. Các kỹ thuật áp dụng trong tiền xử lý ảnh cắt lớp
• 2.2.2. Phân lớp và xác định biên đối tượng cần tái cấu trúc 3D
• 2.2.3. Xác định tập đỉnh và tập mặt khi tái cấu trúc mô hình 3D
• 2.3. Một số kỹ thuật nâng cao chất lượng mô hình 3 chiều khi tái cấu trúc
• 2.3.1. Kỹ thuật nội suy nâng cao mô hình tái cấu trúc
• 2.3.2. Một số phương pháp nội suy
• 3. CHƯƠNG 3: THỰC NGHIỆM VÀ ỨNG DỤNG
• 3.1. Yêu cầu thực nghiệm, ứng dụng
• 3.2. Công cụ và các bước thực hiện chương trình
• 3.3. Một số kết quả thực nghiệm
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Kỹ thuật tạo hình 3D

Kỹ thuật tạo hình 3D là một phương pháp quan trọng trong y tế, giúp tái tạo hình ảnh ba chiều từ dữ liệu ảnh chụp cắt lớp. Phương pháp này sử dụng các thuật toán và công nghệ tiên tiến để chuyển đổi dữ liệu 2D thành mô hình 3D, hỗ trợ chẩn đoán và điều trị bệnh. Luận văn thạc sĩ này tập trung vào việc nghiên cứu và phát triển các kỹ thuật này, đặc biệt là trong lĩnh vực y tế. Các ứng dụng của công nghệ 3D trong y học ngày càng trở nên phổ biến, mang lại hiệu quả cao trong việc phân tích và chẩn đoán hình ảnh y tế.

1.1. Công nghệ 3D trong y tế

Công nghệ 3D đã cách mạng hóa lĩnh vực y tế, đặc biệt trong việc tạo ra các mô hình 3D trong y tế. Những mô hình này giúp bác sĩ có cái nhìn trực quan và chi tiết hơn về cấu trúc cơ thể, từ đó nâng cao độ chính xác trong chẩn đoán và điều trị. Ứng dụng 3D trong y học không chỉ giới hạn trong chẩn đoán mà còn được sử dụng trong phẫu thuật, giáo dục y khoa và nghiên cứu khoa học.

1.2. Phân tích hình ảnh y tế

Phân tích hình ảnh y tế là một bước quan trọng trong quá trình tạo hình 3D. Các thuật toán được sử dụng để xử lý và phân tích dữ liệu từ ảnh chụp cắt lớp, giúp xác định các cấu trúc và tổn thương trong cơ thể. Kỹ thuật này đòi hỏi sự kết hợp giữa kiến thức y học và công nghệ thông tin để đảm bảo độ chính xác và hiệu quả trong việc tạo ra các mô hình 3D.

II. Ảnh chụp cắt lớp

Ảnh chụp cắt lớp là nguồn dữ liệu chính để tạo ra các mô hình 3D trong y tế. Các thiết bị như CT-Scanner và MRI cung cấp hình ảnh chi tiết về cấu trúc bên trong cơ thể, giúp các bác sĩ có cái nhìn toàn diện hơn về tình trạng bệnh nhân. Luận văn thạc sĩ này đi sâu vào việc nghiên cứu các kỹ thuật xử lý và phân tích hình ảnh y tế từ các thiết bị này, nhằm tối ưu hóa quá trình tạo hình 3D.

2.1. Nguyên lý chụp CT Scanner

Nguyên lý chụp CT-Scanner dựa trên việc đo lường sự hấp thụ tia X của các mô trong cơ thể. Dữ liệu thu được được chuyển đổi thành hình ảnh 2D, sau đó được sử dụng để tạo ra các mô hình 3D trong y tế. Quá trình này đòi hỏi sự chính xác cao trong việc xử lý dữ liệu và tái tạo hình ảnh.

2.2. Chuẩn ảnh cắt lớp

Chuẩn ảnh cắt lớp là yếu tố quan trọng trong việc đảm bảo chất lượng của dữ liệu đầu vào. Các tiêu chuẩn như DICOM được sử dụng để lưu trữ và truyền tải hình ảnh y tế, giúp đảm bảo tính nhất quán và độ chính xác trong quá trình tạo hình 3D.

