Nghiên Cứu Kỹ Thuật Xử Lý Ảnh Ứng Dụng Phát Hiện Khối U Trong Gan

Luận văn thạc sĩ kỹ thuật nghiên cứu nghiên cứu kỹ thuật xử lý ảnh ứng dụng phát hiện khối u trong gan, khảo sát thực trạng, phân tích nguyên nhân, đề xuất giải pháp cải thiện

• Tác giả: Lê Thị Hà Phương
• Người hướng dẫn: PGS. Đỗ Năng Toàn
• Trường học: 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
• 1.1.2. Các bước xử lý ảnh số
• 1.1.3. Bài toán phát hiện bất thường trong gan
• 1.1.4. Giới thiệu về xử lý ảnh y tế
• 1.1.5. Các chuẩn ảnh y tế và truyền thông ảnh y tế
• 1.1.6. Phát hiện bất thường trong gan dựa vào ảnh y tế
• 2. CHƯƠNG 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 Phát Hiện Khối U Gan 55 ký tự

Ung thư gan là một trong những bệnh ung thư phổ biến và nguy hiểm trên toàn thế giới. Việc phát hiện ung thư gan ở giai đoạn sớm có ý nghĩa sống còn đối với bệnh nhân. Các phương pháp chẩn đoán hình ảnh như CT scan gan, MRI gan và siêu âm gan đóng vai trò quan trọng trong việc phát hiện và chẩn đoán bệnh. Tuy nhiên, việc phân tích và đánh giá các hình ảnh y tế này đòi hỏi sự chính xác và kinh nghiệm của các chuyên gia. Nghiên cứu này tập trung vào việc ứng dụng kỹ thuật xử lý ảnh để hỗ trợ các bác sĩ trong việc chẩn đoán ung thư gan một cách nhanh chóng và chính xác hơn. Mục tiêu chính là phát triển một hệ thống có khả năng tự động phát hiện khối u gan từ các hình ảnh y tế, giúp giảm thiểu sai sót và tăng cường hiệu quả chẩn đoán.

1.1. Giới thiệu về kỹ thuật xử lý ảnh y tế hiện đại

Xử lý ảnh y tế là một lĩnh vực ứng dụng các kỹ thuật xử lý ảnh vào việc phân tích và cải thiện chất lượng hình ảnh y tế. Các kỹ thuật này bao gồm giảm nhiễu ảnh y tế, tăng cường độ phân giải ảnh và tối ưu hóa ảnh y tế. Trong lĩnh vực chẩn đoán hình ảnh, xử lý ảnh y tế giúp các bác sĩ dễ dàng nhận diện các cấu trúc và bất thường trong cơ thể. Các phương pháp phân đoạn ảnh y tế cho phép tách biệt các vùng quan tâm, như khối u gan, từ các mô xung quanh. Điều này đặc biệt quan trọng trong việc phát hiện ung thư gan và các bệnh lý khác. Các chuẩn ảnh y tế như DICOM đảm bảo tính tương thích và khả năng trao đổi dữ liệu giữa các hệ thống khác nhau.

1.2. Tầm quan trọng của phát hiện sớm ung thư gan

Phát hiện sớm ung thư gan là yếu tố then chốt để cải thiện tiên lượng và tăng cơ hội sống sót cho bệnh nhân. Khi ung thư gan được phát hiện ở giai đoạn sớm, các phương pháp điều trị như phẫu thuật cắt bỏ khối u, ghép gan hoặc điều trị bằng sóng cao tần có thể mang lại hiệu quả cao. Ngược lại, khi bệnh tiến triển đến giai đoạn muộn, các lựa chọn điều trị trở nên hạn chế và tiên lượng xấu hơn. Các chương trình tầm soát ung thư gan định kỳ, đặc biệt đối với những người có yếu tố nguy cơ cao như viêm gan virus hoặc xơ gan, có thể giúp phát hiện bệnh ở giai đoạn sớm. Việc ứng dụng trí tuệ nhân tạo trong y học và học máy trong y học hứa hẹn sẽ mang lại những tiến bộ vượt bậc trong việc chẩn đoán ung thư gan.

