Nâng cao chất lượng hình ảnh và xác định kích thước khối u đặc bằng phương pháp Wavelet

Chuyên khảo phân tích Dùng phương pháp wavelet tăng cường biên ảnh để xác định kích thước khối u đặc, đánh giá các khía cạnh quan trọng, đề xuất hướng nghiên cứu tiếp theo.

• Tác giả: Trần Thị Quỳnh Như
• Người hướng dẫn: TS. Nguyễn Thanh Hải
• Trường học: Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh
• Chuyên ngành: Kỹ thuật điện tử
• Đề tài: Dùng phương pháp Wavelet tăng cường biên ảnh để xác định kích thước khối u đặc
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2014
• Địa điểm: Thành phố Hồ Chí Minh

Mục lục chi tiết

• Trang tựa
• Quyết định giao đề tài
• Lý lịch khoa học
• Lời cam đoan
• Tóm tắt luận văn
• Danh mục các từ viết tắt
• Danh mục các bảng
• Danh mục các hình vẽ, đồ thị
• 1. Chương 1: Tổng quan về xác định kích thước khối u đặc
• 1.1. Tổng quan về xác định kích thước khối u đặc
• 1.2. Mục tiêu nghiên cứu
• 1.3. Nhiệm vụ của đề tài và phạm vi nghiên cứu
• 1.4. Phương pháp nghiên cứu
• 2. Chương 2: Cơ sở lý thuyết về xử lý ảnh y tế
• 2.1. Khái niệm về ảnh y tế
• 2.1.1. Khái niệm về ảnh
• 2.1.2. Cách tạo ảnh y tế
• 2.1.3. Đặc điểm ảnh CT
• 2.2. Xử lý ảnh y tế
• 2.2.1. Khái niệm xử lý ảnh y tế
• 2.2.2. Quá trình xử lý ảnh y tế
• 2.2.3. Biến đổi ảnh đơn sắc
• 2.3. Biến đổi Wavelet
• 2.3.1. Khái niệm biến đổi Wavelet
• 2.3.2. Biến đổi Wavelet liên tục
• 2.3.3. Biến đổi Wavelet rời rạc
• 2.3.4. Biến đổi Wavelet đa phân giải
• 2.4. Nâng cao chất lượng ảnh
• 2.4.1. Khái niệm nhiễu
• 2.4.2. Các phương pháp lọc nhiễu
• 2.4.3. Lọc nhiễu dùng biến đổi Wavelet
• 2.4.4. Giá trị Entropy
• 2.5. Phát hiện biên ảnh
• 2.5.1. Khái niệm biên ảnh
• 2.5.2. Phương pháp phát hiện biên
• 2.5.2.1. Quy trình và thuật toán phát hiện biên
• 2.5.2.2. Kỹ thuật Gradient
• 2.5.2.3. Toán tử la bàn
• 2.5.2.4. Kỹ thuật Laplace
• 2.5.2.5. Phương pháp Canny
• 2.5.3. Ứng dụng biến đổi Wavelet trong tìm biên ảnh
• 2.6. Khái niệm về khối u đặc
• 2.6.1. Nguyên nhân, triệu chứng và cách điều trị ung thư
• 2.6.2. Các giai đoạn của ung thư
• 2.7. Kết luận chương 2
• 3. Chương 3: Xác định kích thước khối u đặc
• 3.1. Quá trình xác định kích thước khối u đặc
• 3.1.1. Đọc ảnh đầu vào
• 3.1.2. Cân bằng Histogram
• 3.1.3. Trích lọc đối tượng
• 3.2. Tính kích thước khối u
• 3.2.1. Tìm tổng diện tích các pixel
• 3.2.2. Chia nhỏ khối u
• 3.2.3. Tìm thể tích khối u
• 3.3. Kết luận chương 3
• 4. Chương 4: Quá trình xác định kích thước khối u đặc và kết quả mô phỏng
• 4.1. Tìm diện tích các hình cơ bản
• 4.2. Tìm diện tích khối u
• 4.2.1. Đọc ảnh đầu vào
• 4.2.2. Trích lọc đối tượng
• 4.2.3. Tìm diện tích khối u
• 4.2.4. Tìm thể tích khối u
• 4.3. Kết luận chương 4
• 5. Chương 5: Kết luận và hướng phát triển đề tài
• 5.1. Hướng phát triển của đề tài
• Tài liệu tham khảo

Tóm tắt

I. Tổng Quan Về Xác Định Kích Thước Khối U Đặc 2024

Khoa học kỹ thuật phát triển kéo theo sự ra đời của nhiều giao ngành, trong đó có kỹ thuật y sinh. Tại Việt Nam, lĩnh vực này còn khá mới mẻ, chủ yếu tập trung vào nghiên cứu tin sinh học, chẩn đoán hình ảnh, xử lý tín hiệu sinh lý học và đặc biệt là xử lý hình ảnh y tế. Xử lý hình ảnh y tế giúp nâng cao hiệu quả sử dụng các thiết bị chẩn đoán, đo lường bằng hình ảnh. Quá trình này thao tác trên ảnh đầu vào để tạo ra kết quả mong muốn, có thể là một ảnh tốt hơn hoặc một kết luận chẩn đoán. Các hình ảnh trong kỹ thuật y sinh bao gồm: Ảnh X-quang, ảnh chụp cắt lớp điện toán (CT), chụp X-quang kỹ thuật số mạch máu theo phương pháp loại trừ (DSA), chụp cộng hưởng từ (MRI), hay các ảnh ứng dụng hạt nhân (PET, SPECT). Các thuật toán ngày càng phức tạp để chất lượng ảnh tái tạo ngày càng cải thiện. Nhờ đó mà chất lượng chẩn đoán bệnh ngày càng được nâng cao, các bệnh hiểm nghèo ngày càng được phát hiện sớm để kịp thời chữa trị.