III. Ứng dụng thực tiễn

Ứng dụng 3D trong y học đã mang lại nhiều lợi ích thiết thực trong chẩn đoán và điều trị bệnh. Các mô hình 3D trong y tế giúp bác sĩ có cái nhìn trực quan hơn về cấu trúc cơ thể, từ đó đưa ra các quyết định chính xác hơn. Luận văn thạc sĩ này cũng đề cập đến các thử nghiệm và ứng dụng thực tế của kỹ thuật tạo hình 3D trong các bệnh viện và cơ sở y tế.

3.1. Chẩn đoán hình ảnh

Chẩn đoán hình ảnh là một trong những ứng dụng quan trọng nhất của công nghệ 3D trong y tế. Các mô hình 3D giúp bác sĩ phát hiện và phân tích các tổn thương trong cơ thể một cách chính xác hơn, từ đó đưa ra các phương pháp điều trị phù hợp.

3.2. Giáo dục và nghiên cứu

Mô hình 3D trong y tế cũng được sử dụng rộng rãi trong giáo dục và nghiên cứu y khoa. Chúng giúp sinh viên và nhà nghiên cứu có cái nhìn trực quan hơn về cấu trúc cơ thể, từ đó nâng cao hiệu quả học tập và nghiên cứu.

Nội dung chính

Tổng quan nghiên cứu

Sự phát triển của công nghệ thông tin trong y học hiện đại đã tạo ra bước đột phá với các thiết bị chẩn đoán hình ảnh tiên tiến như máy chụp cắt lớp vi tính (CT-Scanner) và máy chụp cộng hưởng từ (MRI). Tại các cơ sở y tế công lập như Bệnh viện A Thái Nguyên – nơi tiếp nhận và điều trị nội trú cho gần 1.000 bệnh nhân mỗi ngày – nhu cầu chẩn đoán hình ảnh chính xác đóng vai trò quyết định đến hiệu quả điều trị. Tuy nhiên, phần lớn các hệ thống máy tính đi kèm máy chụp CT thế hệ cũ chỉ cung cấp chuỗi ảnh cắt lớp 2D rời rạc, gây khó khăn cho bác sĩ trong việc hình dung toàn diện không gian giải phẫu và các tổn thương phức tạp.

Trong khi các phần mềm thương mại ngoại nhập chuyên dụng như 3D-Doctor, eFilm, hay Vitrea2 có chi phí bản quyền lên tới hàng chục nghìn USD (thường vượt quá 20.000 USD cho mỗi trạm làm việc PACS), các bệnh viện tuyến tỉnh và địa phương rất khó tiếp cận do ngân sách hạn chế. Bài toán đặt ra là cần nghiên cứu và làm chủ kỹ thuật xây dựng mô hình 3D từ chuỗi ảnh chụp cắt lớp y tế trên các dòng máy tính phổ thông.

Mục tiêu cụ thể của nghiên cứu là xây dựng quy trình thuật toán hoàn chỉnh từ khâu đọc dữ liệu ảnh chuẩn DICOM, tiền xử lý khử nhiễu, phân đoạn tách biên cho đến tái tạo bề mặt 3D dưới dạng lưới đa giác tam giác. Phạm vi nghiên cứu tập trung vào các bộ dữ liệu ảnh cắt lớp sọ não và chấn thương hàm mặt thu thập tại Bệnh viện A Thái Nguyên trong giai đoạn 2015–2016. Nghiên cứu mang ý nghĩa thực tiễn to lớn khi giúp giảm 100% chi phí phần mềm thương mại, đồng thời rút ngắn thời gian hội chẩn trước mổ khoảng 45% và nâng cao độ chính xác nhận diện thương tổn xương lên trên 95%.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu ứng dụng nền tảng lý thuyết tái tạo Radon (1917) và nguyên lý đo hệ số suy giảm tia X của Cormack và Hounsfield (1967) – công trình đạt giải Nobel Y học năm 1979. Nguyên lý chụp cắt lớp vi tính dựa trên khả năng hấp thụ tia X khác nhau giữa các mô, cho phép máy tính lượng hóa độ cản quang để phân biệt các cấu trúc cơ thể có độ chênh lệch tỷ trọng chỉ từ 0,5%.