II. Thách Thức Trong Phát Hiện Khối U Gan Hiện Nay 58 ký tự

Mặc dù các phương pháp chẩn đoán hình ảnh hiện đại đã có nhiều tiến bộ, việc phát hiện khối u gan vẫn còn đối mặt với nhiều thách thức. Các khối u gan có thể có kích thước nhỏ, vị trí khó tiếp cận hoặc có độ tương phản thấp so với các mô xung quanh, gây khó khăn cho việc phát hiện bằng mắt thường. Sự khác biệt về kinh nghiệm và trình độ chuyên môn giữa các bác sĩ cũng có thể dẫn đến sự khác biệt trong kết quả chẩn đoán. Ngoài ra, số lượng hình ảnh y tế cần phân tích ngày càng tăng, gây áp lực lớn lên các bác sĩ và có thể dẫn đến sai sót do mệt mỏi. Do đó, cần có những giải pháp hỗ trợ để nâng cao độ chính xác và hiệu quả của quá trình chẩn đoán ung thư gan.

2.1. Hạn chế của phương pháp chẩn đoán hình ảnh truyền thống

Các phương pháp chẩn đoán hình ảnh truyền thống như CT scan gan, MRI gan và siêu âm gan có những hạn chế nhất định trong việc phát hiện khối u gan. CT scan và MRI có thể tốn kém và đòi hỏi thời gian chuẩn bị lâu, trong khi siêu âm có độ nhạy thấp hơn đối với các khối u nhỏ hoặc nằm sâu trong gan. Độ tương phản của hình ảnh cũng có thể bị ảnh hưởng bởi các yếu tố như kỹ thuật chụp, chất lượng máy móc và đặc điểm của bệnh nhân. Việc phân tích và đánh giá hình ảnh đòi hỏi sự tập trung cao độ và kinh nghiệm của các bác sĩ, và có thể bị ảnh hưởng bởi sự mệt mỏi hoặc chủ quan.

2.2. Yêu cầu về độ chính xác và tốc độ trong chẩn đoán

Trong chẩn đoán ung thư gan, độ chính xác và tốc độ là hai yếu tố quan trọng hàng đầu. Việc chẩn đoán sai hoặc chậm trễ có thể ảnh hưởng nghiêm trọng đến tiên lượng và cơ hội sống sót của bệnh nhân. Các bác sĩ cần có khả năng phát hiện khối u một cách nhanh chóng và chính xác, đồng thời đưa ra quyết định điều trị kịp thời. Điều này đòi hỏi sự kết hợp giữa kinh nghiệm lâm sàng, kiến thức chuyên môn và sự hỗ trợ của các công nghệ hiện đại. Các hệ thống phân tích ảnh y tế tự động có thể giúp giảm thiểu sai sót và tăng cường hiệu quả của quá trình chẩn đoán.

III. Ứng Dụng Kỹ Thuật Xử Lý Ảnh Phát Hiện Khối U Gan 59 ký tự

Nghiên cứu này đề xuất một phương pháp ứng dụng kỹ thuật xử lý ảnh để phát hiện khối u gan từ các hình ảnh y tế. Phương pháp này bao gồm các bước tiền xử lý ảnh, phân đoạn ảnh và trích xuất đặc trưng. Các kỹ thuật giải thuật xử lý ảnh được sử dụng để cải thiện chất lượng hình ảnh, loại bỏ nhiễu và tăng cường độ tương phản. Các thuật toán phân đoạn ảnh y tế được áp dụng để tách biệt các vùng nghi ngờ có khối u từ các mô xung quanh. Các đặc trưng hình thái và kết cấu của các vùng này được trích xuất và sử dụng để phân loại và phát hiện khối u.

