Luận văn thạc sĩ về kỹ thuật xử lý ảnh ứng dụng phát hiện khối u trong gan

Luận văn thạc sĩ kỹ thuật phân tích hay nghiên cứu kỹ thuật xử lý ảnh ứng dụng phát hiện khối u trong gan, đánh giá thực trạng, chỉ ra hạn chế, đề xuất giải pháp khả thi cho thực

• Tác giả: Lê Thị Hà Phương
• Người hướng dẫn: PGS. Đỗ Năng Toàn
• Trường học: Trường Đại học Công nghệ Thông tin & Truyền thông - Đại học Thái Nguyên
• Chuyên ngành: Khoa học máy tính
• Đề tài: Nghiên cứu kỹ thuật xử lý ảnh ứng dụng phát hiện khối u trong gan
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2019
• Địa điểm: Thái Nguyên

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• 1. CHƯƠNG 1: KHÁI QUÁT VỀ XỬ LÝ ẢNH VÀ BÀI TOÁN PHÁT HIỆN KHỐI U TRONG GAN
• 1.1. Khái quát về xử lý ảnh
• 1.1.1. Các khái niệm cơ bản
• 1.1.1.1. Xử lý ảnh
• 1.1.1.2. Điểm ảnh
• 1.1.1.3. Ảnh
• 1.1.1.4. Mức xám của ảnh
• 1.1.1.5. Độ phân giải của ảnh
• 1.1.2. Các bước xử lý ảnh số
• 1.1.2.1. Thu nhận ảnh
• 1.1.2.2. Tiền xử lý
• 1.1.2.2.1. Nắn chỉnh biến dạng
• 1.1.2.2.2. Lọc nhiễu
• 1.1.2.2.3. Tăng độ tương phản
• 1.1.2.2.4. Chỉnh mức xám
• 1.1.2.3. Phân vùng ảnh
• 1.1.2.4. Trích chọn đặc trưng
• 1.1.2.5. Nhận dạng và nội suy ảnh
• 1.1.2.6. Hậu xử lý
• 1.1.2.6.1. Nén ảnh
• 1.2. Bài toán phát hiện bất thường trong gan
• 1.3. Giới thiệu về xử lý ảnh y tế
• 1.4. Các chuẩn ảnh y tế và truyền thông ảnh y tế
• 1.5. Phát hiện bất thường trong gan dựa vào ảnh y tế
• 2. MỘT SỐ PHƯƠNG PHÁP PHÁT HIỆN KHỐI U TRONG GAN
• 2.1. Phát hiện khối u dựa vào phát hiện biên
• 2.1.1. Kỹ thuật phát hiện biên Gradient
• 2.1.2. Kỹ thuật phát hiện biên Laplace
• 2.1.3. Phương pháp canny
• 2.2. Phát hiện khối u dựa vào đặc trưng bất biến tỷ lệ - SIFT
• 2.2.1. Phát hiện cực trị không gian tỷ lệ (Scale-space Extrema Detection)
• 2.2.2. Định vị chính xác điểm khóa (Keypoint localization)
• 2.2.3. Gán hướng cho các điểm khóa (Oriented Assignment)
• 2.2.4. Bộ mô tả ảnh cục bộ (Keypoint Description)
• 3. CHƯƠNG 3: CHƯƠNG TRÌNH THỬ NGHIỆM
• 3.1. Phân tích yêu cầu bài toán
• 3.2. Khối u trong cơ thể người
• 3.3. Khối u, nang trong gan người và các đặc điểm của nó
• 3.4. Cách giải quyết bài toán
• 3.5. Yêu cầu thực nghiệm, ứng dụng
• 3.6. Một số kết quả chương trình
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về nghiên cứu kỹ thuật xử lý ảnh phát hiện khối u gan

Nghiên cứu kỹ thuật xử lý ảnh trong phát hiện khối u gan đang trở thành một lĩnh vực quan trọng trong y học hiện đại. Việc phát hiện sớm khối u gan có thể giúp tăng tỷ lệ sống sót cho bệnh nhân. Các công nghệ xử lý ảnh hiện nay cho phép phân tích hình ảnh y tế một cách chính xác và nhanh chóng. Điều này không chỉ giúp bác sĩ trong việc chẩn đoán mà còn hỗ trợ trong việc lập kế hoạch điều trị hiệu quả.

1.1. Khái niệm về xử lý ảnh y tế và ứng dụng

Xử lý ảnh y tế là quá trình sử dụng các kỹ thuật số để cải thiện và phân tích hình ảnh y tế. Các ứng dụng bao gồm chẩn đoán bệnh, theo dõi tiến triển bệnh và lập kế hoạch điều trị. Công nghệ này giúp nâng cao độ chính xác trong việc phát hiện khối u.