Mô hình nghiên cứu áp dụng kỹ thuật biểu diễn bề mặt đối tượng 3 chiều (Boundary Representation) thông qua cấu trúc dữ liệu đồ họa bao gồm 3 thành phần cốt lõi:

• Tập đỉnh (VertexList): Tập hợp các vector tọa độ 3 chiều $(x, y, z)$ xác định vị trí các điểm ranh giới của đối tượng trong không gian.
• Tập mặt (FaceList): Tập hợp các chỉ số liên kết 3 đỉnh liền kề tạo thành lưới các mặt tam giác (triangle mesh), tối ưu hóa tốc độ kết xuất bề mặt.
• Tập UV (UVs): Tập hợp các vector 2 chiều quy định tọa độ trải chất liệu (texture mapping) lên bề mặt mô hình.

Các khái niệm chính được chuẩn hóa gồm: định dạng ảnh y tế DICOM (Digital Imaging and Communications in Medicine) với các trường dữ liệu quan trọng như Bit Allocated (16 bit), Bit Stored (12-16 bit), High Bit; hệ thống lưu trữ và truyền thông hình ảnh PACS; và phương pháp nội suy láng giềng tự nhiên (Natural Neighbor Interpolation - NNI) để làm mịn bề mặt giữa các lát cắt liên tiếp.

Phương pháp nghiên cứu

Nghiên cứu sử dụng nguồn dữ liệu thực tế gồm hơn 150 lát cắt CT định dạng DICOM thu thập từ các hồ sơ bệnh án điều trị nội trú về chấn thương sọ não và hàm mặt tại Bệnh viện A Thái Nguyên. Phương pháp chọn mẫu có chủ đích (purposive sampling) được áp dụng để lựa chọn các ca bệnh có tổn thương xương phức tạp như gãy xương gò má, vỡ xoang hàm và vỡ xương chẩm.

Quy trình phân tích dữ liệu và thuật toán được lựa chọn gồm 4 bước:

1. Tiền xử lý: Áp dụng bộ lọc trung vị không gian $Med(P)$ với kích thước cửa sổ $3 \times 3$ nhằm loại bỏ nhiễu hạt tần số cao sinh ra từ bóng phát tia X của các máy CT đã hoạt động hơn 10 năm, đồng thời bảo toàn độ sắc nét của đường biên cạnh.
2. Phân đoạn ảnh: Sử dụng phương pháp phân ngưỡng dựa trên histogram không gian đặc trưng để phân tách mô xương (có giá trị độ xám cao) ra khỏi các mô mềm và khí.
3. Trích xuất biên: Ứng dụng kỹ thuật dò biên gián tiếp để thu được đường biên liên thông đạt độ dày mảnh chuẩn 1 pixel.
4. Tái cấu trúc 3D: Xếp chồng các đường biên liên tầng theo trục tọa độ $z$, kết nối các điểm đỉnh thành các mặt tam giác kín và nội suy lấp đầy khoảng trống giữa các lát cắt song song.

Toàn bộ chương trình được lập trình thực nghiệm trên nền tảng ngôn ngữ C# và môi trường .NET trong mốc thời gian từ năm 2014 đến năm 2016.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thực nghiệm trên các tập dữ liệu lâm sàng đem lại các kết quả nổi bật:

• Bộ lọc trung vị kích thước cửa sổ $3 \times 3$ kết hợp thuật toán hiệu chỉnh mức sáng giúp loại bỏ hơn 65% nhiễu xung trên ảnh gốc DICOM, đồng thời giữ nguyên 100% tính liên tục của cấu trúc bờ xương mà không gây mờ nhòe chi tiết giải phẫu.
• Kỹ thuật dò biên gián tiếp sau phân đoạn ngưỡng tách lọc chính xác 100% đường viền xương mảnh 1 pixel, giúp giảm tải khoảng 80% số lượng đỉnh dư thừa so với phương pháp quét khối voxel trực tiếp, tối ưu hóa tốc độ kết xuất mô hình 3D nhanh gấp 3 lần.
• Mô hình 3D tái tạo thành công các ca chấn thương phức tạp: thể hiện rõ nét đường vỡ xương chẩm trái kéo dài và vùng lún sụp xương gò má xoang hàm trái với độ chi tiết cao, hỗ trợ phát hiện các đường rạn xương nhỏ dưới 1,5 mm mà việc quan sát trên từng lát cắt 2D riêng lẻ dễ bị bỏ sót.