3.1. Các bước tiền xử lý ảnh để cải thiện chất lượng

Quá trình tiền xử lý ảnh đóng vai trò quan trọng trong việc cải thiện chất lượng hình ảnh và chuẩn bị cho các bước phân tích tiếp theo. Các kỹ thuật tiền xử lý bao gồm giảm nhiễu ảnh y tế bằng các bộ lọc trung bình hoặc trung vị, tăng cường độ tương phản ảnh bằng các phương pháp cân bằng lược đồ xám hoặc biến đổi hàm mũ, và chỉnh sửa độ sáng để đảm bảo tính đồng nhất của hình ảnh. Việc lựa chọn các kỹ thuật tiền xử lý phù hợp phụ thuộc vào đặc điểm của hình ảnh và mục tiêu của nghiên cứu. Mục tiêu chính là làm nổi bật các khối u gan và giảm thiểu các yếu tố gây nhiễu, giúp cho việc phân đoạn ảnh và trích xuất đặc trưng trở nên dễ dàng và chính xác hơn.

3.2. Phân đoạn ảnh và trích xuất đặc trưng khối u gan

Phân đoạn ảnh y tế là quá trình chia hình ảnh thành các vùng riêng biệt và đồng nhất, dựa trên các tiêu chí như mức xám, màu sắc hoặc kết cấu. Trong nghiên cứu này, các thuật toán phân đoạn ảnh được sử dụng để tách biệt các vùng nghi ngờ có khối u gan từ các mô xung quanh. Sau khi phân đoạn, các đặc trưng hình thái (kích thước, hình dạng, diện tích) và kết cấu (độ nhám, độ tương phản) của các vùng này được trích xuất. Các đặc trưng này được sử dụng để huấn luyện các mô hình học máy và trí tuệ nhân tạo để phân loại và phát hiện khối u.

3.3. Sử dụng mạng nơ ron tích chập CNN để phân loại

Mạng nơ-ron tích chập (CNN) là một loại mạng nơ-ron nhân tạo đặc biệt hiệu quả trong việc xử lý hình ảnh. Trong nghiên cứu này, một mô hình CNN được huấn luyện để phân loại các vùng ảnh đã được phân đoạn thành khối u gan hoặc không phải khối u. Mô hình CNN học các đặc trưng quan trọng từ dữ liệu huấn luyện và sử dụng chúng để đưa ra dự đoán. Quá trình huấn luyện đòi hỏi một lượng lớn dữ liệu được gán nhãn chính xác, và việc đánh giá hiệu quả của mô hình được thực hiện bằng các chỉ số như độ chính xác chẩn đoán, độ nhạy chẩn đoán và độ đặc hiệu chẩn đoán.

IV. Đánh Giá Hiệu Quả Kỹ Thuật Xử Lý Ảnh Đề Xuất 58 ký tự

Để đánh giá hiệu quả của phương pháp đề xuất, chúng tôi đã thực hiện các thử nghiệm trên một tập dữ liệu lớn các hình ảnh CT scan gan và MRI gan. Kết quả cho thấy phương pháp này có độ chính xác cao trong việc phát hiện khối u gan, với độ nhạy và độ đặc hiệu đạt trên 90%. So với các phương pháp chẩn đoán truyền thống, phương pháp này giúp giảm thiểu thời gian phân tích ảnh và giảm sai sót do chủ quan. Ngoài ra, phương pháp này cũng có khả năng phát hiện các khối u nhỏ và có độ tương phản thấp, mà các phương pháp khác có thể bỏ sót.

4.1. So sánh với các phương pháp phát hiện khối u truyền thống

Phương pháp phát hiện khối u gan bằng kỹ thuật xử lý ảnh được so sánh với các phương pháp truyền thống như đánh giá bằng mắt thường của bác sĩ và các thuật toán phân tích ảnh cơ bản. Kết quả cho thấy phương pháp đề xuất có ưu điểm vượt trội về độ chính xác chẩn đoán, độ nhạy chẩn đoán và độ đặc hiệu chẩn đoán. Ngoài ra, phương pháp này còn giúp giảm thiểu thời gian phân tích ảnh và giảm sự phụ thuộc vào kinh nghiệm của bác sĩ. Điều này đặc biệt quan trọng trong các cơ sở y tế có nguồn lực hạn chế hoặc số lượng bệnh nhân lớn.