1.1. Tầm Quan Trọng của Chẩn Đoán Hình Ảnh Sớm

Chẩn đoán hình ảnh tốt có thể giảm thiểu các ca tử vong do ảnh chụp ở giai đoạn đầu không thể hiện rõ bệnh lý gây khó khăn cho bác sĩ trong chẩn đoán. Bệnh ung thư hiện nay là một trong những nguyên nhân gây tử vong hàng đầu trên thế giới với khoảng 200 loại đã được xác định. Một số tế bào này phát triển tạo thành khối u. Khối u có thể lành tính hay ác tính. Kích thước khối u có thể xác định được giai đoạn phát triển của khối u để theo dõi và có biện pháp điều trị thích hợp. Ngoài ra nó giúp bác sĩ có cái nhìn tổng thể trước khi phẫu thuật cắt bỏ khối u và theo dõi việc phân phối thuốc trong quá trình điều trị ung thư. Vì vậy, kích thước khối u có vai trò quan trọng trong chẩn đoán và điều trị ung thư.

1.2. Giới Thiệu Đề Tài Wavelet và Khối U Đặc

Đề tài “Dùng phƣơng pháp Wavelet tăng cƣờng biên ảnh để xác định kích thƣớc khối u đặc” được thực hiện trên cơ sở kế thừa và phát triển một số kết quả nghiên cứu của các đề tài trong và ngoài nước. Để xác định được kích thước khối u đặc cần phải xác định được vùng nghi vấn trong ảnh y tế bằng các thuật toán tăng cường ảnh, trích lọc vùng quan tâm và xác định được biên ảnh. Ở Việt Nam, các kết quả đã công bố về xử lý hình ảnh y tế cũng như xác định kích thước khối u đặc còn ít.

II. Thách Thức Trong Xác Định Kích Thước Khối U Chính Xác

Việc xác định chính xác kích thước khối u gặp nhiều thách thức do chất lượng ảnh đầu vào không phải lúc nào cũng tốt. Nhiễu ảnh, độ phân giải thấp, và sự khác biệt về cấu trúc mô xung quanh khối u có thể gây khó khăn cho việc phân biệt ranh giới khối u. Các phương pháp truyền thống đôi khi không đủ mạnh để xử lý những vấn đề này. Do đó, cần có những phương pháp xử lý ảnh tiên tiến hơn để cải thiện độ chính xác trong việc xác định kích thước khối u.

2.1. Ảnh Hưởng của Nhiễu Ảnh Đến Độ Chính Xác

Nhiễu ảnh là một vấn đề lớn trong xử lý ảnh y tế. Nhiễu có thể làm mờ ranh giới khối u, gây khó khăn cho việc xác định kích thước chính xác. Các phương pháp lọc nhiễu truyền thống có thể làm mất thông tin quan trọng, do đó cần có những phương pháp lọc nhiễu hiệu quả hơn, chẳng hạn như sử dụng biến đổi Wavelet.

2.2. Khó Khăn Trong Phân Biệt Ranh Giới Khối U

Sự khác biệt về cấu trúc mô xung quanh khối u có thể gây khó khăn cho việc phân biệt ranh giới khối u. Các phương pháp phân vùng ảnh truyền thống đôi khi không đủ mạnh để xử lý những trường hợp này. Cần có những phương pháp phân vùng ảnh tiên tiến hơn, chẳng hạn như sử dụng các thuật toán học sâu.

III. Phương Pháp Wavelet Tăng Cường Biên Ảnh Khối U Đặc

Phương pháp Wavelet là một công cụ mạnh mẽ trong xử lý ảnh, đặc biệt là trong việc tăng cường biên ảnh. Biến đổi Wavelet cho phép phân tích ảnh thành các thành phần tần số khác nhau, giúp loại bỏ nhiễu và làm nổi bật các chi tiết quan trọng. Trong việc xác định kích thước khối u đặc, Wavelet có thể được sử dụng để tăng cường ranh giới khối u, giúp việc phân vùng và đo kích thước trở nên chính xác hơn.

3.1. Ưu Điểm của Biến Đổi Wavelet Trong Xử Lý Ảnh

Biến đổi Wavelet có nhiều ưu điểm so với các phương pháp xử lý ảnh truyền thống. Wavelet có khả năng phân tích ảnh thành các thành phần tần số khác nhau, giúp loại bỏ nhiễu và làm nổi bật các chi tiết quan trọng. Ngoài ra, Wavelet có khả năng xử lý ảnh đa phân giải, cho phép phân tích ảnh ở các mức độ chi tiết khác nhau.

3.2. Ứng Dụng Wavelet Để Tăng Cường Ranh Giới Khối U

Trong việc xác định kích thước khối u đặc, Wavelet có thể được sử dụng để tăng cường ranh giới khối u. Bằng cách phân tích ảnh thành các thành phần tần số khác nhau, Wavelet có thể làm nổi bật các chi tiết quan trọng, giúp việc phân vùng và đo kích thước trở nên chính xác hơn. Các nghiên cứu đã chỉ ra rằng Wavelet có thể cải thiện đáng kể độ chính xác trong việc xác định kích thước khối u.

3.3. Các Bước Thực Hiện Tăng Cường Biên Ảnh Bằng Wavelet

Quá trình tăng cường biên ảnh bằng Wavelet thường bao gồm các bước sau: (1) Biến đổi Wavelet ảnh đầu vào. (2) Lọc nhiễu bằng cách loại bỏ các thành phần tần số cao không mong muốn. (3) Tăng cường các thành phần tần số cao tương ứng với ranh giới khối u. (4) Biến đổi Wavelet ngược để tái tạo ảnh đã được tăng cường.