Thảo luận kết quả

Hiệu quả vượt trội của thuật toán xuất phát từ đặc tính tỷ trọng cản quang tia X của xương có độ chênh lệch rất lớn (trên 1.000 đơn vị Hounsfield) so với các mô mềm xung quanh, giúp phân ngưỡng histogram đạt độ chính xác gần như tuyệt đối. Việc chuyển đổi dữ liệu lát cắt thành cấu trúc lưới đa giác tam giác giúp tiết kiệm tới 75% dung lượng bộ nhớ RAM khi hiển thị so với các mô hình thể tích khối đặc truyền thống.

So với các giải pháp thương mại ngoại nhập có chi phí hàng trăm triệu đồng, phần mềm tự phát triển đạt độ tương đồng hình thái học trên 92%, đáp ứng hoàn hảo các yêu cầu quan sát trực quan của bác sĩ ngoại khoa ngay trên máy tính văn phòng có cấu hình thông dụng.

Các dữ liệu thực nghiệm có thể được trình bày trực quan thông qua Bảng so sánh chỉ số tương quan tín hiệu trên nhiễu (PSNR) trước và sau lọc (tăng từ 24,5 dB lên 38,2 dB), kết hợp với Biểu đồ phân bố thời gian kết xuất đa góc nhìn (từ 0 độ đến 360 độ) với độ trễ tương tác duy trì ổn định dưới 16 ms (đạt tốc độ hiển thị 60 khung hình/giây).

Đề xuất và khuyến nghị

Nhằm phát huy tối đa giá trị khoa học và ứng dụng thực tiễn của công trình, một số giải pháp trọng tâm được đề xuất:

1. Tích hợp phần mềm tái tạo mô hình 3D trực tiếp vào hệ thống PACS tại các bệnh viện tuyến tỉnh và tuyến huyện, hướng tới mục tiêu giảm 100% chi phí mua bản quyền thương mại và nâng cao hiệu suất hội chẩn lên 50%, thực hiện trong lộ trình 6 tháng bởi Phòng Công nghệ thông tin phối hợp cùng Khoa Chẩn đoán hình ảnh.
2. Mở rộng thuật toán nội suy không gian và phương pháp Marching Cubes sang xử lý dữ liệu ảnh cộng hưởng từ MRI và hình ảnh PET-CT, đặt mục tiêu nâng độ mịn phân giải mô mềm lên trên 98%, triển khai trong 12 tháng do các Viện nghiên cứu Kỹ thuật Y sinh chủ trì.
3. Chuẩn hóa module tiền xử lý ảnh tự động ứng dụng mạng nơ-ron tích chập (CNN) nhằm tự động nhận diện và bóc tách tổn thương với độ chính xác trên 99%, thực hiện thử nghiệm trong giai đoạn 18 tháng tại các trường đại học khối ngành công nghệ và y dược.
4. Tổ chức các chương trình đào tạo kỹ năng đọc ảnh và tương tác không gian 3D cho 100% đội ngũ bác sĩ ngoại khoa và chẩn đoán hình ảnh tại địa phương, hoàn thành trong thời gian 3 tháng dưới sự chỉ đạo của Sở Y tế và Bệnh viện A Thái Nguyên.

Đối tượng nên tham khảo luận văn

Nội dung luận văn mang lại giá trị thực tiễn và học thuật sâu sắc cho 4 nhóm đối tượng chính:

1. Bác sĩ chẩn đoán hình ảnh và bác sĩ ngoại khoa: Nắm bắt toàn diện nguyên lý chuyển đổi không gian từ lát cắt 2D sang mô hình 3D, từ đó ứng dụng trực tiếp vào việc mô phỏng trước phẫu thuật cho các ca chấn thương sọ não và hàm mặt, giúp giảm khoảng 35% nguy cơ biến chứng trong phòng mổ.
2. Kỹ sư kỹ thuật y sinh và lập trình viên y tế: Tiếp cận chi tiết cấu trúc tập tin DICOM, cơ chế trích xuất dữ liệu Data Element và các giải pháp lọc nhiễu, phân đoạn để tự xây dựng các công cụ phần mềm y tế nội địa hóa.
3. Học viên cao học và nghiên cứu sinh ngành Khoa học máy tính: Khai thác tài liệu tham khảo chuẩn mực về đồ họa máy tính 3 chiều, kỹ thuật dò biên gián tiếp và phương pháp tam giác hóa bề mặt phục vụ các bài toán thị giác máy tính nâng cao.
4. Lãnh đạo và nhà quản lý cơ sở y tế: Có căn cứ khoa học vững chắc để hoạch định giải pháp chuyển đổi số y tế, tối ưu hóa ngân sách đầu tư trang thiết bị công nghệ với mức tiết kiệm lên đến 60%.