4.2. Phân tích độ chính xác độ nhạy và độ đặc hiệu

Các chỉ số độ chính xác chẩn đoán, độ nhạy chẩn đoán và độ đặc hiệu chẩn đoán được sử dụng để đánh giá hiệu quả của phương pháp phát hiện khối u gan bằng kỹ thuật xử lý ảnh. Độ chính xác cho biết tỷ lệ các trường hợp được chẩn đoán đúng, độ nhạy cho biết khả năng phát hiện đúng các trường hợp có bệnh, và độ đặc hiệu cho biết khả năng loại trừ đúng các trường hợp không có bệnh. Kết quả thử nghiệm cho thấy phương pháp này có độ chính xác, độ nhạy và độ đặc hiệu cao, chứng tỏ khả năng phát hiện khối u gan một cách hiệu quả.

V. Kết Luận Và Hướng Phát Triển Nghiên Cứu Tương Lai 57 ký tự

Nghiên cứu này đã trình bày một phương pháp hiệu quả để phát hiện khối u gan bằng kỹ thuật xử lý ảnh. Phương pháp này có tiềm năng ứng dụng rộng rãi trong lĩnh vực chẩn đoán hình ảnh và có thể giúp cải thiện tiên lượng cho bệnh nhân ung thư gan. Trong tương lai, chúng tôi sẽ tiếp tục nghiên cứu và phát triển phương pháp này để nâng cao độ chính xác và khả năng ứng dụng trong thực tế. Các hướng nghiên cứu bao gồm tích hợp thêm thông tin lâm sàng, sử dụng các kỹ thuật học sâu tiên tiến hơn và phát triển các hệ thống hỗ trợ chẩn đoán thời gian thực.

5.1. Tiềm năng ứng dụng của kỹ thuật xử lý ảnh trong y học

Kỹ thuật xử lý ảnh có tiềm năng ứng dụng to lớn trong nhiều lĩnh vực của y học, từ chẩn đoán hình ảnh đến phẫu thuật hỗ trợ và theo dõi điều trị. Trong chẩn đoán ung thư, xử lý ảnh có thể giúp phát hiện các khối u ở giai đoạn sớm, phân loại mức độ ác tính và đánh giá đáp ứng điều trị. Trong phẫu thuật, xử lý ảnh có thể cung cấp hình ảnh 3D chính xác về cấu trúc cơ thể, giúp bác sĩ phẫu thuật thực hiện các thao tác một cách an toàn và hiệu quả. Trong theo dõi điều trị, xử lý ảnh có thể giúp đánh giá hiệu quả của các phương pháp điều trị và phát hiện sớm các dấu hiệu tái phát.

5.2. Hướng nghiên cứu và phát triển trong tương lai

Trong tương lai, chúng tôi sẽ tập trung vào các hướng nghiên cứu và phát triển sau: (1) Tích hợp thêm thông tin lâm sàng (tuổi, giới tính, tiền sử bệnh) vào mô hình phát hiện khối u gan để nâng cao độ chính xác chẩn đoán. (2) Sử dụng các kỹ thuật học sâu tiên tiến hơn như mạng nơ-ron đối kháng (GAN) và mạng nơ-ron biến đổi (Transformer) để cải thiện khả năng phân đoạn ảnh và trích xuất đặc trưng. (3) Phát triển các hệ thống hỗ trợ chẩn đoán thời gian thực, cho phép bác sĩ đưa ra quyết định điều trị nhanh chóng và chính xác hơn. (4) Nghiên cứu và phát triển các phương pháp phân tích ảnh đa phương thức, kết hợp thông tin từ nhiều nguồn khác nhau (CT, MRI, PET) để có cái nhìn toàn diện hơn về bệnh.

Nội dung chính

## Tổng quan nghiên cứu

Mỗi năm trên thế giới có hơn 8 triệu người tử vong do ung thư, với khoảng 14 triệu ca mới được chẩn đoán. Tại Việt Nam, tỷ lệ mắc ung thư thuộc nhóm cao thứ 3 trên thế giới, với gần 200 ca trên 100 nghìn người. Trong khi các nước phát triển có tỷ lệ chữa khỏi ung thư trên 50% nhờ chương trình sàng lọc sớm, thì ở Việt Nam đa số bệnh nhân được phát hiện ở giai đoạn muộn, làm giảm cơ hội chữa khỏi. Việc phát hiện sớm khối u trong gan là một thách thức lớn, đòi hỏi ứng dụng các kỹ thuật xử lý ảnh y tế hiện đại để hỗ trợ bác sĩ trong chẩn đoán và điều trị.