1.2. Tầm quan trọng của phát hiện khối u gan sớm

Phát hiện khối u gan sớm có thể làm tăng khả năng điều trị thành công. Theo thống kê, tỷ lệ sống sót của bệnh nhân ung thư gan giảm đáng kể khi bệnh được phát hiện ở giai đoạn muộn. Việc áp dụng các kỹ thuật xử lý ảnh giúp phát hiện sớm các dấu hiệu bất thường.

II. Các thách thức trong phát hiện khối u gan qua hình ảnh

Mặc dù có nhiều tiến bộ trong công nghệ xử lý ảnh, nhưng vẫn tồn tại nhiều thách thức trong việc phát hiện khối u gan. Các vấn đề như độ chính xác của hình ảnh, sự biến đổi trong cấu trúc gan và sự khác biệt giữa các loại khối u đều ảnh hưởng đến kết quả chẩn đoán. Việc cải thiện các thuật toán xử lý ảnh là cần thiết để nâng cao độ chính xác.

2.1. Độ chính xác của hình ảnh y tế

Độ chính xác của hình ảnh y tế phụ thuộc vào nhiều yếu tố như chất lượng máy chụp, kỹ thuật chụp và điều kiện môi trường. Các hình ảnh không rõ nét có thể dẫn đến chẩn đoán sai lệch.

2.2. Sự biến đổi trong cấu trúc gan

Cấu trúc gan có thể thay đổi do nhiều yếu tố như bệnh lý, tuổi tác và lối sống. Những biến đổi này có thể làm khó khăn trong việc phát hiện khối u, đòi hỏi các kỹ thuật xử lý ảnh phải linh hoạt và chính xác.

III. Phương pháp phát hiện khối u gan hiệu quả qua xử lý ảnh

Có nhiều phương pháp được áp dụng trong việc phát hiện khối u gan thông qua xử lý ảnh. Các phương pháp này bao gồm phát hiện biên, phân tích hình ảnh và sử dụng công nghệ AI. Mỗi phương pháp có những ưu điểm và hạn chế riêng, nhưng đều hướng đến mục tiêu cuối cùng là nâng cao độ chính xác trong chẩn đoán.

3.1. Phát hiện biên trong hình ảnh y tế

Phát hiện biên là một trong những kỹ thuật cơ bản trong xử lý ảnh. Kỹ thuật này giúp xác định các vùng khác biệt trong hình ảnh, từ đó phát hiện khối u một cách hiệu quả.

3.2. Ứng dụng công nghệ AI trong phát hiện khối u

Công nghệ AI đang được áp dụng rộng rãi trong y tế, đặc biệt là trong việc phân tích hình ảnh. AI có khả năng học hỏi từ dữ liệu lớn, giúp cải thiện độ chính xác trong việc phát hiện khối u gan.

IV. Kết quả nghiên cứu và ứng dụng thực tiễn

Nghiên cứu về kỹ thuật xử lý ảnh trong phát hiện khối u gan đã cho thấy nhiều kết quả khả quan. Các ứng dụng thực tiễn từ nghiên cứu này đã giúp cải thiện quy trình chẩn đoán và điều trị cho bệnh nhân. Việc áp dụng các kỹ thuật mới đã giúp nâng cao tỷ lệ phát hiện sớm khối u gan.

4.1. Kết quả từ các nghiên cứu thực nghiệm

Nhiều nghiên cứu đã chỉ ra rằng việc áp dụng các kỹ thuật xử lý ảnh hiện đại có thể tăng tỷ lệ phát hiện khối u gan lên đáng kể. Các kết quả này đã được công nhận trong cộng đồng y tế.

4.2. Ứng dụng trong thực tiễn lâm sàng

Các kỹ thuật xử lý ảnh đã được áp dụng trong nhiều bệnh viện, giúp bác sĩ chẩn đoán nhanh chóng và chính xác hơn. Điều này không chỉ cải thiện chất lượng chăm sóc sức khỏe mà còn giảm thiểu chi phí điều trị.

V. Kết luận và triển vọng tương lai trong nghiên cứu

Nghiên cứu kỹ thuật xử lý ảnh trong phát hiện khối u gan đang mở ra nhiều triển vọng mới. Với sự phát triển không ngừng của công nghệ, hy vọng rằng các phương pháp này sẽ ngày càng hoàn thiện hơn, giúp nâng cao chất lượng cuộc sống cho bệnh nhân. Việc đầu tư vào nghiên cứu và phát triển trong lĩnh vực này là rất cần thiết.

5.1. Tương lai của công nghệ xử lý ảnh trong y tế

Công nghệ xử lý ảnh sẽ tiếp tục phát triển, với nhiều cải tiến về độ chính xác và tốc độ. Điều này sẽ giúp nâng cao khả năng phát hiện sớm các bệnh lý, bao gồm cả khối u gan.

5.2. Đầu tư vào nghiên cứu và phát triển

Đầu tư vào nghiên cứu và phát triển trong lĩnh vực xử lý ảnh y tế là cần thiết để tạo ra những giải pháp mới. Các tổ chức y tế và chính phủ cần hợp tác để thúc đẩy nghiên cứu trong lĩnh vực này.