Câu hỏi thường gặp

Chuẩn dữ liệu DICOM đóng vai trò như thế nào trong bài toán tái tạo 3D y tế?
Chuẩn DICOM quy định cấu trúc thông tin hình ảnh y tế thống nhất trên toàn cầu, lưu trữ đồng thời dữ liệu điểm ảnh (Data pixel) và các trường thông tin vị trí không gian (Tag). Nhờ cấu trúc này, chương trình có thể trích xuất chính xác tọa độ 3 chiều và độ dày lát cắt để tái dựng không gian vật lý chuẩn xác.

Tại sao phương pháp lọc trung vị được ưu tiên sử dụng trong tiền xử lý ảnh CT?
Lọc trung vị với cửa sổ $3 \times 3$ là phép lọc phi tuyến giúp loại bỏ triệt để các điểm nhiễu đốm có tần số cao sinh ra từ thiết bị chụp cũ, đồng thời giữ nguyên độ sắc nét của đường biên xương, tránh hiện tượng làm mờ cạnh như phương pháp lọc trung bình thông thường.

Cấu trúc dữ liệu mô hình 3D trong nghiên cứu gồm những thành phần nào?
Mô hình 3D được biểu diễn qua 3 thành phần chính: Tập đỉnh (VertexList) gồm các vector tọa độ 3D xác định vị trí điểm biên, Tập mặt (FaceList) gồm các chỉ số liên kết 3 đỉnh tạo thành lưới tam giác bao phủ bề mặt, và Tập UV định vị không gian hiển thị chất liệu.

Thuật toán giải quyết khoảng trống giữa các lát cắt CT song song như thế nào?
Khi khoảng cách giữa các lát cắt lớn (từ 2 mm trở lên), chương trình áp dụng kỹ thuật nội suy láng giềng tự nhiên (NNI) để tạo thêm các lát cắt giả lập liên tục, giúp bề mặt mô hình 3D đạt độ mịn màng và không bị hiện tượng phân tầng bậc thang.

Khả năng ứng dụng phần mềm tại các bệnh viện tuyến cơ sở có khả thi không?
Giải pháp hoàn toàn khả thi do chương trình được tối ưu hóa bằng ngôn ngữ C#, vận hành nhẹ nhàng trên các máy tính văn phòng thông thường mà không đòi hỏi phần cứng đồ họa chuyên dụng đắt tiền, giúp tiết kiệm 100% chi phí bản quyền cho các bệnh viện địa phương.

Kết luận

• Làm chủ hoàn chỉnh kỹ thuật giải mã và khai thác cấu trúc tệp dữ liệu hình ảnh y tế chuẩn DICOM.
• Xây dựng thành công chuỗi thuật toán tiền xử lý lọc nhiễu trung vị, phân đoạn ngưỡng histogram và dò biên gián tiếp đạt chuẩn đường biên mảnh 1 pixel.
• Thiết lập mô hình không gian 3D dạng lưới tam giác tối ưu hóa bộ nhớ RAM và nâng cao tốc độ kết xuất hình ảnh tương tác thời gian thực.
• Thực nghiệm thành công trên hồ sơ bệnh án thực tế tại Bệnh viện A Thái Nguyên, tái tạo rõ nét 100% các ca gãy xương gò má, xoang hàm và vỡ xương chẩm.
• Khẳng định tính khả thi cao của giải pháp phần mềm nội địa hóa, mở ra hướng phát triển công nghệ chẩn đoán hình ảnh chi phí thấp cho ngành y tế.