IV. Quy Trình Xác Định Kích Thước Khối U Bằng Wavelet Chi Tiết

Quy trình xác định kích thước khối u bằng Wavelet bao gồm nhiều bước, từ tiền xử lý ảnh đến đo kích thước khối u. Mỗi bước đều quan trọng để đảm bảo độ chính xác của kết quả cuối cùng. Việc lựa chọn các tham số phù hợp cho từng bước cũng rất quan trọng.

4.1. Tiền Xử Lý Ảnh Y Tế Đầu Vào

Tiền xử lý ảnh là bước quan trọng để cải thiện chất lượng ảnh đầu vào. Các bước tiền xử lý thường bao gồm: (1) Lọc nhiễu để giảm nhiễu ảnh. (2) Cân bằng Histogram để cải thiện độ tương phản. (3) Chuẩn hóa ảnh để đảm bảo tính nhất quán.

4.2. Trích Lọc Vùng Quan Tâm ROI Chứa Khối U

Trích lọc vùng quan tâm (ROI) giúp tập trung vào vùng chứa khối u, giảm thời gian xử lý và cải thiện độ chính xác. ROI có thể được xác định bằng tay hoặc bằng các thuật toán tự động.

4.3. Phân Vùng Ảnh và Xác Định Biên Khối U Bằng Wavelet

Phân vùng ảnh là quá trình chia ảnh thành các vùng khác nhau. Trong trường hợp này, mục tiêu là phân vùng khối u và các mô xung quanh. Wavelet có thể được sử dụng để tăng cường ranh giới khối u, giúp việc phân vùng trở nên chính xác hơn.

4.4. Đo Kích Thước Khối U Diện Tích và Thể Tích

Sau khi phân vùng ảnh, có thể đo kích thước khối u. Các thông số thường được đo bao gồm diện tích và thể tích. Diện tích có thể được tính bằng cách đếm số pixel bên trong ranh giới khối u. Thể tích có thể được tính bằng cách sử dụng các công thức hình học hoặc bằng cách tái tạo khối u 3D.

V. Ứng Dụng Thực Tế và Kết Quả Nghiên Cứu Wavelet

Các kết quả nghiên cứu về xác định kích thước khối u bằng Wavelet có thể được ứng dụng trong nhiều lĩnh vực, từ chẩn đoán đến điều trị ung thư. Việc xác định chính xác kích thước khối u giúp bác sĩ đưa ra quyết định điều trị tốt hơn và theo dõi hiệu quả điều trị.

5.1. Hỗ Trợ Chẩn Đoán và Lập Kế Hoạch Điều Trị Ung Thư

Việc xác định chính xác kích thước khối u giúp bác sĩ chẩn đoán bệnh chính xác hơn và lập kế hoạch điều trị phù hợp. Kích thước khối u là một trong những yếu tố quan trọng để xác định giai đoạn ung thư và lựa chọn phương pháp điều trị.

5.2. Theo Dõi Hiệu Quả Điều Trị và Đánh Giá Phản Ứng Khối U

Việc theo dõi kích thước khối u trong quá trình điều trị giúp bác sĩ đánh giá hiệu quả điều trị và điều chỉnh kế hoạch điều trị nếu cần thiết. Sự thay đổi kích thước khối u là một trong những chỉ số quan trọng để đánh giá phản ứng khối u với điều trị.

VI. Kết Luận và Hướng Phát Triển Của Phương Pháp Wavelet

Phương pháp Wavelet là một công cụ hứa hẹn trong việc xác định kích thước khối u đặc. Tuy nhiên, vẫn còn nhiều vấn đề cần được nghiên cứu và cải thiện. Trong tương lai, có thể kết hợp Wavelet với các phương pháp khác, chẳng hạn như học sâu, để tạo ra những hệ thống xác định kích thước khối u chính xác và hiệu quả hơn.

6.1. Tổng Kết Ưu Điểm và Hạn Chế Của Phương Pháp Wavelet

Phương pháp Wavelet có nhiều ưu điểm, chẳng hạn như khả năng phân tích ảnh đa phân giải và khả năng tăng cường ranh giới khối u. Tuy nhiên, Wavelet cũng có một số hạn chế, chẳng hạn như việc lựa chọn các tham số phù hợp có thể khó khăn.

6.2. Hướng Nghiên Cứu và Phát Triển Trong Tương Lai

Trong tương lai, có thể kết hợp Wavelet với các phương pháp khác, chẳng hạn như học sâu, để tạo ra những hệ thống xác định kích thước khối u chính xác và hiệu quả hơn. Ngoài ra, cần nghiên cứu thêm về việc lựa chọn các tham số phù hợp cho Wavelet để tối ưu hóa hiệu quả của phương pháp.

Nội dung chính

Tổng quan nghiên cứu

Ung thư hiện là một trong những nguyên nhân gây tử vong hàng đầu trên toàn cầu, với hơn 200 loại bệnh lý ác tính khác nhau đã được y học xác định. Thống kê lâm sàng cho thấy các khối u đặc chiếm hơn 80% tổng số ca mắc ung thư ở người. Trong quy trình điều trị, việc phát hiện sớm và phẫu thuật cắt bỏ khối u đóng vai trò mang tính quyết định đến khả năng sống sót của bệnh nhân. Sau phẫu thuật, việc phân phối chính xác liều lượng thuốc chống ung thư vào các mô tổn thương cũng đòi hỏi phải nắm rõ thông số hình thái của khối u. Do đó, bài toán nâng cao chất lượng hình ảnh y tế và xác định chính xác kích thước khối u trở thành yêu cầu cấp thiết hàng đầu trong kỹ thuật y sinh.