Nội dung chính

Tổng quan nghiên cứu

Mỗi năm toàn cầu ghi nhận hơn 8 triệu ca tử vong do ung thư và khoảng 14 triệu ca mắc mới theo báo cáo từ Tổ chức Y tế Thế giới. Việc thực hiện các chương trình tầm soát phát hiện sớm có thể giúp giảm khoảng 33,3% nguy cơ tử vong và nâng tỷ lệ điều trị thành công tại các quốc gia phát triển lên trên 50%. Tại Việt Nam, tỷ lệ mắc ung thư nằm trong nhóm 3 thế giới với gần 200 ca mắc trên 100.000 dân. Đáng chú ý, đa số bệnh nhân ung thư gan trong nước chỉ được phát hiện ở giai đoạn muộn do hạn chế về trang thiết bị và sự thiếu hụt chuyên gia chẩn đoán hình ảnh tại các cơ sở y tế tuyến dưới.

Vấn đề nghiên cứu trọng tâm là giải quyết sự phụ thuộc vào đánh giá chủ quan của bác sĩ, đồng thời nâng cao độ chính xác trong phát hiện tổn thương gan qua hình ảnh y tế. Luận văn hướng đến mục tiêu nghiên cứu, đánh giá các kỹ thuật xử lý ảnh số tiên tiến, từ đó phát triển giải pháp tự động phát hiện và khoanh vùng chính xác các khối u, nang bất thường trong gan trên ảnh chụp cắt lớp vi tính.

Phạm vi nghiên cứu tập trung vào việc xử lý các tập dữ liệu ảnh chụp cắt lớp vi tính lá gan được thực hiện và nghiệm thu trong năm 2019 tại Trường Đại học Công nghệ Thông tin và Truyền thông thuộc Đại học Thái Nguyên. Kết quả nghiên cứu mang ý nghĩa thực tiễn to lớn khi cung cấp công cụ trợ giúp đắc lực cho các bác sĩ trẻ, giúp rút ngắn khoảng 40% thời gian hội chẩn cận lâm sàng và tạo tiền đề vững chắc cho việc triển khai các phòng hội chẩn ảo từ xa giữa các tuyến y tế.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu xây dựng trên nền tảng lý thuyết xử lý ảnh số và chuẩn truyền thông y tế hiện đại. Cơ sở dữ liệu hình ảnh được chuẩn hóa theo thang mức xám 8 bit với 256 mức độ sáng từ 0 đến 255, kết hợp mô hình biểu diễn dữ liệu Raster và chuẩn truyền thông y tế DICOM cùng hệ thống lưu trữ PACS. Khung lý thuyết bao gồm ba trụ cột chính:

Thứ nhất, lý thuyết phân vùng ảnh và phát hiện biên trực tiếp thông qua các toán tử vi phân bậc nhất như Robert, Prewitt, Sobel, Frei-Chen và toán tử la bàn Kirsh đo biến thiên trên 8 hướng cách đều 45 độ. Thứ hai, kỹ thuật phát hiện biên bậc hai dựa trên toán tử Laplace và bộ lọc kết hợp Laplace of Gaussian giúp làm trơn nhiễu và xác định điểm cắt không, kết hợp thuật toán tối ưu Canny nhằm tạo đường biên liên tục. Thứ ba, lý thuyết không gian tỷ lệ và phép biến đổi đặc trưng bất biến tỷ lệ SIFT của David Lowe, ứng dụng hàm hiệu Gauss đa tỷ lệ để trích chọn các điểm khóa bất biến trước các biến đổi hình học và chiếu sáng.

Phương pháp nghiên cứu

Nghiên cứu sử dụng phương pháp thực nghiệm kết hợp đối sánh định lượng trên tập dữ liệu ảnh y tế thực tế. Cỡ mẫu thực nghiệm chính bao gồm các ảnh chụp cắt lớp vi tính lát cắt lá gan có độ phân giải 233.189 điểm ảnh, cùng tập mẫu 32 ảnh thực tế đa dạng dùng để kiểm chứng độ ổn định của các cực trị không gian tỷ lệ.

Phương pháp chọn mẫu có chủ đích được áp dụng để lựa chọn các ảnh chụp CT thể hiện rõ tổn thương nhu mô gan, các khối tăng sản thể nốt khu trú và nang gan điển hình. Lý do lựa chọn thuật toán SIFT làm phương pháp phân tích trọng tâm là vì các kỹ thuật dò biên truyền thống thường bị phân mảnh khi cấu trúc mô gan có độ tương phản thấp. SIFT cho phép tạo ra không gian tỷ lệ với 3 mẫu tỷ lệ trên mỗi quãng tám, xây dựng vector đặc trưng 128 chiều từ 16 vùng mẫu cục bộ, kháng nhiễu và giữ vững tính bất biến khi ảnh bị xoay hoặc thay đổi độ sáng. Timeline nghiên cứu được triển khai xuyên suốt năm 2019 qua các giai đoạn: thu thập dữ liệu DICOM, tiền xử lý khử nhiễu Gauss, lập trình thử nghiệm thuật toán và đánh giá độ chính xác phân vùng.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thực nghiệm đã ghi nhận ba phát hiện quan trọng về hiệu năng của các thuật toán xử lý ảnh trên dữ liệu CT gan:

Thứ nhất, thuật toán SIFT thể hiện khả năng thanh lọc điểm khóa và loại bỏ nhiễu biên xuất sắc. Trên ảnh thử nghiệm ban đầu gồm 233.189 điểm ảnh, hàm sai khác Gaussian DoG đã phát hiện 832 vị trí điểm khóa tiềm năng. Sau khi thiết lập ngưỡng loại bỏ các cực trị có độ tương phản thấp hơn 0.03, số lượng điểm khóa giảm 12,38% còn 729 điểm. Tiếp tục áp dụng ma trận Hessian với ngưỡng tỷ lệ độ cong chủ yếu r bằng 10, hệ thống đã loại bỏ hoàn toàn các đáp ứng biên không ổn định, giữ lại 536 điểm khóa chất lượng cao, đạt tỷ lệ tinh lọc tổng thể 35,58% so với tập điểm ban đầu.

Thứ hai, việc nhân đôi kích thước ảnh đầu vào ở mức làm trơn ban đầu với độ lệch chuẩn 1.0 đã giúp gia tăng số lượng điểm khóa ổn định lên gấp 4 lần tức tăng 400% so với kích thước gốc. Biểu đồ hướng 36 bin bao phủ 360 độ đã xác định chính xác hướng gradient chính của mô bệnh lý, trong đó có khoảng 15% điểm được gán đa hướng nhằm tối ưu hóa độ ổn định so khớp.

Thứ ba, thuật toán SIFT đòi hỏi tối thiểu 3 điểm đặc trưng khớp chuẩn xác từ mỗi đối tượng để bóc tách khối u. Trong khi các toán tử Sobel và Laplace tạo ra nhiều đường biên giả do nhiễu hạt của tia X, thuật toán SIFT kết hợp vector 128 chiều đã khoanh vùng chính xác 100% diện tích khối u với độ tương thích hình học hoàn chỉnh.

Thảo luận kết quả

Nguyên nhân giúp thuật toán SIFT đạt hiệu quả vượt trội nằm ở cơ chế khai triển chuỗi Taylor bậc hai để định vị điểm cực trị ở mức dưới điểm ảnh, kết hợp việc giới hạn ngưỡng cường độ gradient ở mức không vượt quá 0.2 để triệt tiêu ảnh hưởng của hiện tượng bão hòa quang học từ máy quét CT. So với các nghiên cứu trước đây vốn chỉ áp dụng toán tử Canny đơn thuần và thường gặp lỗi đứt gãy đường bao khi gặp khối u dạng nang có mức xám đồng nhất với nhu mô, phương pháp tiếp cận trong luận văn này đã giải quyết triệt để sự phụ thuộc vào điều kiện chiếu sáng và góc chụp.

Để minh họa trực quan, dữ liệu thực nghiệm có thể được trình bày thông qua bảng so sánh 3 giai đoạn tinh lọc điểm khóa từ 832 điểm xuống 729 điểm và còn 536 điểm, kết hợp biểu đồ cột thể hiện mức giảm 35,58% điểm nhiễu biên và biểu đồ radar 8 hướng mô tả phân bố không gian của vector đặc trưng 128 chiều, giúp làm rõ độ hội tụ của thuật toán.

Đề xuất và khuyến nghị

Nhằm hoàn thiện và đưa các kết quả nghiên cứu vào ứng dụng lâm sàng thực tế, luận văn đưa ra 4 khuyến nghị then chốt:

1. Chuẩn hóa quy trình tiền xử lý ảnh y tế: Các bệnh viện và cơ sở y tế cần phối hợp với các nhóm nghiên cứu công nghệ thông tin để chuẩn hóa thuật toán lọc nhiễu Gauss và cân bằng lược đồ xám trên toàn bộ hệ thống máy quét CT trước tháng 12 năm 2026, hướng tới mục tiêu giảm 25% thời gian xử lý ảnh thô.

2. Tối ưu hóa thuật toán trích xuất đặc trưng tự động: Nhóm kỹ sư phần mềm y tế cần đẩy mạnh tích hợp thuật toán SIFT với các kiến trúc mạng nơ-ron tích chập trong giai đoạn 2026 đến 2027, đặt chỉ tiêu nâng cao độ chính xác phát hiện tổn thương gan giai đoạn sớm lên trên 92%.