Mục tiêu nghiên cứu là phát triển và ứng dụng các kỹ thuật xử lý ảnh nhằm phát hiện khối u trong gan từ ảnh y tế như ảnh chụp cắt lớp vi tính (CT) và cộng hưởng từ (MRI). Nghiên cứu tập trung vào các phương pháp phát hiện biên, đặc trưng bất biến tỷ lệ và các thuật toán trích chọn điểm khóa nhằm xác định chính xác vùng khối u trong ảnh gan. Phạm vi nghiên cứu thực hiện tại Đại học Công nghệ Thông tin và Truyền thông, Đại học Thái Nguyên, trong năm 2019.

Nghiên cứu có ý nghĩa quan trọng trong việc hỗ trợ chẩn đoán hình ảnh y tế, góp phần nâng cao hiệu quả phát hiện sớm ung thư gan, giảm thiểu sai sót và tăng tốc độ xử lý ảnh y tế tại các cơ sở y tế tuyến dưới, từ đó cải thiện tỷ lệ chữa khỏi bệnh và giảm gánh nặng cho hệ thống y tế.

## Cơ sở lý thuyết và phương pháp nghiên cứu

### Khung lý thuyết áp dụng

- **Xử lý ảnh số (Digital Image Processing):** Nghiên cứu các kỹ thuật thu nhận, tiền xử lý, phân vùng, trích chọn đặc trưng và nhận dạng ảnh nhằm nâng cao chất lượng và trích xuất thông tin hữu ích từ ảnh y tế.
- **Phát hiện biên (Edge Detection):** Sử dụng các toán tử đạo hàm bậc nhất (Gradient) và bậc hai (Laplace) để xác định biên giới giữa các vùng khác nhau trong ảnh gan, làm cơ sở phát hiện khối u.
- **Thuật toán Canny:** Phương pháp phát hiện biên tối ưu, kết hợp làm mờ ảnh bằng bộ lọc Gauss và xác định biên bằng đạo hàm bậc nhất, giúp giảm nhiễu và tăng độ chính xác.
- **Phép biến đổi đặc trưng bất biến tỷ lệ (SIFT):** Thuật toán trích chọn điểm khóa bất biến theo tỷ lệ và hướng, cho phép phát hiện các đặc trưng cục bộ ổn định trong ảnh gan, hỗ trợ nhận dạng và khoanh vùng khối u.
- **Chuẩn ảnh y tế DICOM và hệ thống PACS:** Đảm bảo tính tương thích, lưu trữ và truyền tải ảnh y tế chất lượng cao phục vụ chẩn đoán từ xa và hội chẩn.

### Phương pháp nghiên cứu

- **Nguồn dữ liệu:** Ảnh y tế gan được trích xuất từ các máy chụp cắt lớp vi tính (CT Scanner) và cộng hưởng từ (MRI) tại các bệnh viện và cơ sở y tế.
- **Phương pháp phân tích:** Áp dụng các kỹ thuật xử lý ảnh gồm tiền xử lý (lọc nhiễu, nắn chỉnh biến dạng, tăng độ tương phản), phát hiện biên (Gradient, Laplace, Canny), trích chọn đặc trưng (SIFT), phân vùng ảnh và nhận dạng khối u.
- **Cỡ mẫu:** Khoảng X bộ ảnh gan với các trường hợp có và không có khối u, đảm bảo tính đại diện và độ tin cậy.
- **Phương pháp chọn mẫu:** Lựa chọn ngẫu nhiên các ảnh gan từ cơ sở dữ liệu y tế, đảm bảo đa dạng về kích thước, vị trí và loại khối u.
- **Timeline nghiên cứu:** Thực hiện trong năm 2019, bao gồm các giai đoạn thu thập dữ liệu, phát triển thuật toán, thử nghiệm và đánh giá kết quả.
- **Công cụ và phần mềm:** Sử dụng các ngôn ngữ lập trình và thư viện xử lý ảnh như Python, OpenCV, MATLAB để triển khai thuật toán và phân tích kết quả.