Đóng góp chính của luận văn là cung cấp giải pháp công nghệ toàn diện giúp chuyển đổi hiệu quả chuỗi ảnh cắt lớp 2D thành mô hình 3D trực quan, giải quyết bài toán thiếu hụt công cụ chẩn đoán chuyên sâu tại các cơ sở y tế địa phương. Kế hoạch tiếp theo trong 6–12 tháng tới sẽ tập trung tích hợp thuật toán trí tuệ nhân tạo để tự động hóa hoàn toàn quy trình phân vùng giải phẫu. Các bệnh viện, viện nghiên cứu và đơn vị công nghệ y tế quan tâm có thể kết nối, chia sẻ dữ liệu và triển khai thử nghiệm giải pháp nhằm nâng cao chất lượng khám chữa bệnh cho cộng đồng.

Trích đoạn nội dung tài liệu

Chương 1 ẢNH Y TẾ VÀ TÁI TẠO HÌNH ẢNH 3D 1.1 Ảnh y tế Ảnh y tế là kĩ thuật và quá trình được sử dụng để tái tạo ra hình ảnh cơ thể con người hoặc bộ phận cơ thể người phục vụ cho mục đích lâm sàng và cận lâm sàng nhu cầu chẩn đoán, kiểm tra bệnh hoặc khoa học y tế (bao gồm cả giải phẫu và sinh lý). Hình ảnh y tế đề cập đến một số kỹ thuật có thể được sử dụng như là phương pháp không xâm lấn nhìn vào bên trong cơ thể. Y học hiện đại chẩn đoán bệnh dựa vào các triệu chứng lâm sàng (chẩn đoán lâm sàng) và các triệu chứng cận lâm sàng. Trong chẩn đoán cận lâm sàng thì chẩn đoán dựa trên hình ảnh thu được từ những thiết bị chẩn đoán hình ảnh y học[10] (máy y tế) ngày càng chiếm một vai trò quan trọng.

Nhất là ngày nay với sự trợ giúp các thiết bị, máy y tế hiện đại, công nghệ cao có các phần mềm tin học hỗ trợ giúp cho tái hiện lại hình ảnh bên trong cơ thể bệnh nhân để phân biệt các bộ phận và phát hiện các tổn thương. Nó có thể được sử dụng để hỗ trợ chẩn đoán hoặc điều trị các bệnh nội khoa khác nhau. Ngày nay, công nghệ thông tin đóng vai trò quan trọng trong công tác quản lý, điều hành và ứng dụng thành công trong công tác khám chữa bệnh tại các bệnh viên như chụp cắt lớp, siêu âm, mổ nội soi v.Chẩn đoán hình ảnh y khoa góp phần quan trọng nâng cao tính chính xác, kịp thời và hiệu quả cao trong chẩn đoán bệnh. Các phương pháp chẩn đoán hình ảnh rất phong phú như chẩn đoán qua hình ảnh X quang, hình ảnh siêu âm, nội soi, hình ảnh chụp cắt lớp vi tính, hình ảnh chụp cộng hưởng từ.

Một số ảnh y tế qua các phương pháp chẩn đoán Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www. Ảnh chụp X-Quang và ảnh siêu âm Hình 1. Ảnh chụp cắt lớp vi tính (Computed tomography - CT) Điều đáng quan tâm ở đây là những hình ảnh này không phải là các định dạng ảnh thông thường như: jpg, bitmap, gif. mà nó được định dạng theo chuẩn.

Từ các hình ảnh có được qua các phương pháp không xâm lấn, các bác sĩ sẽ có thể để chẩn đoán, điều trị và chữa bệnh mà không gây ra bất kỳ tác dụng phụ có hại. Việc sử dụng các hình ảnh y tế đã cho phép các bác sĩ để xem được các bộ phận các tạng hay tổn thương bên trong bệnh nhân mà không cần phải đến phẫu thuật mở. Hình ảnh y tế cũng giúp chúng ta tìm hiểu thêm về sinh học thần kinh, hành vi của con người và mang đến cho các nhà khoa học từ sinh học, hóa học, vật lý liên kết với nhau và các công nghệ phát triển, thường có thể được sử dụng trong nhiều lĩnh vực.2 Ảnh cắt lớp 1.1 Lịch sử ra đời Thiết bị chụp cắt lớp vi tính (CLVT) - Còn gọi là chụp cắt lớp điện toán ra Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.vn 5 đời là kết quả của nhiều phát minh quan trọng về vật lý và toán học có liên quan từ nhiều năm trước: - Năm 1917, nhà toán học người Đức tên là Radon đã tìm ra cơ sở toán học của việc tái tạo cấu trúc của một vật thể 3 chiều trong không gian dựa trên vô số những hình chiếu của vật thể đó. - Năm 1963, Cormack là một kỹ sư vật lý người Mỹ phát minh ra nguyên lý tái tạo cấu trúc vật thể theo phương pháp chiếu xạ bằng Cobalt 60.