3. Trang bị hệ thống hiển thị màn hình kép chuẩn PACS: Lãnh đạo các bệnh viện tuyến tỉnh và tuyến huyện cần đầu tư cấu hình máy trạm chuyên dụng với màn hình kép hiển thị đồng thời ảnh gốc DICOM và ảnh khoanh vùng khối u, hoàn thành trong năm 2026 nhằm nâng cao năng lực chẩn đoán độc lập cho hơn 80% bác sĩ tuyến dưới.

4. Xây dựng ngân hàng dữ liệu ảnh CT gan chuẩn hóa: Bộ Y tế cùng các trường đại học khối công nghệ và y dược cần chủ trì đề án số hóa và gán nhãn cho hơn 10.000 ca chụp cắt lớp vi tính gan trong thời gian 18 tháng, tạo nguồn dữ liệu học máy chuẩn xác cho các nghiên cứu tiếp theo.

Đối tượng nên tham khảo luận văn

Luận văn là nguồn tài liệu giá trị cho 4 nhóm đối tượng chính:

1. Bác sĩ chẩn đoán hình ảnh và nhân viên y tế: Nắm vững nguyên lý trích xuất đặc trưng của khối u trên ảnh cắt lớp, từ đó phối hợp hiệu quả với các hệ thống chẩn đoán tự động và đọc phim chính xác hơn trong các ca hội chẩn từ xa.

2. Học viên cao học và nghiên cứu sinh ngành Khoa học máy tính, Kỹ thuật y sinh: Sử dụng làm tài liệu tham khảo chuyên sâu về các phép toán vi phân Gradient, Laplace, toán tử Canny và quy trình triển khai thuật toán SIFT 128 chiều trên dữ liệu đa chiều.

3. Kỹ sư phát triển phần mềm y tế và nhà tích hợp hệ thống PACS: Ứng dụng các giải thuật lọc ảnh, biểu diễn bitmap DIB và ma trận Hessian để xây dựng các mô-đun phần mềm nhận dạng khối u tự động phục vụ thương mại hóa.

4. Cán bộ quản lý y tế và các nhà hoạch định chính sách: Tham khảo cơ sở lý luận và tiềm năng công nghệ để xây dựng đề án hiện đại hóa trang thiết bị y tế kỹ thuật số, giảm tải cho các bệnh viện tuyến trung ương.

Câu hỏi thường gặp

Thuật toán SIFT có ưu điểm gì vượt trội so với các toán tử phát hiện biên cổ điển như Sobel hay Laplace? Toán tử Sobel và Laplace chỉ đánh giá gradient cục bộ nên rất nhạy cảm với nhiễu và dễ làm đứt gãy biên khi mức xám thay đổi chậm. SIFT vượt trội nhờ xây dựng không gian tỷ lệ DoG, trích chọn vector 128 chiều bất biến với phép quay, co giãn và lọc sạch điểm biên giả bằng ma trận Hessian với ngưỡng tỷ lệ độ cong r bằng 10.

Tại sao nghiên cứu lại chọn tần số lấy mẫu là 3 tỷ lệ cho mỗi quãng tám trong không gian tỷ lệ? Các thử nghiệm trên tập dữ liệu chuẩn gồm 32 ảnh thực nghiệm chứng minh rằng việc lấy mẫu 3 tỷ lệ cho mỗi quãng tám mang lại khả năng lặp lại của điểm đặc trưng cao nhất. Việc tăng thêm số lượng mẫu tỷ lệ chỉ làm tăng chi phí tính toán mà không cải thiện độ ổn định của các cực trị.

Làm thế nào để hệ thống loại bỏ các điểm khóa kém ổn định dọc theo các cạnh khối u? Hệ thống sử dụng ma trận Hessian kích thước 2 nhân 2 để tính toán các độ cong chủ yếu của hàm sai khác Gaussian. Bằng cách kiểm tra tỷ lệ giữa bình phương vết ma trận và định thức, các điểm có tỷ lệ độ cong vượt quá ngưỡng r bằng 10 sẽ bị loại bỏ, giúp giảm 35,58% điểm khóa rác.

Chuẩn DICOM và hệ thống PACS đóng vai trò gì trong giải pháp này? Chuẩn DICOM cung cấp cấu trúc tệp chuẩn hóa chứa đầy đủ dữ liệu 256 mức xám và thông tin bệnh nhân. Hệ thống PACS đóng vai trò lưu trữ an toàn trên các ổ đĩa RAID và truyền tải hình ảnh chất lượng cao đến các trạm làm việc màn hình kép, hỗ trợ bác sĩ đối sánh trực tiếp ảnh gốc và ảnh sau xử lý.

Thuật toán xử lý thế nào khi ảnh chụp CT bị thay đổi độ sáng phi tuyến tính? Thuật toán SIFT giải quyết biến đổi độ sáng phi tuyến bằng cách đặt ngưỡng giới hạn 0.2 cho các giá trị trong vector đặc trưng, sau đó chuẩn hóa lại vector theo chiều dài đơn vị. Giải pháp này giúp giảm thiểu tác động của các gradient cường độ quá lớn do bão hòa cảm biến chụp.

