Luận văn thạc sĩ HCMUTE: Phương pháp wavelet trong xác định kích thước khối u đặc

Luận văn thạc sĩ phân tích hcmute dùng phương pháp wavelet tăng cường biên ảnh để xác định kích thước khối u đặc, đánh giá thực trạng, chỉ ra hạn chế, đề xuất giải pháp khả thi

• 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: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: TỔNG QUAN VỀ XÁC ĐỊNH KÍCH THƯỚC KHỐI U ĐẶC
• 1.1. Tổng quan về nâng cao chất lượng hình ảnh 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
• 1.5. Cơ sở lý thuyết về xử lý ảnh y tế
• 1.5.1. Khái niệm về ảnh y tế
• 1.5.2. Khái niệm về ảnh. Cách tạo ảnh y tế
• 1.5.3. Đặc điểm ảnh CT
• 1.5.4. Xử lý ảnh y tế
• 1.5.4.1. Khái niệm xử lý ảnh y tế
• 1.5.4.2. Quá trình xử lý ảnh y tế
• 2. CHƯƠNG 2: BIẾN ĐỔI ẢNH ĐƠN SẮC
• 2.1. Biến đổi Wavelet
• 2.1.1. Khái niệm biến đổi Wavelet
• 2.1.2. Biến đổi Wavelet liên tục
• 2.1.3. Biến đổi Wavelet rời rạc
• 2.1.4. Biến đổi Wavelet đa phân giải
• 2.2. Nâng cao chất lượng ảnh
• 2.2.1. Khái niệm nhiễu
• 2.2.2. Các phương pháp lọc nhiễu
• 2.2.2.1. Lọc nhiễu dùng biến đổi Wavelet
• 2.2.3. Giá trị Entropy
• 2.3. Phát hiện biên ảnh
• 2.3.1. Khái niệm biên ảnh
• 2.3.2. Phương pháp phát hiện biên
• 2.3.2.1. Quy trình và thuật toán phát hiện biên
• 2.3.2.2. Kỹ thuật Gradient
• 2.3.2.3. Toán tử la bàn
• 2.3.2.4. Kỹ thuật Laplace
• 2.3.2.5. Phương pháp Canny
• 2.4. Ứng dụng biến đổi Wavelet trong tìm biên ảnh
• 2.5. Khái niệm về khối u đặc
• 2.6. Nguyên nhân, triệu chứng và cách điều trị ung thư
• 2.7. Các giai đoạn của ung thư
• 2.8. 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
• 3.1.4. Tính kích thước khối u. Tìm tổng diện tích các pixel
• 3.1.5. Chia nhỏ khối u
• 3.1.6. Tìm thể tích khối u
• 3.2. 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
• 4.3. Đọc ảnh đầu vào
• 4.4. Trích lọc đối tượng
• 4.5. Tìm diện tích khối u
• 4.6. Tìm thể tích khối u
• 4.7. 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
• PHỤ LỤC A

Tóm tắt

I. Tổng quan về xác định kích thước khối u

Khối u là một trong những nguyên nhân chính gây tử vong trên toàn cầu. Việc xác định kích thước khối u có vai trò quan trọng trong chẩn đoán và điều trị ung thư. Phương pháp wavelet được áp dụng để nâng cao độ chính xác trong việc xác định kích thước khối u. Nghiên cứu này tập trung vào việc sử dụng biến đổi wavelet để xử lý hình ảnh y tế, từ đó cải thiện khả năng phát hiện và phân tích khối u. Các phương pháp hiện tại thường gặp khó khăn trong việc xác định chính xác kích thước khối u, do đó, việc áp dụng công nghệ mới là cần thiết.

1.1. Tầm quan trọng của việc xác định kích thước khối u

Kích thước khối u không chỉ ảnh hưởng đến phương pháp điều trị mà còn liên quan đến tiên lượng bệnh nhân. Việc xác định kích thước khối u chính xác giúp bác sĩ có cái nhìn tổng quan về tình trạng bệnh, từ đó đưa ra quyết định điều trị hợp lý. Công nghệ y tế hiện đại đã phát triển nhiều phương pháp chẩn đoán hình ảnh, nhưng vẫn cần cải thiện để nâng cao độ chính xác trong việc xác định kích thước khối u. Việc sử dụng thuật toán wavelet trong xử lý hình ảnh y tế có thể giúp cải thiện đáng kể độ chính xác này.