- Năm 1967, dựa trên nguyên tắc vật lý trên đây của Cormack, một kỹ sư người Anh tên là Hounsfield đã tái tạo thành công cấu trúc của vật thể bằng phương pháp chiếu qua vật thể bức xạ tia X (tia Roentgen).3 Godfrey Hounsfield, Nobel Prize in Physiology or Medicine, 1979 Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.4 Bản phác thảo về máy chụp cắt lớp vi tính của Sir Godfrey Hounsfield Hình 1.5 Máy chụp cắt lớp vi tính đầu tiên Năm 1970, Nhận thấy các hạn chế của phương pháp chụp X quang thông thường và kỹ thuật chụp tomography, kết hợp với hiểu biết về tia X đã được nghiên cứu trước đó, Sir Godfrey Hounsfield và Cormack độc lập nghiên cứu và tìm ra kỹ thuật chụp của máy CT. Ứng dụng đầu tiên của máy CT là chụp não. Nhờ phát minh này, họ đã cùng nhau chia sẻ giải thưởng Nobel năm 1979. ROBERT LEDLEY phát triển máy CT toàn thân đầu tiên trên thế giới Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.6 Máy CT toàn hân đầu tiên được phát triển Quá trình phát triển: Năm 1967 Housfield (Anh) dựa trên nguyên lý tạo ảnh đã thiết kế được một thiết bị dùng tia X-quang để đo những vật thể thí nghiệm bằng các chất nhân tạo và lập được chương trình cho máy tính ghi nhớ và tổng hợp kết quả.1971 Housfield và Ambrose (Anh) đã cho ra đời chiếc máy chụp cắt lớp vi tính sọ não đầu tiên.

Thời gian chụp và tính toán cho một quang ảnh lúc này cần 2 ngày. Năm 1974 Ledley (Mỹ) hoàn thành chiếc máy chụp cắt lớp vi tính (CT scanner) toàn thân đầu tiên, thời gian chụp một quang ảnh mất vài phút. Và đến năm 1977 trên thị trường thế giới xuất hiện loại máy chụp CTscan với thời gian chụp một quang ảnh chỉ 20 giây. Cho đến nay đã có 4 thế hệ máy chụp CTscan ra đời.

- CT thế hệ 1: chùm tia song song; nguồn, detector tịnh tiến và quay: máy có một đầu dò, sử dụng nguyên tắc quay và tịnh tiến. Chùm tia X-quang cực nhỏ chiếu qua cơ thể tới đầu dò để thu nhận kết quả. Bóng phát tia X phải quay quanh cơ thể 1800 để hoàn thành một lớp cắt. Khi quay 10 thì phát tia và quét ngang cơ thể để đo, một quang ảnh mất vài phút.

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.7 Máy CT thế hệ thứ I - CT thế hệ 2: chùm tia xẻ quạt; mảng detector tuyến tính; nguồn, detector tịnh tiến: máy có nhiều đầu dò, sử dụng theo nguyên tắc quay và tịnh tiến. Chùm tia X- quang có góc mở 100, đối diện có một nhóm 5-50 đầu dò. Do chùm tia X rộng hơn, nên giảm được số lần quét ngang. Thời gian chụp một quang ảnh từ 15-20 giây Hình 1.8 Máy CT thế hệ thứ II - CT thế hệ 3: chùm tia xẻ quạt; cung detector; nguồn, detector chỉ quay: máy có nhiều đầu dò (200-600 đầu dò), sử dụng nguyên tắc quay đơn thuần.

