Chương 1 này giới thiệu về bài toán tổng hợp hình ảnh và các nghiên cứu liên quan để giải quyết cho bài toán tổng hợp hình ảnh. Các nghiên cứu liên quan sẽ được phân vào nhóm những phương pháp tiếp cận. Nhìn chung, có hai nhóm tiếp cận chính để giải quyết cho bài toán tổng hợp hình ảnh y học là: nhóm tiếp cận dựa trên phương pháp truyền thống và nhóm tiếp cận dựa trên học sâu. Hạn chế của các phương pháp tổng hợp hình ảnh hiện tại cũng được phân tích chi tiết làm tiền đề cho việc đề xuất các thuật toán ở các chương tiếp theo.
Bên cạnh đó, một số kiến thức nền tảng cần thiết để thuận tiện cho việc hiểu thuật toán đề xuất và các chỉ số đánh giá phổ biến cho hình ảnh tổng hợp cũng được trình bày trong chương này. Giới thiệu Ngày nay, việc sử dụng các hình ảnh y học trong chẩn đoán ngày càng trở lên phổ biến. Các loại hình ảnh y học hiện nay cũng rất đa dạng. Một số hình ảnh y học thường dùng trong thực tế có thể được đề cập như: ảnh chụp cắt lớp vi tính (CT), ảnh chụp cắt lớp phát xạ Positron (PET), ảnh chụp cộng hưởng từ (MRI), ảnh chụp cắt lớp đơn Photon (SPECT).
Mỗi một loại hình ảnh y học được đề cập ở trên đều chứa những thông tin riêng mà những loại hình ảnh khác không có. Ví dụ, ảnh CT sử dụng tia X để phát hiện thông tin của các cấu trúc mật độ cao như xương. Hình ảnh từ MRI không chỉ mang lại nhiều thông tin quan trọng về cấu trúc và chức năng của các phần khác nhau trong cơ thể, mà còn cung cấp những chi tiết quan trọng về cấu trúc giải phẫu bên trong như não, tim, phổi, xương, cơ, và nhiều cơ quan khác. Ngoài ra, MRI còn khả năng phân biệt các loại mô khác nhau như mô cứng, mô mềm, và mô vân, từ đó giúp xác định sự phân bố của cấu trúc và nâng cao khả năng chẩn đoán về bệnh lý.
Hơn nữa, MRI không chỉ làm rõ về mô cấu trúc mà còn cung cấp hình ảnh trực quan về mạch máu bên trong cơ thể. Khả năng này đặc biệt hữu ích trong việc phát hiện vấn đề về tuần hoàn và lưu thông chất lỏng trong cơ thể. Cuối cùng, ảnh MRI không chỉ là công cụ chẩn đoán mạnh mẽ mà còn có thể phát hiện các bất thường trong cấu trúc và tính chất của các cơ quan, giúp theo dõi và cảnh báo về các tình trạng bệnh lý như ung thư, bệnh tim mạch, bệnh thần kinh, và nhiều loại bệnh khác. Trong khi đó, hình ảnh PET không chỉ cung cấp thông tin về hoạt động của các cơ quan như não, tim, gan, phổi, thận và nhiều bộ phận khác, mà còn giúp hiển thị rõ các khu vực não hoạt động trong các nhiệm vụ cụ thể.
PET có khả năng phát hiện sự tích tụ không bình thường của phân tử trong cơ thể, như dấu vết của ung thư, từ đó giúp xác định các vùng bất thường và theo dõi sự thay đổi sau khi áp dụng liệu pháp. Các 9 hình ảnh PET và SPECT thường được sử dụng trong các nhiệm vụ phát hiện các bệnh về mạch máu và khối u.1 minh hoạ một số kiểu hình ảnh y học phổ biến thường được dùng trong thực tế. Những hình ảnh này được lấy từ nguồn: “The Whole Brain Atlas”: https://www. Ảnh CT Ảnh MRI Ảnh PET Ảnh SPECT Hình 1.