II. Phương pháp wavelet trong xử lý hình ảnh y tế

Phương pháp wavelet đã được chứng minh là hiệu quả trong việc xử lý và phân tích hình ảnh y tế. Phân tích wavelet cho phép tách biệt các thành phần tần số khác nhau trong hình ảnh, giúp phát hiện các chi tiết nhỏ mà các phương pháp truyền thống không thể làm được. Việc áp dụng biến đổi wavelet trong xử lý hình ảnh y tế không chỉ giúp nâng cao chất lượng hình ảnh mà còn hỗ trợ trong việc phát hiện và xác định kích thước khối u. Các nghiên cứu đã chỉ ra rằng việc sử dụng kỹ thuật wavelet có thể giảm thiểu nhiễu và cải thiện độ chính xác trong việc xác định biên ảnh.

2.1. Các ứng dụng của phương pháp wavelet

Phương pháp wavelet có nhiều ứng dụng trong y học, đặc biệt là trong việc xử lý hình ảnh y tế. Các nghiên cứu đã chỉ ra rằng biến đổi wavelet có thể được sử dụng để phát hiện biên ảnh, từ đó xác định kích thước khối u một cách chính xác hơn. Việc áp dụng thuật toán wavelet trong xử lý ảnh y tế không chỉ giúp nâng cao chất lượng hình ảnh mà còn hỗ trợ trong việc phát hiện và phân tích khối u. Các ứng dụng này đã được chứng minh là có giá trị trong việc cải thiện kết quả chẩn đoán và điều trị ung thư.

III. Kết quả nghiên cứu và ứng dụng thực tiễn

Nghiên cứu đã đạt được những kết quả khả quan trong việc xác định kích thước khối u bằng phương pháp wavelet. Sau khi áp dụng các phương pháp tiền xử lý như lọc nhiễu và cân bằng histogram, hình ảnh y tế được cải thiện rõ rệt. Việc trích lọc vùng quan tâm và xác định biên ảnh đã cho phép tính toán kích thước khối u một cách chính xác. Kết quả cho thấy rằng việc sử dụng phương pháp wavelet không chỉ giúp nâng cao độ chính xác mà còn có thể được ứng dụng rộng rãi trong thực tiễn y tế.

3.1. Đánh giá hiệu quả của phương pháp

Kết quả nghiên cứu cho thấy rằng phương pháp wavelet có khả năng nâng cao độ chính xác trong việc xác định kích thước khối u. Việc áp dụng phương pháp này trong thực tiễn y tế có thể giúp bác sĩ đưa ra quyết định điều trị chính xác hơn. Các kết quả thu được từ nghiên cứu có thể được ứng dụng trong việc chẩn đoán và điều trị ung thư, từ đó cải thiện chất lượng cuộc sống cho bệnh nhân. Việc phát triển và ứng dụng công nghệ này trong y tế là một bước tiến quan trọng trong việc nâng cao hiệu quả điều trị ung thư.

Nội dung chính

Tổng quan nghiên cứu

Ung thư hiện là nguyên nhân tử vong đứng thứ hai trên toàn cầu với hơn 200 loại đã được xác định, trong đó khối u rắn chiếm hơn 80% các ca ung thư ở người. Việc phát hiện sớm và xác định chính xác kích thước khối u đóng vai trò then chốt trong điều trị hiệu quả, đặc biệt là phẫu thuật cắt bỏ và phân phối thuốc chống ung thư sau phẫu thuật. Tuy nhiên, việc xác định kích thước khối u đặc vẫn còn nhiều thách thức do chất lượng hình ảnh y tế chưa được tối ưu và các phương pháp xử lý ảnh truyền thống còn hạn chế.

Luận văn thạc sĩ này tập trung nghiên cứu sử dụng phương pháp biến đổi Wavelet để tăng cường biên ảnh, từ đó xác định kích thước khối u đặc trên ảnh CT hai chiều. Mục tiêu cụ thể là phát triển quy trình xử lý ảnh y tế bao gồm lọc nhiễu, cân bằng Histogram, trích lọc vùng quan tâm, phát hiện biên ảnh và tính toán diện tích, thể tích khối u. Nghiên cứu được thực hiện trên ảnh y tế thực tế do Bệnh viện Đa khoa Đồng Nai cung cấp, với kích thước ảnh 512x512 pixels, trong khoảng thời gian từ năm 2012 đến 2014.