Hình ảnh chụp cắt lớp vi tính thường xuất hiện các dạng nhiễu ngẫu nhiên như nhiễu Gaussian cùng độ tương phản mức xám thấp giữa các mô mềm, gây khó khăn lớn cho việc nhận diện ranh giới tổn thương. Mục tiêu trọng tâm của nghiên cứu là xây dựng giải pháp ứng dụng phép biến đổi Wavelet để khử nhiễu, tăng cường biên ảnh và trích xuất tự động vùng quan tâm, từ đó tính toán chính xác diện tích cũng như thể tích khối u đặc trên ảnh cắt lớp vi tính hai chiều.

Nghiên cứu được triển khai thực nghiệm trên tập dữ liệu ảnh y tế thực tế thu thập từ Bệnh viện Đa khoa Khu vực Đồng Nai, hoàn thành trong giai đoạn năm 2014. Về mặt ứng dụng, giải pháp đề xuất giúp kiểm soát sai số ước lượng kích thước khối u dưới ngưỡng 5%, hỗ trợ đắc lực cho các bác sĩ trong việc chẩn đoán giai đoạn bệnh, lập kế hoạch phẫu thuật và theo dõi đáp ứng điều trị thuốc theo các tiêu chuẩn quốc tế.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên nền tảng kết hợp giữa lý thuyết xử lý tín hiệu số hiện đại và các nguyên lý tạo ảnh chẩn đoán y khoa chuyên sâu:

• Lý thuyết biến đổi Wavelet rời rạc và phân tích đa phân giải: Khắc phục triệt để nhược điểm mất thông tin thời gian - không gian của phép biến đổi Fourier truyền thống hoặc biến đổi Fourier cửa sổ ngắn. Biến đổi Wavelet phân tách ảnh số hai chiều thành bốn băng tần con gồm ảnh xấp xỉ tần số thấp và ba ảnh chi tiết tần số cao theo các hướng ngang, dọc, chéo. Nhờ đặc tính định vị tốt cả trong miền không gian lẫn tần số, Wavelet cho phép lọc sạch nhiễu mà vẫn bảo toàn tối đa các chi tiết đường biên quan trọng.
• Lý thuyết tăng cường chất lượng ảnh và cân bằng biểu đồ Histogram: Chuẩn hóa phân bố mức xám từ dải giá trị đơn vị Hounsfield trải rộng từ âm 1000 đến dương 3000 về thang đo mức xám chuẩn 8-bit từ 0 đến 255. Kỹ thuật cân bằng Histogram giúp phân tán đều các giá trị điểm ảnh co cụm, nâng cao tối đa độ tương phản toàn cục của hình ảnh y tế.
• Lý thuyết phát hiện biên và trích xuất vùng quan tâm: Ứng dụng các toán tử Gradient bậc nhất, toán tử Laplace bậc hai kết hợp cùng mặt nạ lọc Sobel và tính toán giá trị thông tin Entropy để định vị chính xác ranh giới phân tách giữa vùng mô bệnh lý và mô lành xung quanh.

Phương pháp nghiên cứu

Nghiên cứu kết hợp chặt chẽ giữa phân tích lý thuyết toán học và mô phỏng thực nghiệm trên môi trường lập trình kỹ thuật:

• Nguồn dữ liệu và chọn mẫu: Tập dữ liệu nghiên cứu sử dụng các ảnh chụp cắt lớp vi tính sọ não và nội tạng định dạng đơn sắc 8-bit với kích thước ma trận chuẩn 512x512 pixel. Phương pháp chọn mẫu có chủ đích được áp dụng trên 70 mẫu ảnh bệnh lý thực tế từ Bệnh viện Đa khoa Khu vực Đồng Nai nhằm bao quát các trường hợp khối u có bờ ranh giới phức tạp và độ tương phản thấp.
• Phương pháp phân tích và xử lý: Sử dụng công cụ phần mềm kỹ thuật để xây dựng chu trình xử lý ảnh khép kín:
  • Khối tiền xử lý: Thực hiện phép biến đổi Wavelet kết hợp chọn ngưỡng tối ưu Bayes Shrink để khử nhiễu Gaussian và cân bằng Histogram tăng cường tương phản.
  • Khối trích lọc và định vị biên: Tách trực tiếp vùng quan tâm, áp dụng thuật toán biến đổi Wavelet phát hiện biên đa hướng và loại bỏ các biên giả.
  • Khối định lượng kích thước: Tính toán diện tích thông qua hai thuật toán độc lập gồm đếm tổng điểm ảnh mức 1 và chia nhỏ khối u thành các lát cắt song song; tính thể tích dựa trên công thức thực nghiệm từ kích thước chiều dài và chiều rộng.
• Lý do lựa chọn phương pháp: Sự kết hợp giữa Wavelet và cân bằng Histogram mang lại khả năng phân tích đa phân giải vượt trội, giảm thiểu sai số tính toán hình học so với các phương pháp xử lý hình thái học đơn thuần.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình mô phỏng và kiểm nghiệm thực tế đã mang lại những kết quả định lượng cụ thể:

• Hiệu quả khử nhiễu và nâng cao chất lượng ảnh: Thuật toán lọc nhiễu Wavelet giúp làm giảm chỉ số sai số toàn phương trung bình hơn 25% so với các phương pháp lọc trung bình tuyến tính và lọc Wiener truyền thống. Cân bằng biểu đồ Histogram giúp độ biến thiên mức xám trên toàn dải 0 đến 255 đạt trạng thái phân bố tối ưu, làm rõ các tổn thương có kích thước nhỏ.
• Độ sắc nét trong định vị biên khối u: So sánh trực tiếp trên cùng một ảnh chụp cắt lớp vi tính 512x512 pixel cho thấy biến đổi Wavelet tái tạo đường biên liên tục, giảm thiểu hơn 30% tỷ lệ đứt gãy biên so với các toán tử vi phân cổ điển như Sobel hay Gradient.
• Độ chính xác trong tính toán diện tích khối u: Thử nghiệm trên các hình học giả lập và khối u thực tế cho thấy phương pháp quét đếm tổng điểm ảnh nội vùng đạt độ chính xác trên 96%. Phương pháp chia nhỏ khối u thành các lát cắt có độ dày đồng nhất cho kết quả tương đương với độ lệch sai số kiểm chứng dưới 4%.
• Ước lượng thể tích phục vụ lâm sàng: Thuật toán xác định kích thước chiều dài và chiều rộng khối u kết hợp công thức chuyển đổi thực nghiệm cho phép ước tính thể tích khối u một cách nhanh chóng, đồng nhất với các tiêu chí đánh giá đáp ứng khối u đặc RECIST năm 2000.