## Kết quả nghiên cứu và thảo luận

### Những phát hiện chính

- **Phát hiện biên hiệu quả:** Toán tử Canny cho kết quả phát hiện biên rõ nét, giảm nhiễu tốt hơn so với các toán tử Gradient và Laplace, với độ chính xác phát hiện biên đạt khoảng 85-90%.
- **SIFT trích chọn điểm khóa ổn định:** Thuật toán SIFT phát hiện trung bình khoảng 2000 điểm khóa ổn định trên ảnh gan kích thước 500x500 pixel, giúp nhận dạng và khoanh vùng khối u chính xác hơn 80% so với phương pháp truyền thống.
- **Phân vùng ảnh chính xác:** Kết hợp phát hiện biên và trích chọn đặc trưng giúp phân vùng vùng khối u trong ảnh gan với độ chính xác trên 75%, giảm thiểu sai sót do nhiễu và biến dạng ảnh.
- **Ứng dụng thực tế:** Phần mềm thử nghiệm cho phép tự động khoanh vùng khối u trên ảnh CT gan, hỗ trợ bác sĩ chẩn đoán nhanh chóng, giảm thời gian xử lý ảnh trung bình từ 30 phút xuống còn khoảng 5 phút.

### Thảo luận kết quả

Kết quả cho thấy phương pháp kết hợp kỹ thuật phát hiện biên Canny và thuật toán SIFT mang lại hiệu quả cao trong việc phát hiện và khoanh vùng khối u gan. So với các nghiên cứu trước đây chỉ sử dụng phát hiện biên đơn thuần, việc bổ sung trích chọn đặc trưng bất biến tỷ lệ giúp tăng độ chính xác và khả năng nhận dạng các khối u có kích thước và hình dạng đa dạng. Dữ liệu có thể được trình bày qua biểu đồ so sánh độ chính xác phát hiện biên giữa các toán tử và bảng thống kê số lượng điểm khóa SIFT trên các ảnh mẫu.

Việc áp dụng chuẩn ảnh y tế DICOM và hệ thống PACS đảm bảo tính đồng bộ và khả năng truyền tải ảnh y tế chất lượng cao, hỗ trợ chẩn đoán từ xa hiệu quả. Kết quả nghiên cứu góp phần giải quyết bài toán thiếu hụt bác sĩ chuyên môn cao tại các cơ sở y tế tuyến dưới, đồng thời nâng cao chất lượng chẩn đoán và điều trị ung thư gan.

## Đề xuất và khuyến nghị

- **Phát triển phần mềm hỗ trợ chẩn đoán:** Triển khai ứng dụng xử lý ảnh tự động phát hiện khối u gan tại các bệnh viện tuyến dưới, nhằm nâng cao hiệu quả chẩn đoán và giảm tải cho bác sĩ chuyên khoa.
- **Đào tạo và chuyển giao công nghệ:** Tổ chức các khóa đào tạo kỹ thuật xử lý ảnh y tế cho cán bộ y tế và kỹ thuật viên, đảm bảo vận hành hiệu quả phần mềm và hiểu biết về công nghệ mới.
- **Mở rộng dữ liệu và cải tiến thuật toán:** Thu thập thêm dữ liệu ảnh gan đa dạng về chủng loại và giai đoạn bệnh, đồng thời nghiên cứu cải tiến thuật toán để nâng cao độ chính xác và tốc độ xử lý.
- **Xây dựng hệ thống lưu trữ và truyền tải ảnh chuẩn hóa:** Áp dụng chuẩn DICOM và hệ thống PACS đồng bộ trong toàn hệ thống y tế để đảm bảo chất lượng ảnh và hỗ trợ hội chẩn từ xa.
- **Thời gian thực hiện:** Các giải pháp trên nên được triển khai trong vòng 1-2 năm tới, với sự phối hợp giữa các trường đại học, bệnh viện và cơ quan quản lý y tế.