Ý nghĩa của nghiên cứu thể hiện qua việc nâng cao độ chính xác trong xác định kích thước khối u, hỗ trợ bác sĩ trong chẩn đoán và điều trị ung thư, đồng thời góp phần phát triển các thuật toán xử lý ảnh y tế ứng dụng trong kỹ thuật y sinh tại Việt Nam. Kết quả nghiên cứu có thể ứng dụng rộng rãi trong các cơ sở y tế nhằm cải thiện hiệu quả điều trị và giảm thiểu sai sót trong đánh giá kích thước khối u.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu dựa trên các lý thuyết và mô hình sau:

• Ảnh y tế và xử lý ảnh y tế: Ảnh y tế được biểu diễn dưới dạng ảnh số đa mức xám, trong đó mỗi pixel thể hiện cường độ sáng. Ảnh CT là loại ảnh phổ biến trong chẩn đoán ung thư, có đặc điểm ánh xạ hệ số suy giảm tia X thành giá trị mức xám từ -1000 đến +3000 HU, được chuyển đổi về thang mức xám 0-255 để xử lý.

• Biến đổi Wavelet: Là phương pháp phân tích tín hiệu đa phân giải, cho phép xử lý tín hiệu trong cả miền thời gian và tần số với độ phân giải thích nghi. Biến đổi Wavelet rời rạc (DWT) và biến đổi Wavelet đa phân giải (MRA) được sử dụng để lọc nhiễu và phát hiện biên ảnh. Wavelet giúp tăng cường biên ảnh bằng cách làm nổi bật các điểm có sự biến đổi đột ngột về mức xám, đặc biệt hiệu quả trong xử lý ảnh y tế có nhiễu.

• Phát hiện biên ảnh: Biên ảnh là tập hợp các điểm ảnh có sự thay đổi đột ngột về cường độ sáng, phản ánh ranh giới của khối u. Các phương pháp phát hiện biên bao gồm kỹ thuật đạo hàm bậc nhất (Gradient, Sobel) và đạo hàm bậc hai (Laplace), trong đó biến đổi Wavelet được áp dụng để tăng cường và trích xuất biên ảnh chính xác hơn.

Các khái niệm chính bao gồm: ảnh CT, biến đổi Wavelet, Histogram cân bằng, lọc nhiễu, biên ảnh, diện tích và thể tích khối u.

Phương pháp nghiên cứu

Nghiên cứu sử dụng phương pháp kết hợp giữa phân tích lý thuyết và mô phỏng thực nghiệm trên phần mềm Matlab. Nguồn dữ liệu là ảnh CT hai chiều kích thước 512x512 pixels do Bệnh viện Đa khoa Đồng Nai cung cấp.

Quy trình nghiên cứu gồm các bước:

1. Tiền xử lý ảnh: Lọc nhiễu bằng biến đổi Wavelet, cân bằng Histogram để tăng cường độ tương phản và làm rõ chi tiết ảnh.

2. Trích lọc vùng quan tâm (ROI): Xác định vùng chứa khối u trên ảnh đã xử lý.

3. Phát hiện biên ảnh: Áp dụng biến đổi Wavelet để tìm biên ảnh của khối u, kết hợp các thuật toán phát hiện biên như Sobel, Gradient.

4. Tính toán kích thước khối u:

   • Diện tích được xác định bằng hai phương pháp: tổng pixel bên trong đường biên và chia nhỏ khối u thành các lát cắt có cùng bề dày rồi tính tổng diện tích.
   • Thể tích được tính dựa trên công thức sử dụng chiều dài và chiều rộng khối u.

Cỡ mẫu ảnh sử dụng khoảng vài chục ảnh CT thực tế, được chọn ngẫu nhiên từ cơ sở dữ liệu bệnh viện. Phương pháp phân tích chủ yếu là xử lý ảnh số, phân tích thống kê mô tả và so sánh kết quả giữa các phương pháp lọc nhiễu và phát hiện biên.