Minh hoạ một số kiểu hình ảnh y học Trong quá trình chẩn đoán bệnh, mỗi loại hình ảnh y học riêng lẻ không cung cấp đủ thông tin cần thiết để giúp các bác sĩ đưa ra chẩn đoán chính xác về bệnh liên quan. Do đó, việc tạo ra một hình ảnh y học mang thông tin bổ sung từ từng hình ảnh riêng lẻ sẽ giúp cho các bác sĩ có đầy đủ thông tin cần thiết để đưa ra các chẩn đoán chính xác hơn về các loại bệnh liên quan. Tổng hợp hình ảnh y học mang đến rất nhiều ứng dụng. Ứng dụng đầu tiên mà chúng ta có thể thấy là trợ giúp cho các bác sĩ trong việc chẩn đoán.
Giả sử chúng ta có một bệnh nhân có triệu chứng mất trí nhớ và được đang được theo dõi về bệnh Alzheimer, một loại bệnh liên quan đến sự suy thoái và mất mát tế bào não. Bác sĩ cho bệnh nhân chụp MRI để quan sát các cấu trúc bên trong của bộ não. Bởi vì hình ảnh MRI có khả năng biểu thị chi tiết các cấu trúc não. Trong trường hợp người bình thường, hình ảnh MRI chụp não không cho thấy bất cứ sự biến đổi khác thường nào trong cấu trúc của não.
Tuy nhiên, trong trường hợp người bệnh bị Alzheimer, MRI có thể cung cấp thông tin về việc có sự suy thoái, mất mát mô và sự biến đổi trong cấu trúc não của bệnh nhân. Nếu bác sĩ quan sát được có sự biến đổi trong cấu trúc não của bệnh nhân dựa vào ảnh MRI thì cũng chưa thể biết được chính xác là người bệnh bị chứng mất trí nhớ nhẹ hay là đã bị bệnh Alzheimer. Đồng thời cũng chưa thể đưa ra phác đồ điều trị cho bệnh nhân trong trường hợp này. Khi đó hình ảnh PET được bác sĩ chỉ định chụp cho bệnh nhân.
PET sử dụng chất phát xạ positron để theo dõi sự hoạt động của các cơ quan và mô trong cơ thể. Trong trường hợp người bệnh bị Alzheimer, PET có thể sử dụng một loại chất phát xạ mà các vùng não bị tổn thương trong bệnh Alzheimer sẽ thu thập nhiều hơn. Điều này sẽ cho phép nhìn thấy các khu vực của não bị ảnh hưởng nhiều hơn và nhận biết sự thay đổi hoạt động não. Khi tổng hợp cả hai loại hình ảnh này, sự kết hợp cả thông tin về cấu trúc và hoạt động của não sẽ cho bác sĩ có cái nhìn toàn diện hơn về bệnh lý.
Điều này giúp hiểu rõ hơn về sự tương quan giữa các biến đổi cấu trúc và 10 hoạt động của bệnh Alzheimer. Bác sĩ có thể thấy rằng một khu vực của não có cấu trúc bị suy thoái dẫn đến sự suy giảm hoạt động của nó trong hình ảnh PET. Từ đó, ta có thể xác định rằng sự suy thoái cấu trúc này ảnh hưởng đến khả năng hoạt động của vùng đó. Thông tin này có thể hỗ trợ việc đánh giá tình trạng bệnh của bệnh nhân và quản lý điều trị.
Tuy nhiên, việc quan sát các vùng quan tâm trong ảnh một cách chính xác từ cả hai hình ảnh MRI và PET đối với bác sĩ là khó khăn và mất thời gian. Hơn nữa, bác sĩ phải quan sát trên một loạt các lát cắt của bộ não tương ứng trên cả hai hình ảnh MRI và PET. Điều này gây khó khăn đối với các bác sĩ trong việc chẩn đoán được chính xác. Vì vậy, việc tổng hợp hình ảnh sẽ tạo ra một hình ảnh chứa được các thông tin bổ sung từ từng hình ảnh riêng lẻ.