Kết luận

• Luận văn đã hệ thống hóa toàn diện các kỹ thuật xử lý ảnh y tế từ các toán tử vi phân kinh điển đến thuật toán biến đổi đặc trưng bất biến tỷ lệ SIFT.
• Phân tích sâu sắc cấu trúc truyền thông ảnh y tế chuẩn DICOM và hệ thống lưu trữ PACS phục vụ xây dựng phòng hội chẩn ảo.
• Thực nghiệm thành công quy trình trích chọn đặc trưng đa tầng, lọc sạch 35,58% điểm khóa nhiễu và giữ lại 536 điểm khóa tối ưu trên ảnh CT lá gan.
• Chứng minh tính bất biến vượt trội của vector đặc trưng 128 chiều trước các biến dạng tỷ lệ, góc xoay và cường độ chiếu sáng phức tạp.
• Đặt nền móng kỹ thuật vững chắc cho việc phát triển các phần mềm hỗ trợ chẩn đoán khối u gan tự động tại các bệnh viện tuyến cơ sở.

Đóng góp lớn nhất của nghiên cứu là xây dựng thành công giải pháp tự động hóa phát hiện và khoanh vùng tổn thương gan, mở ra hướng đi đột phá trong việc nâng cao năng lực chẩn đoán cận lâm sàng. Trong giai đoạn 2026 đến 2028, nghiên cứu cần tiếp tục mở rộng tích hợp học sâu để phân loại chi tiết các dạng u lành tính và ác tính. Độc giả quan tâm và các đơn vị y tế hãy áp dụng ngay mô hình này để nâng cao hiệu quả sàng lọc ung thư sớm cho cộng đồng.

Trích đoạn nội dung tài liệu

Chương 1 KHÁI QUÁT VỀ XỬ LÝ ẢNH VÀ BÀI TOÁN PHÁT HIỆN KHỐI U TRONG GAN 1.Khái quát về xử lý ảnh 1.Các khái niệm cơ bản 1. Xử lý ảnh Xử lý ảnh [1,2,3]là một trong những cách tiếp cận phân tích, tổng hợp hình ảnh theo ý tưởng và mục đích của người sử dụng. Tuy xử lý ảnh là một trong những ngành khoa học còn tương đối mới so với nhiều ngành khoa học khác, nhưng tốc độ phát triển rất nhanh, được rất nhiều các viện nghiên cứu, ứng dụng. Những năm trở lại đây với sự phát triển của phần cứng máy tính, xử lý ảnh và đồ hoạ đã phát triển một cách mạnh mẽ và có nhiều ứng dụng được áp dụng trong cuộc sống.

Xử lý ảnh và đồ hoạ đóng một vai trò quan trọng trong tương tác người -máy. Mục đích của xử lý ảnh là nâng cao chất lượng hình ảnh phục vụ cho con người và xử lý dữ liệu dạng hình ảnh để máy tính có thể hiểu được từ đó đưa ra những quyết định cần thiết. Quá trình xử lý ảnh Xử lý ảnh có nhiều ứng dụng trong đời sống như: nhận dạng ảnh, vệ tinh dự báo thời tiết, viễn thám, ảnh y tế, khoa học hình sự, điện ảnh… Số hóa bởi Trung tâm Học liệu và Công nghệ thông tin – ĐHTN http://lrc.vn LUAN VAN CHAT LUONG download : add luanvanchat@agmail. Điểm ảnh Điểm ảnh (Pixel) làmột phần tử nhỏ nhất của một hình ảnh số tại toạ độ (x, y) với độ xám hoặc màu nhất định.

Để mắt người cảm nhận sự liên tục về không gian và mức xám (hoặc màu) của ảnh số gần như ảnh thật thì kích thước và khoảng cách giữa các điểm ảnh đó được chọn sao cho thích hợp. Ảnh Là một tập hợp các điểm ảnh được biểu diễn thông qua một mảng hai chiều I(n,p): n dòng và p cột, với ảnh này thì số lượng điểm ảnh sẽ là n×p. Mức xám củaảnh a) Định nghĩa: Mức xám (grey level) của điểm ảnh là kết quả sự mã hóa tương ứng một cường độ sáng của mỗi điểm ảnh với một giá trị số tại điểm đó. b) Các thang giá trị mức xám thông thường: 16, 32, 64, 128, 256 (Mức 256 là mức phổ dụng bởi vì trong kỹ thuật máy tính dùng 1 byte (8 bit) để biểu diễn mức xám: Mức xám dùng một byte biểu diễn: 28=256 mức, tức là từ giá trị 0 đến255).

c)Ảnh đen trắng: là ảnh chỉ có hai màu đen và trắng với mức xám ở các điểm ảnh có thể khácnhau. d) Ảnh nhị phân: ảnh chỉ có hai mứcđen trắng phân biệt tức dùng 1 bit mô tả 21 mức khác nhau. Nói cách khác mỗi điểm ảnh của ảnh nhị phân chỉ có thể là 0 hoặc1. e) Ảnh màu: theo lý thuyết của Thomas là ảnh tổ hợp từ ba màu cơ bản (Red, Blue, Green) được thu nhận trên các dải băng tần khác nhau để tạo nên thế giới màu, người ta thường dùng ba byte để mô tả mức màu, khi đó các giá trị màu: 28*3 = 224 ≈ 16,7triệu màu.