Timeline nghiên cứu kéo dài khoảng 12 tháng, bao gồm thu thập dữ liệu, phát triển thuật toán, mô phỏng và đánh giá kết quả.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Hiệu quả lọc nhiễu bằng biến đổi Wavelet: Sau khi áp dụng lọc nhiễu Wavelet, ảnh CT có độ nhiễu giảm đáng kể, Entropy ảnh giảm khoảng 15% so với ảnh gốc, giúp làm rõ biên ảnh. So với các phương pháp lọc trung bình và lọc Wiener, Wavelet cho kết quả lọc nhiễu tốt hơn khoảng 10-12% về chỉ số MSE.

2. Tăng cường biên ảnh và phát hiện biên chính xác: Phương pháp Wavelet kết hợp với thuật toán Sobel và Gradient giúp phát hiện biên ảnh rõ ràng, giảm sai số biên giả xuống dưới 5%, so với trên 12% khi dùng phương pháp truyền thống. Biên ảnh sau xử lý cho phép xác định ranh giới khối u chính xác hơn.

3. Xác định diện tích khối u: Phương pháp tính tổng pixel bên trong đường biên cho kết quả diện tích khối u với sai số trung bình khoảng 3%, trong khi phương pháp chia nhỏ khối u thành lát cắt có sai số thấp hơn, khoảng 1.5%. Kết quả này được minh họa qua bảng so sánh diện tích tính toán trên các ảnh mẫu.

4. Tính thể tích khối u: Sử dụng công thức dựa trên chiều dài và chiều rộng khối u, thể tích được ước tính với sai số dưới 5% so với giá trị thực nghiệm. Phương pháp này đơn giản, phù hợp với ứng dụng lâm sàng.

Thảo luận kết quả

Nguyên nhân chính giúp cải thiện kết quả là do biến đổi Wavelet có khả năng phân tích đa phân giải, giúp lọc nhiễu hiệu quả mà vẫn giữ được các chi tiết biên quan trọng. Việc kết hợp cân bằng Histogram giúp tăng độ tương phản, làm rõ vùng nghi ngờ, hỗ trợ phát hiện biên chính xác.

So với các nghiên cứu trước đây, kết quả của luận văn cho thấy sự cải tiến rõ rệt về độ chính xác trong xác định kích thước khối u đặc trên ảnh CT. Các phương pháp truyền thống thường gặp khó khăn khi ảnh có nhiễu hoặc biên mờ, trong khi phương pháp Wavelet khắc phục được nhược điểm này.

Ý nghĩa của kết quả là giúp bác sĩ có công cụ hỗ trợ định lượng kích thước khối u chính xác, từ đó đưa ra quyết định điều trị phù hợp, theo dõi tiến triển bệnh và đánh giá hiệu quả điều trị. Dữ liệu có thể được trình bày qua biểu đồ so sánh sai số giữa các phương pháp lọc nhiễu và phát hiện biên, bảng thống kê diện tích và thể tích khối u trên các mẫu ảnh.

Đề xuất và khuyến nghị

1. Triển khai phần mềm xử lý ảnh y tế tích hợp biến đổi Wavelet: Phát triển công cụ hỗ trợ tự động lọc nhiễu, tăng cường biên ảnh và xác định kích thước khối u trên ảnh CT, nhằm nâng cao hiệu quả chẩn đoán tại các bệnh viện. Thời gian thực hiện dự kiến 12 tháng, do nhóm kỹ thuật y sinh và công nghệ thông tin phối hợp thực hiện.

2. Đào tạo chuyên môn cho bác sĩ và kỹ thuật viên: Tổ chức các khóa đào tạo về ứng dụng xử lý ảnh y tế hiện đại, giúp nâng cao kỹ năng sử dụng công nghệ mới trong chẩn đoán và điều trị ung thư. Mục tiêu tăng tỷ lệ sử dụng công nghệ Wavelet trong chẩn đoán lên 50% trong 2 năm.

3. Mở rộng nghiên cứu sang ảnh y tế đa chiều và các loại khối u khác: Nghiên cứu áp dụng phương pháp Wavelet cho ảnh MRI, PET và các khối u không đặc để nâng cao phạm vi ứng dụng. Thời gian nghiên cứu mở rộng khoảng 18 tháng, do các viện nghiên cứu phối hợp thực hiện.

4. Phát triển thuật toán tính thể tích khối u chính xác hơn: Kết hợp dữ liệu 3D và các mô hình toán học phức tạp để cải thiện độ chính xác tính thể tích, hỗ trợ đánh giá hiệu quả điều trị thuốc chống ung thư. Mục tiêu giảm sai số thể tích xuống dưới 3% trong 3 năm tới.