Nó cung cấp cái nhìn toàn diện hơn về cả cấu trúc và hoạt động của cơ thể, đặc biệt là trong việc theo dõi và chẩn đoán các bệnh liên quan đến não như Alzheimer. Ứng dụng thứ hai của việc tổng hợp hình ảnh là giúp nâng cao khả năng chẩn đoán trong các hệ thống phân loại bệnh tự động. Thông thường, việc phân lớp giữa người bình thường, người mắc bệnh suy giảm trí nhớ nhẹ và người bệnh Alzheimer sẽ được thực hiện thông qua sử dụng hình ảnh MRI. Tuy nhiên, các nghiên cứu gần đây đã đề xuất sử dụng hình ảnh tổng hợp để nâng cao hiệu quả trong các mô hình chẩn đoán bệnh.
Ví dụ, Song và các cộng sự [32] đã tiến hành tổng hợp hai hình ảnh y học MRI và PET sau đó mới xây dựng mạng phân lớp bệnh Alzheimer sử dụng thông tin từ hình ảnh tổng hợp. Cách tiếp cận này đã cho thấy sự cải thiện đáng kể về hiệu quả của mô hình phân lớp bệnh Alzheimer.2 được lấy từ nghiên cứu của Song và các cộng sự [32] để minh hoạ cho việc sử dụng hình ảnh tổng hợp MRI và PET trong mô hình phân lớp bệnh Alzheimer. Sơ đồ chẩn đoán bệnh có sử dụng tổng hợp hình ảnh Một ứng dụng khác của tổng hợp hình ảnh y học là ứng dụng phân vùng khối u. Các nghiên cứu trước đây chỉ sử dụng thông tin từ hình ảnh CT hoặc MRI để thực hiện phân vùng khối u.
Tuy nhiên, để tăng sự chính xác, các nghiên cứu gần đây đã sử dụng hình ảnh tổng hợp. Ví dụ, Guo và các cộng sự [33] đã sử dụng cả ba hình ảnh MRI, CT và PET tổng hợp với nhau để tạo ra hình ảnh tổng hợp có nhiều thông tin hơn. Sau đó, hình ảnh tổng hợp thu được tiếp tục sử dụng để xác định ảnh có chứa 11 khối u hay không. Các tiếp cận này đã nâng cao hiệu quả của mô hình phân đoạn hình ảnh y học của tác giả.3 được lấy từ nghiên cứu của Guo và các cộng sự [33] để minh hoạ cho việc sử dụng cả 3 hình ảnh MRI, CT và PET trong mô hình của tác giả Guo và các cộng sự đề xuất.
Sơ đồ phân đoạn khối u có sử dụng tổng hợp hình ảnh Như vậy, mục đích của việc tổng hợp hình ảnh là tạo ra một hình ảnh có chứa nhiều thông tin chi tiết hơn về tình trạng cấu trúc và hoạt động của cơ thể, đặc biệt là trong trường hợp não. Việc tổng hợp hình học có nhiều ứng dụng trong thực tế. Nó không chỉ trợ giúp các bác sĩ nâng cao hiệu quả của việc chẩn đoán mà còn được ứng dụng trong các hệ thống chẩn đoán tự động. Các cách kết hợp thường gặp trong thực tế như: MRI với PET hoặc SPECT, CT với PET, và CT với SPECT.
Trong những năm gần đây, bài toán tổng hợp hình ảnh nhận được sự quan tâm của rất nhiều nhà nghiên cứu trên thế giới. Để thấy được tổng quan các nghiên cứu về tổng hợp hình ảnh y học, số lượng các công bố về tổng hợp hình ảnh y học trong 18 năm trở lại đây (từ năm 2006 đến 09/2023) đã được thu thập từ nguồn dữ liệu Scopus (https://www.com/) với cụm từ truy vấn: “medical image fusion” được tìm trong “Title, Abstract và Keyword” của các bài báo như minh hoạ trên Hình 1. Số lượng các công bố về tổng hợp hình ảnh y học (2006 đến 09/2023) Nhận thấy rằng số lượng các nghiên cứu về tổng hợp hình ảnh y học có thể dao động qua các năm tuy nhiên xu hướng tổng thể là ngày càng tăng.