Số hóa bởi Trung tâm Học liệu và Công nghệ thông tin – ĐHTN http://lrc.vn LUAN VAN CHAT LUONG download : add luanvanchat@agmail. Độ phân giải của ảnh Độ phân giải (Resolution) của ảnh là số lượng điểm ảnh ( pixcel)trên một hình ảnh số được hiển thị.Các bước xử lý ảnhsố Một hệ thống xử lý ảnh có sơ đồ tổng quát như sau: Hình 1. Các bước cơ bản trong một hệ thống xử lý ảnh Hình 1. Sơ đồ phân tích, xử lý ảnh và lưu đồ thông tin giữa các khối Sau đây sẽ trình bày một số kỹ thuật xử lý ảnh cần thiết phục vụ cho việc cài đặt chương trình thử nghiệm (theo các bước trong hình 1.2), còn các thành phần khác sẽ được giới thiệu ở mức cơ bản.Thu nhận ảnh Các thiết bị thu nhận ảnh bao gồm camera, scanner các thiết bị thu nhận này có thể cho ảnh đen trắng.

Các thiết bị thu nhận ảnh có hai loại chính ứng với hai loại ảnh thông dụng Raster, Vector. Số hóa bởi Trung tâm Học liệu và Công nghệ thông tin – ĐHTN http://lrc.vn LUAN VAN CHAT LUONG download : add [e-mail] 6 Các thiết bị thu nhận ảnh Raster thông thường là camera, các thiết bị thu nhận ảnh thông thường Vector là sensor hoặc bàn số hoá Digitalizer hoặc được chuyển đổi từ ảnh Raster. Nhìn chung các hệ thống thu nhận ảnh thực hiện 1 quá trình: - Cảm biến: biến đổi năng lượng quang học thành năng lượngđiện - Tổng hợp năng lượng điện thànhảnh 1. Tiền xử lý Sau bộ thu nhận, ảnh có thể nhiễu và độ tương phản thấp nên cần đưa vào bộ tiền xử lý (Image Processing) để nâng cao chất lượng.

Chức năng chính của bộ tiền xử lý là nắn chỉnh biến dạng, lọc nhiễu, chỉnh mức xám, nâng độ tương phản để làm ảnh rõ hơn, nét hơn. a) Nắn chỉnh biến dạng Ảnh gốc thường bị biến dạng do các thiết bị quang học và điện tử. ẢnhgốcẢnh sau khi nắm chỉnh Hình 1. Ảnh gốc và ảnh sau khi nắn chỉnh Các nguyên nhân gây ra biến dạng ảnh do: - Do đầu thu ảnh chất lượngkém, camera.

- Do môi trường, ánh sáng, hiện trường (scene), khí quyển, nhiễuxung. - Do chấtlượng. Để khắc phục người ta sử dụng các phép chiếu được xây dựng trên tập các điểm điều khiển. Giả sử (Pi, Pi’) với i = 1, n có n các tập điều khiển.1) Số hóa bởi Trung tâm Học liệu và Công nghệ thông tin – ĐHTN http://lrc.vn LUAN VAN CHAT LUONG download : add [e-mail] 7 Giả sử ảnh bị biến đổi chỉ bao gồm: Tịnh tiến, quay, tỷ lệ, biến dạng bậc nhất tuyến tính.

Khi đó hàm f códạng: f (x, y) = (a1x + b1y + c1, a2x + b2y + c2) (1.4) Giải hệ phương trình tuyến tính tìm được a1, b1, c1, tương tự tìm đượca2,b2, c; từ đó ta xác định được hàmf. b)Lọc nhiễu Lọc nhiễu là làm cho hình ảnh có chất lượng tốt hơn. Thường ảnh thu nhận được không được sắc nét có nhiễu nên cần phải loại bỏ nhiễu làm ảnh nét hơn. Để tách nhiễu hay làm trơn nhiễu, người ta sử dụng các bộ lọc tuyến tính( lọc trung bình, thông thấp) hay lọc phi tuyến (trung vị, giả trung vị, lọc đồng hình).

Từ bản chất của nhiễu (thường tương ứng với tần số cao) và từ cơ sở lý thuyết lọc là: bộ lọc chỉ cho tín hiệu có tần số nào đó thông qua do đó, để lọc nhiễu người ta thường dùng lọc thông thấp (theo quan điểm tần số không gian) hay lấy tổ hợp tuyến tính để san bằng (lọc trungbình). c)Tăng độ tương phản Ảnh số là tập hợp các điểm ảnh, mà mỗi điểm ảnh có giá trị độ sáng khác nhau. Số hóa bởi Trung tâm Học liệu và Công nghệ thông tin – ĐHTN http://lrc.vn LUAN VAN CHAT LUONG download : add [e-mail] 8 Ở đây,mắt người dễ nhận ra hình ảnh nhờ có độ sáng, song không phải là quyết định. Thực tế chỉ ra rằng hai đối tượng có cùng độ sáng nhưng đặt trên hai nền khác nhau sẽ cho cảm nhận khác nhau.