Thảo luận kết quả

Khả năng phân tách tần số vượt trội của biến đổi Wavelet rời rạc là nguyên nhân then chốt giúp thuật toán tách biệt hoàn toàn tín hiệu nhiễu ngẫu nhiên khỏi các thành phần tần số cao đại diện cho đường biên khối u. Trong khi các bộ lọc tuyến tính thông thường làm mờ cả cạnh biên khi làm mịn nền ảnh, Wavelet bảo tồn nguyên vẹn cấu trúc hình học của mô bệnh.

Khi so sánh với các nghiên cứu tiền nhiệm trong lĩnh vực chẩn đoán hình ảnh, giải pháp tăng cường biên Wavelet cho thấy sự tương đồng về độ tin cậy với các công trình nghiên cứu phát hiện vi vôi hóa tuyến vú hoặc đo lường thể tích khối u não đa chiều. Kết quả nghiên cứu có thể được trực quan hóa rõ nét thông qua biểu đồ Histogram trước và sau xử lý, minh họa sự dịch chuyển của mật độ phân bố mức xám từ trạng thái co cụm sang trạng thái trải rộng đồng đều. Đồng thời, bảng đối sánh sai số hình học giữa hai phương pháp đo diện tích cũng khẳng định tính ổn định cao của thuật toán khi xử lý các khối u có hình thái bất đối xứng phức tạp.

Đề xuất và khuyến nghị

Nhằm chuyển hóa kết quả nghiên cứu thành các ứng dụng thực tế hỗ trợ y tế, một số giải pháp trọng tâm được khuyến nghị thực hiện:

• Tích hợp module tăng cường ảnh Wavelet vào hệ thống quản trị hình ảnh y tế: Đội ngũ kỹ sư công nghệ thông tin y tế cần phối hợp với các cơ sở y tế triển khai tích hợp thuật toán xử lý ảnh trực tiếp vào hệ thống lưu trữ và truyền hình ảnh, đặt mục tiêu tối ưu hóa thời gian tính toán diện tích khối u dưới 3 giây cho mỗi lát cắt trong vòng 6 tháng tới.
• Chuẩn hóa quy trình đo đạc kích thước khối u theo tiêu chí quốc tế: Các hội đồng chuyên môn tại bệnh viện cần áp dụng phương pháp định lượng diện tích và thể tích khối u tự động vào quy trình hội chẩn ung bướu, nâng cao độ chính xác chẩn đoán giai đoạn bệnh lên trên 95% trong lộ trình 12 tháng.
• Mở rộng thuật toán tái tạo mô hình không gian 3 chiều: Nhóm nghiên cứu kỹ thuật điện tử y sinh cần tiếp tục phát triển công cụ ghép nối các lát cắt ảnh 2 chiều thành mô hình thể tích 3 chiều hoàn chỉnh sử dụng bộ thư viện chuyên dụng, hoàn thành trong giai đoạn 18 tháng để phục vụ mô phỏng phẫu thuật chính xác.
• Tổ chức các chương trình đào tạo liên ngành kỹ thuật và y học: Các trường đại học kỹ thuật cần phối hợp với các bệnh viện tuyến trung ương mở các khóa bồi dưỡng ngắn hạn về xử lý ảnh số y khoa, hướng tới mục tiêu tập huấn cho hơn 100 kỹ thuật viên và bác sĩ chẩn đoán hình ảnh mỗi năm.

Đối tượng nên tham khảo luận văn

Nội dung và kết quả của luận văn mang lại giá trị thực tiễn cao cho nhiều nhóm chuyên môn:

• Học viên cao học và nghiên cứu sinh ngành Kỹ thuật Điện tử, Xử lý tín hiệu và Kỹ thuật Y sinh: Tài liệu cung cấp cơ sở toán học chặt chẽ về biến đổi Wavelet, thuật toán đa phân giải và mã nguồn mô phỏng phục vụ trực tiếp cho các đề tài nghiên cứu chuyên sâu về phân tích ảnh số.
• Bác sĩ chuyên khoa Chẩn đoán hình ảnh và Ung bướu: Giúp các chuyên gia y tế hiểu rõ bản chất kỹ thuật của các thuật toán tăng cường chất lượng ảnh chụp cắt lớp vi tính, từ đó nâng cao mức độ tự tin khi nhận định ranh giới và kích thước khối u.
• Kỹ sư phát triển phần mềm y tế và thiết bị y tế kỹ thuật số: Là tài liệu tham khảo giá trị để thiết kế các tính năng trích xuất vùng quan tâm tự động và công cụ đo đạc hình thái học tích hợp trong các phần mềm chẩn đoán chuyên dụng.
• Giảng viên và nhà nghiên cứu tại các viện, trường đại học: Sử dụng làm tài liệu giảng dạy, bài giảng mẫu cho các học phần về xử lý ảnh y sinh, thị giác máy tính và ứng dụng toán học trong công nghệ y tế.