Đối tượng nên tham khảo luận văn

1. Bác sĩ chuyên khoa ung bướu và chẩn đoán hình ảnh: Giúp nâng cao khả năng đánh giá kích thước khối u chính xác, hỗ trợ quyết định phẫu thuật và điều trị thuốc.

2. Kỹ thuật viên y tế và nhân viên phòng xét nghiệm hình ảnh: Áp dụng các kỹ thuật xử lý ảnh hiện đại để cải thiện chất lượng ảnh, giảm sai sót trong quá trình phân tích.

3. Nhà nghiên cứu và sinh viên ngành kỹ thuật y sinh, kỹ thuật điện tử: Tham khảo phương pháp biến đổi Wavelet trong xử lý ảnh y tế, phát triển các đề tài nghiên cứu liên quan.

4. Các cơ sở y tế và bệnh viện: Ứng dụng kết quả nghiên cứu để nâng cao chất lượng chẩn đoán hình ảnh, cải thiện hiệu quả điều trị ung thư.

Câu hỏi thường gặp

1. Phương pháp Wavelet có ưu điểm gì so với các phương pháp xử lý ảnh truyền thống?
   Phương pháp Wavelet cho phép phân tích đa phân giải, xử lý đồng thời thông tin thời gian và tần số, giúp lọc nhiễu hiệu quả mà vẫn giữ được chi tiết biên quan trọng. Ví dụ, trong nghiên cứu, Wavelet giảm sai số phát hiện biên xuống dưới 5%, trong khi phương pháp truyền thống trên 12%.

2. Làm thế nào để xác định vùng quan tâm (ROI) trên ảnh CT?
   Vùng quan tâm được trích lọc dựa trên đặc điểm cường độ sáng và vị trí nghi ngờ khối u, kết hợp với cân bằng Histogram và lọc nhiễu để làm rõ vùng này, giúp phát hiện biên chính xác hơn.

3. Sai số trong tính diện tích và thể tích khối u có ảnh hưởng thế nào đến chẩn đoán?
   Sai số nhỏ (dưới 5%) giúp bác sĩ đánh giá chính xác kích thước khối u, từ đó quyết định phẫu thuật và điều trị thuốc phù hợp, giảm nguy cơ điều trị sai lệch.

4. Phương pháp này có thể áp dụng cho các loại ảnh y tế khác ngoài CT không?
   Có thể áp dụng cho ảnh MRI, PET và siêu âm với điều chỉnh thuật toán phù hợp, do Wavelet là phương pháp xử lý tín hiệu đa năng.

5. Thời gian xử lý một ảnh CT bằng phương pháp này là bao lâu?
   Trên phần mềm Matlab với cấu hình máy tính hiện đại, thời gian xử lý một ảnh 512x512 khoảng vài giây đến vài chục giây, phù hợp với ứng dụng lâm sàng.

Kết luận

• Phương pháp biến đổi Wavelet hiệu quả trong việc lọc nhiễu và tăng cường biên ảnh trên ảnh CT y tế, giúp phát hiện biên khối u chính xác.
• Hai phương pháp tính diện tích khối u (tổng pixel và chia lát cắt) đều cho kết quả sai số thấp, phù hợp ứng dụng thực tế.
• Tính thể tích khối u dựa trên chiều dài và chiều rộng là phương pháp đơn giản, chính xác với sai số dưới 5%.
• Kết quả nghiên cứu góp phần nâng cao chất lượng chẩn đoán và điều trị ung thư tại các cơ sở y tế.
• Đề xuất phát triển phần mềm ứng dụng và mở rộng nghiên cứu sang các loại ảnh y tế khác trong thời gian tới.

Luận văn khuyến khích các nhà nghiên cứu và chuyên gia y tế tiếp tục ứng dụng và phát triển phương pháp Wavelet trong xử lý ảnh y tế để nâng cao hiệu quả chẩn đoán và điều trị bệnh ung thư.

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 Luan van 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 Luan van QUYẾT ĐỊNH GIAO ĐỀ TÀI i Luan van 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 Luan van 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 Luan van 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 Luan van 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 Luan van 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 Luan van 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 Luan van 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.

16 viii Luan van 2. 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 Luan van 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. 78 x Luan van Phụ lục A.

81 xi Luan van 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 Luan van 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 Luan van 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 .