Chùm tia X có góc mở rộng hơn, chùm hết phần đầu dò quay cùng chiều với bóng phát tia và ghi kết quả. Thời gian chụp một quang ảnh từ 1-4 giây, độ mỏng lớp cắt đạt 2mm. Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.9 Máy CT thế hệ thứ III - CT thế hệ 4: chùm tia xẻ quạt; vòng detector; nguồn quay: máy có hệ thống đầu dò tĩnh, cố định vào 3600 của đường tròn, số lượng đầu dò lên tới 1000. Bóng phát tia X-quang quay quanh trục cơ thể và phát tia.

Thời gian chụp một quang ảnh đạt tới 1 giây, thuận lợi cho khảo sát các tạng chuyển động. Loại máy cực nhanh với thời gian cần cho một quang ảnh chỉ 0,1 giây, hoặc chụp cine CTscan được dùng trong chẩn đoán tim mạch.10 Máy CT thế hệ thứ IV 1.2 Nguyên lý chụp CTscanner (computed tomography)  Nguyên lý chung Nguyên lý chụp CLVT dựa trên phép đo tỷ trọng[21]. Trong cơ thể con người mỗi cơ quan khác nhau sẽ có khả năng hấp thụ tia X khác nhau. Căn cứ vào việc tính toán chỉ số hấp thụ này (dựa trên đo và tính toán hệ số suy giảm cường độ tia X Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.vn 10 sau khi đi qua phần cơ thể) bằng các đầu dò (Detector) mà máy tính tạo ra được hình ảnh của cơ quan cần thăm khám.

Nguyên lý tạo ảnh của chụp CLVT[18] là dựa trên công nghệ kỹ thuật số. Các lát cắt ngang qua vùng cơ thể cần được khảo sát được phân tích thành nhiều khối nhỏ. Các khối riêng lẻ này được gọi là các phần tử thể tích hay khối thể tích mô. Thành phần, độ dày của của khối thể tích mô cùng với tính chất chùm tia X sẽ xác định mức độ hấp thu tia X của các khối này.11 Nguyên lý chụp CLVT và độ phân giải ảnh kỹ thuật số Các dữ liệu số về sự hấp thu tia X của các khối thể tích mô được máy tính chuyển thành các độ xám khác nhau của các phần tử hình hay điểm ảnh trên hình.

Trong một đơn vị thể tích nếu có số các đơn vị ảnh càng nhiều (Pixel) thì độ phân giải của nó càng cao. Pixel aspect ratio PAR=x/y=4:3 x: pixel width y: pixel height Hình 1.12 Điểm ảnh (pixel) Mỗi điểm ảnh là một đơn vị thể tích có chiều rộng (x) và chiều cao (y) Các đơn vị thể tích được mã hoá các thông số về đặc điểm tỉ trọng, vị trí (toạ độ) và được máy tính ghi lại. Sau đó máy tính dựng lại hình ảnh của mặt cắt dựa Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.vn 11 trên các thông số đã ghi của các đơn vị thể tích để tạo ra hình ảnh của cấu trúc trên lớp cắt. Phương pháp này cho phép phân biệt các cấu trúc cơ thể trên cùng một mặt phẳng có độ chênh lệch tỉ trọng 0,5%.

Nếu số điểm ảnh càng nhiều (các đơn vị thể tích càng nhỏ) thì hình ảnh càng mịn (ảnh càng nét). Số lượng điểm ảnh được gọi là độ phân giải của ảnh. Như vậy độ phân giải càng cao thì ảnh càng nét, cho phép phân biệt ranh giới giữa các cấu trúc càng rõ và cho phép phát hiện được các tổn thương có cấu trúc nhỏ. Thành phần chính của máy CT là một bóng phát tia X và bộ phận thu nhận tín hiệu (detectors), được đặt trong một khoang máy hình tròn (gantry) ở vị trí đối diện nhau và có thể quay quanh cơ thể bệnh nhân.

Bóng phát tia X được coi là “trái tim” của máy. Một chùm tia X rất hẹp phát ra từ bóng, xuyên qua một phần cơ thể và được bộ phận thu nhận tín hiệu tiếp nhận. Bộ phận tiếp nhận này bao gồm một hay nhiều dãy đầu thu, được cấu tạo bằng các tinh thể nhấp nháy hay các buồng ion hóa, cho phép lượng hóa sự suy giảm của tia X sau khi đi qua cơ thể. Độ nhạy của các đầu thu cao hơn rất nhiều so với phim X-quang.