Câu hỏi thường gặp

• Tại sao biến đổi Wavelet lại vượt trội hơn biến đổi Fourier trong xử lý ảnh y tế?
  Biến đổi Fourier chỉ cung cấp thông tin trong miền tần số mà làm mất hoàn toàn thông tin tọa độ không gian. Biến đổi Wavelet sử dụng hàm cơ sở có độ dài biến thiên linh hoạt, cho phép định vị chính xác cả tần số lẫn vị trí không gian của các điểm ảnh. Nhờ đó, thuật toán làm nổi bật biên khối u trên ảnh cắt lớp 512x512 pixel mà không làm nhòe cấu trúc xung quanh.

• Hai phương pháp tính diện tích khối u trong luận văn có điểm gì khác nhau?
  Phương pháp thứ nhất quét toàn bộ ảnh và cộng tổng các điểm ảnh mang mức logic 1 nằm bên trong đường bao khép kín của khối u. Phương pháp thứ hai chia nhỏ khối u thành nhiều lát cắt song song có bề dày cố định rồi tính tích phân diện tích. Cả hai giải pháp đều đạt độ tin cậy cao với sai số chênh lệch kiểm chứng thực tế dưới mức 4%.

• Biểu đồ Histogram đóng vai trò gì trong quá trình tiền xử lý ảnh cắt lớp vi tính?
  Ảnh chụp cắt lớp ban đầu thường có mức xám co cụm trong dải hẹp, dẫn đến độ tương phản kém giữa các mô. Thuật toán cân bằng Histogram biến đổi và trải đều các giá trị mức xám trên toàn dải 8-bit từ 0 đến 255. Bước xử lý này làm tăng độ sắc nét trực quan của bức ảnh lên hơn 20%, giúp khối u hiển thị tách biệt rõ rệt so với nền.

• Thuật toán xử lý biên giả trong luận văn được tiến hành như thế nào?
  Sau khi trích xuất biên bằng toán tử vi phân và biến đổi Wavelet, các yếu tố nhiễu có thể tạo ra các mảnh biên không mong muốn. Luận văn thiết lập khối định vị biên dựa trên các điều kiện liên tục hình học và mức ngưỡng thông tin Entropy để loại bỏ triệt để các đường biên rời rạc, chỉ giữ lại ranh giới bao quanh khối mô tổn thương thực tế.

• Kết quả đo kích thước khối u có ý nghĩa như thế nào đối với tiêu chuẩn RECIST?
  Tiêu chuẩn RECIST công bố năm 2000 yêu cầu đánh giá chính xác sự thay đổi kích thước khối u đặc trước và sau điều trị. Việc xác định tự động chiều dài, chiều rộng, diện tích và thể tích khối u bằng thuật toán Wavelet giúp loại bỏ yếu tố cảm tính chủ quan của người quan sát, cung cấp các thước đo định lượng khách quan cho phác đồ dùng thuốc.

Kết luận

• Luận văn đã xây dựng thành công quy trình tự động hóa khép kín từ khâu tiền xử lý, khử nhiễu Wavelet, cân bằng Histogram đến phát hiện biên và đo lường kích thước khối u đặc trên ảnh chụp cắt lớp vi tính 2 chiều kích thước 512x512 pixel.
• Đóng góp khoa học cốt lõi là việc chứng minh tính ưu việt của phân tích đa phân giải Wavelet trong việc bảo toàn độ sắc nét đường biên, giảm sai số ước lượng diện tích xuống dưới 4% so với các phương pháp xử lý ảnh truyền thống.
• Đề xuất hoàn chỉnh hai thuật toán định lượng diện tích gồm đếm tổng điểm ảnh nội vùng và phân chia lát cắt song song, kết hợp công thức thực nghiệm tính toán thể tích khối u phục vụ theo dõi điều trị lâm sàng.
• Lộ trình phát triển tiếp theo trong giai đoạn 12 đến 24 tháng tới cần tập trung vào việc nâng cấp thuật toán từ xử lý ảnh 2 chiều sang tái tạo cấu trúc không gian 3 chiều và tích hợp thử nghiệm lâm sàng tại các bệnh viện đa khoa.
• Các nhà nghiên cứu, kỹ sư phần mềm y sinh và chuyên gia chẩn đoán hình ảnh hãy tham khảo toàn văn công trình nghiên cứu để cùng ứng dụng và hoàn thiện công nghệ xử lý ảnh y tế tiên tiến này vào thực tiễn khám chữa bệnh.

Trích đoạn nội dung tài liệu

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ TRẦN THỊ QUỲNH NHƯ DÙNG PHƯƠNG PHÁP WAVELET TĂNG CƯỜNG BIÊN ẢNH ĐỂ XÁC ĐỊNH KÍCH THƯỚC KHỐI U ĐẶC S K C 0 0 3 4 9 2 5 9 8 NGÀNH: KỸ THUẬT ĐIỆN TỬ - 605270 S KC 0 0 4 2 6 2 Tp. Hồ Chí Minh, tháng 4 năm 2014 BỘ GIÁO DỤC ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ TRẦN THỊ QUỲNH NHƯ DÙNG PHƯƠNG PHÁP WAVELET TĂNG CƯỜNG BIÊN ẢNH ĐỂ XÁC ĐỊNH KÍCH THƯỚC KHỐI U ĐẶC NGÀNH: KỸ THUẬT ĐIỆN TỬ -605270 Hướng dẫn khoa học: TS. NGUYỄN THANH HẢI TP. Hồ Chí Minh, tháng 03/2014 QUYẾT ĐỊNH GIAO ĐỀ TÀI i LÝ LỊCH KHOA HỌC I.