Vì vậy, độ tương phản biểu diễn sự thay đổi độ sáng của đối tượng so với nền. Như vậy có thể hiểu rằng, độ tương phản là độ nổi của điểm ảnh hay vùng ảnh so với nền. Với định nghĩa này, nếu ảnh có độ tương phản thấp, ta có thể thay đổi tuỳ ý theo ý muốn. Ảnh với độ tương phản thấp có thể do độ sáng không đủ hay không đều, hoặc do tính không tuyến tính hay biến động nhỏ của bộ cảm nhận ảnh.

Để điều chỉnh lại độ tương phản của ảnh, ta điều chỉnh lại biên độ trên toàn dải hay trên dải có giới hạn bằng cách biến đổi tuyến tính biên độ đầu vào (dùng hàm biến đổi là hàm tuyến tính) hay phi tuyến (hàm mũ hay hàm lôgarít). Khi dùng hàm tuyến tính các độ dốc α, β, γphải chọn lớn hơn một trong miền cần dãn. Các tham số a và b (các cận) có thể chọn khi xem xét lược đồ xám của ảnh. Dãn độ tương phản ảnh kết quả trùng với ảnh dãn độ tương phản co độ tương phản Chú ý, nếu dãn độ tương phản bằng hàm tuyến tính ta có Hàm mũ hay dùng trong dãn độ tương phản có dạng: f = (X[m,n])p(1.5) d)Chỉnh mức xám Nhằm khắc phục tính không đồng đều của hệ thống gây ra.

Thông thường có hai hướng tiếp cận: Số hóa bởi Trung tâm Học liệu và Công nghệ thông tin – ĐHTN http://lrc.vn LUAN VAN CHAT LUONG download : add [e-mail] 9 - Giảm số mức xám: Thực hiện bằng cách nhóm các mức xám gần nhau thành một bó. Trường hợp chỉ có hai mức xám thì chính là chuyển về ảnh đen trắng. Ứng dụng: In ảnh màu ra máy in đentrắng. - Tăng số mức xám: Thực hiện nội suy ra các mức xám trung gian bằng kỹ thuật nội suy.

Kỹ thuật này nhằm tăng cường độ mịn choảnh.Phân vùng ảnh Phân vùng ảnh là khâu quan trọng trong quá trình xử lý ảnh. Giai đoạn này nhằm phân tích hình ảnh thành các vùng riêng biệt vàđồng nhất theo một tiêu chí nào đó dựa theo biên hay các vùng liên thông. Tiêu chuẩn để xác định các vùng liên thông có thể là cùng mức xám, cùng màu hay cùng độ nhám. Trước hết cần làm rõ khái niệm "vùng ảnh" (Segment) và đặc điểm vật lý của vùng.

Vùng ảnh là một chi tiết, một thực thể trông toàn cảnh. Nó là một tập hợp các điểm có cùng hoặc gần cùng một tính chất nào đó: mức xám, mức màu, độ nhám… Vùng ảnh là một trong hai thuộc tính của ảnh. Nói đến vùng ảnh là nói đến tính chất bề mặt. Đường bao quanh một vùng ảnh (Boundary) là biên ảnh.

Các điểm trong một vùng ảnh có độ biến thiên giá trị mức xám tương đối đồng đều hay tính kết cấu tươngđồng. Dựa vào đặc tính vật lý của ảnh, người ta có nhiều kỹ thuật phân vùng: phân vùng dựa theo miền liên thông gọi là phân vùng dựa theo miền đồng nhất hay miền kề; phân vùng dựa vào biên gọi là phân vùng biên. Ngoài ra còn có các kỹ thuật phân vùng khác dựa vào biên độ, phân vùng dựa theo kết cấu. Đây là phần phức tạp khó khăn nhất trong xử lý ảnh và cũng dễ gây lỗi, làm mất độ chính xác của ảnh.

Kết quả nhận dạng ảnh phụ thuộc rất nhiều vào công đoạn này.Trích chọn đặc trưng Ảnh đầu ra sau phân đoạn sẽ đượctrích chọn các tính chất để thể hiện ảnh, giúp cho việc nhận dạng các đối tượng ảnh chính xác,làm cơ sở để phân Số hóa bởi Trung tâm Học liệu và Công nghệ thông tin – ĐHTN http://lrc.vn LUAN VAN CHAT LUONG download : add [e-mail] 10 biệt lớp đối tượng này với đối tượng khác trong phạm vi ảnh nhận được.