LÝ LỊCH SƠ LƢỢC: Họ & tên: Trần Thị Quỳnh Như Giới tính: Nữ Ngày, tháng, năm sinh: 20-04-1984 Nơi sinh: Đồng Nai Quê quán: Quảng Ngãi Dân tộc: Kinh Chỗ ở riêng hoặc địa chỉ liên lạc: Trường trung học kỹ thuật thực hành, 484 Lê Văn Việt, Phường Tăng Nhơn Phú A, Quận 9, TP. Hồ Chí Minh Điện thoại cơ quan: 08.38962867 Điện thoại nhà riêng: Fax: E-mail: nhuttq@hcmute. QUÁ TRÌNH ĐÀO TẠO: 1. Trung học chuyên nghiệp: Hệ đào tạo: Thời gian đào tạo từ …/… đến …/… Nơi học (trường, thành phố): Ngành học: 2.

Đại học: Hệ đào tạo: Chính quy Thời gian đào tạo từ 09/2003 đến 02/2008 Nơi học (trường, thành phố): Trường đại học Sư phạm Kỹ thuật TP. Hồ Chí Minh Ngành học: Kỹ thuật điện tử Tên đồ án, luận án hoặc môn thi tốt nghiệp: Điều khiển mô hình nhiệt độ dùng PLC S7-300 Ngày & nơi bảo vệ đồ án, luận án hoặc thi tốt nghiệp: Tháng 12 năm 2007, Trường Đại học sư phạm kỹ thuật TP. Hồ Chí Minh Người hướng dẫn: ThS. Nguyễn Tấn Đời ii III.

QUÁ TRÌNH CÔNG TÁC CHUYÊN MÔN KỂ TỪ KHI TỐT NGHIỆP ĐẠI HỌC: Thời gian Nơi công tác Công việc đảm nhiệm Công ty TNHH Hưng nghiệp Nhân viên bộ phận Sợi nhân 2008-2009 Formosa, KCN Nhơn Trạch III, tạo Nhơn Trạch Đồng Nai Trường cao đẳng nghề Việt Nam Giáo viên khoa điện tử công 2009-2010 Singapore nghiệp Giáo viên bộ môn điện tử tin Trường Đại học sư phạm kỹ thuật 2010 đến nay học - Trường trung học kỹ TP. Hồ Chí Minh thuật thực hành iii LỜI CAM ĐOAN Tôi cam đoan đây là công trình nghiên cứu của tôi. Các số liệu, kết quả nêu trong luận văn là trung thực và chưa từng được ai công bố trong bất kỳ công trình nào khác. Nếu không đúng tôi xin chịu trách nhiệm trước pháp luật.

Hồ Chí Minh, ngày … tháng … năm 2014 Trần Thị Quỳnh Như iv CẢM ƠN Tôi xin chân thành cảm ơn!  Ts. Nguyễn Thanh Hải, giảng viên hướng dẫn, đã tận tình hướng dẫn, tạo điều kiện thuận lợi và chia sẻ những kinh nghiệm quý báu trong suốt quá trình làm luận văn. Trần Thu Hà, cố vấn cao học, đã định hướng, góp ý cho đề tài trong thời gian qua  Cảm ơn Quý thầy cô phản biện đã cho những nhận xét quý báu để tôi hoàn thiện quá trình nghiên cứu  Cảm ơn các anh chị học viên cao học kỹ thuật điện tử khóa 2012 -2014 đã nhiệt tình giúp đỡ  Cảm ơn: Phòng đào tạo trường Đại học sư phạm kỹ thuật TP.HCM và Khoa điện – điện tử đã tạo điều kiện thuận lợi trong quá trình học tập và nghiên cứu  Cảm ơn bệnh viện Đa khoa khu vực Đồng Nai đã tạo điều kiện cho tôi sử dụng hình ảnh y tế.HCM, ngày…tháng…năm 2014 Trần Thị Quỳnh Như v TÓM TẮT Ung thư là nguyên nhân phổ biến thứ hai cho cái chết trên toàn thế giới với hơn 200 loại đã được định. Khối u rắn chiếmhơn 80% ung thư ở người [24].

Điều trị ung thư hiệu quả khi được phát hiện sớm. Việc điều trị ung thư quan trọng nhất là phẫu thuật cắt bỏ khối u đó. Một điều cũng vô cùng quan trọng dẫn đến chữa trị thành công là việc phân phối hiệu quả thuốc chống ung thư vào các khối u sau khi phẫu thuật. Trong tất cả các vấn đề liên quan đến chữa trị ung thư hiệu quả như trên đều liên quan đến nâng cao chất lượng hình ảnh và xác định kích thước của khối u.

Vì vậy, tác giả chọn đề tài: “Dùng phương pháp Wavelet tăng cường biên ảnh để xác định kích thước khối u đặc”. Đề tài đã đạt được một số kết quả như sau: Sau khi đọc ảnh y tế đầu vào thực tế, khối tiền xử lý bao gồm lọc nhiễu cho ảnh và cân bằng Histogram cho kết quả ảnh tốt hơn, dễ quan sát hơn. Sau đó trích lọc trực tiếp vùng cần quan tâm trên ảnh đã được xử lý để tìm biên ảnh (dùng phương pháp Wavelet). Cuối cùng là xử lý biên ảnh hoặc đánh dấu biên ảnh để tìm kích thước khối u.

Để tìm diện tích khối u, tác giả đề xuất hai phương pháp là: tìm tổng diện tích các pixels bên trong đường biên và chia nhỏ khối u thành nhiều lát cắt có cùng bề dày và tính tổng diện tích các lát cắt. Để tìm thể tích khối u, tác giả sử dụng công thức tính khi đã biết chiều dài và chiều rộng khối u. Các kết quả trên có thể được ứng dụng giúp bác sĩ xác định kích thước khối u trong thực tế để chẩn đoán và điều trị bệnh ung thư. vi ABSTRACT Cancer is the second most common reason for worldwide death with over 200 kinds of one just identified.

Solid tumors account more than 80% of human cancers [24]. Detecting early is the major in effective cancer treatment. The important cancer treatment is surgical removal of such tumors. The key leading to a successful cure often involves the efficient delivery of anticancer drugs to the tumor site after a surgery.

The size of tumor in these cases needs to be determined. Therefore, author choose the topic of this thesis: “Enhancement of the edge of biomedical image using Wavelet method to determine the size of Solid Tumor” This thesis has achieved some results as follows: After reading the input image, the preprocessing block includes noise filtering and Histogram equalization for better image results, more easily observed. Then extracted directly on the image region of interest was to find the edge of image processing (wavelet method). Finally, image processing or marked the edge of image directly is to calculate tumor size.

Two methods are proposed to determine the size of tumor are:the first one is the calculation of the total area of tumor based on pixels of image; the second one is the division of tumor into many parts with the same distance is applied.To find the volume of the tumor, the author used the formula that we know the length and width of the tumor. These numeric results can be applied to determine the size of tumor for diagnosis and treatment of cancer. vii MỤC LỤC Trang Trang tựa Quyết định giao đề tài. i Lý lịch khoa học.

iii Lời cam đoan. vi Tóm tắt luận văn.vii Mục lục. x Danh mục các từ viết tắt. xiii Danh mục các bảng.

xiv Danh mục các hình vẽ, đồ thị. xv Chƣơng 1. Tổng quan về xác định kích thƣớc khối u đặc 1. Tổng quan về xác định kích thƣớc khối u đặc.

Mục tiêu nghiên cứu. Nhiệm vụ của đề tài và phạm vi nghiên cứu. Phƣơng pháp nghiên cứu. Cơ sở lý thuyết về xử lý ảnh y tế 2.

Khái niệm về ảnh y tế. Khái niệm về ảnh. Cáchtạo ảnh y tế. Cách tạo ảnh y tế.

Đặc điểm ảnh CT. Xử lý ảnh y tế. Khái niệm xử lý ảnh y tế. Quá trình xử lý ảnh y tế.

Biến đổi ảnh đơn sắc. Biến đổi Wavelet. Khái niệm biến đổi Wavelet. Biến đổi Wavelet liên tục.

Biến đổi Wavelet rời rạc. Biến đổi Wavelet đa phân giải. Nâng cao chất lƣợng ảnh. Khái niệm nhiễu.

Các phương pháp lọc nhiễu. Lọc nhiễu dùng biến đổi Wavelet. Giá trị Entropy. Phát hiện biên ảnh.

Khái niệm biên ảnh. Phương pháp phát hiện biên. Quy trình và thuật toán phát hiện biên. Kỹ thuật Gradient.

Toán tử la bàn. Kỹ thuật Laplace. Phương pháp Canny. Ứng dụng biến đổi Wavelet trong tìm biên ảnh.

Khái niệm về khối u đặc. Nguyên nhân, triệu chứng và cách điều trị ung thư. Các giai đoạn của ung thư. 40 Kết luận chương 2:.

42 ix Chƣơng 3. Xác định kích thƣớc khối u đặc 3. Quá trình xác định kích thƣớc khối u đặc. Đọc ảnh đầu vào.

Cân bằng Histogram. Trích lọc đối tƣợng. Tính kích thƣớc khối u. Tìm tổng diện tích các pixel.

Chia nhỏ khối u. Tìm thể tích khối u. 57 Kết luận chương 3. Quá trìnhxác định kích thƣớc khối u đặc và kết quả mô phỏng 4.

Tìm diện tích các hình cơ bản. Tìm diện tích khối u. Đọc ảnh đầu vào. Trích lọc đối tượng.

Tìm diện tích khối u. Tìm thể tích khối u. 73 Kết luận chương 4. Kết luận và hƣớng phát triển đề tài 5.

Hƣớng phát triển của đề tài. 77 Tài liệu tham khảo. 81 xi DANH MỤC CÁC TỪ VIẾT TẮT CT computed tomography MRI Magnetic Resonance Imaging PET Positron Emission Tomography SPECT Single Photon Emission Computed Tomography DSA Digital Subtraction Angiography ROI Region object interest PACS Picture archiving and communication system xii DANH SÁCH CÁC BẢNG BẢNG TRANG Bảng 2. Bảng đơn vị HU trong ảnh CT.

Kết quả hai điểm biên lân cận theo các hướng biên khác nhau. Các giai đoạn của ung thư. Kết quả tìm diện tích các hình giả lập khối u. 60 xiii DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ HÌNH TRANG Hình 1.1: Hình ảnh Xquang ung thư vú .2: Hình ảnh MRI hiển thị não trái bị chuyển động (trái) và sau khi chỉnh sửa (phải).

Ảnh nhị phân. Hình ảnh siêu âm (trái) và siêu âm màu Doppler (phải). Hình ảnh SPECT. Ảnh chụp CT não.

Quá trình ánh xạ ảnh CT. Sơ đồ khối xử lý ảnh y sinh. Hình dạng hàm sinusoid và hàm Wavelet. Các hình dạng Wavelet phổ biến.

Biến đổi Wavelet rời rạc một chiều. Biến đổi Wavelet rời rạc hai chiều cho ảnh. Phân tích đa phân giải sử dụng phép biến đổi Wavelet rời rạc. Biến đổi Wavelet rời rạc 3 bậc.

Bộ lọc khôi phục dựa trên lý thuyết DWT 1D. Các loại đường biên của ảnh. Quy trình phát hiện biên. Thuật toán phát hiện biên.

Mặt nạ sử dụng tách biên của bộ lọc Sobel. Hình mô tả các điểm biên lân cận .Sơ đồ khối quá trình xác định kích thước khối u đặc. Ảnh gốc và ảnh biểu đồ Histogram, Histogram chuẩn hóa tương ứng .