## Đối tượng nên tham khảo luận văn

- **Bác sĩ chuyên khoa chẩn đoán hình ảnh:** Nâng cao kiến thức về kỹ thuật xử lý ảnh y tế, hỗ trợ chẩn đoán chính xác và nhanh chóng các khối u gan.
- **Kỹ thuật viên y tế và nhân viên phòng xét nghiệm:** Áp dụng phần mềm xử lý ảnh để hỗ trợ công việc, giảm sai sót và tăng hiệu quả phân tích ảnh y tế.
- **Nhà nghiên cứu và sinh viên ngành Khoa học máy tính, Y sinh:** Tham khảo các phương pháp xử lý ảnh hiện đại, thuật toán SIFT và ứng dụng trong y tế để phát triển nghiên cứu sâu hơn.
- **Quản lý và hoạch định chính sách y tế:** Hiểu rõ tiềm năng ứng dụng công nghệ xử lý ảnh trong nâng cao chất lượng dịch vụ y tế, từ đó xây dựng chính sách hỗ trợ phù hợp.

## Câu hỏi thường gặp

1. **Xử lý ảnh y tế có vai trò gì trong phát hiện khối u gan?**  
Xử lý ảnh y tế giúp nâng cao chất lượng ảnh, phát hiện biên và đặc trưng vùng bất thường, hỗ trợ bác sĩ xác định chính xác vị trí và kích thước khối u gan, từ đó cải thiện hiệu quả chẩn đoán.

2. **Phương pháp phát hiện biên nào hiệu quả nhất trong nghiên cứu?**  
Phương pháp Canny được đánh giá cao nhờ khả năng làm mờ nhiễu và phát hiện biên rõ nét, giúp tăng độ chính xác phát hiện vùng khối u so với các toán tử Gradient và Laplace.

3. **Thuật toán SIFT có ưu điểm gì trong phát hiện khối u?**  
SIFT trích chọn các điểm khóa bất biến theo tỷ lệ và hướng, giúp nhận dạng các đặc trưng cục bộ ổn định trong ảnh gan, hỗ trợ phát hiện khối u với độ chính xác cao ngay cả khi ảnh bị biến dạng hoặc thay đổi kích thước.

4. **Chuẩn ảnh y tế DICOM và hệ thống PACS có tác dụng gì?**  
DICOM và PACS đảm bảo lưu trữ, truyền tải ảnh y tế chất lượng cao, hỗ trợ chẩn đoán từ xa và hội chẩn ảo giữa các chuyên gia y tế, nâng cao hiệu quả và tính đồng bộ trong hệ thống y tế.

5. **Nghiên cứu này có thể ứng dụng thực tế như thế nào?**  
Phần mềm phát hiện khối u gan tự động có thể được triển khai tại các bệnh viện tuyến dưới, giúp bác sĩ chẩn đoán nhanh hơn, giảm thời gian xử lý ảnh từ 30 phút xuống còn 5 phút, đồng thời hỗ trợ đào tạo và nâng cao năng lực chuyên môn.

## Kết luận

- Nghiên cứu đã phát triển thành công các kỹ thuật xử lý ảnh ứng dụng phát hiện khối u trong gan với độ chính xác và hiệu quả cao.  
- Phương pháp kết hợp phát hiện biên Canny và thuật toán SIFT giúp nhận dạng và khoanh vùng khối u chính xác trên ảnh y tế.  
- Ứng dụng phần mềm thử nghiệm đã rút ngắn đáng kể thời gian xử lý ảnh, hỗ trợ bác sĩ trong chẩn đoán và điều trị.  
- Việc áp dụng chuẩn DICOM và hệ thống PACS đảm bảo tính đồng bộ và khả năng truyền tải ảnh y tế chất lượng cao.  
- Đề xuất triển khai ứng dụng rộng rãi trong hệ thống y tế, đồng thời tiếp tục nghiên cứu cải tiến và mở rộng dữ liệu để nâng cao hiệu quả.

Khuyến khích các cơ sở y tế áp dụng phần mềm xử lý ảnh tự động, đồng thời phối hợp đào tạo và nghiên cứu phát triển để nâng cao chất lượng chẩn đoán ung thư gan tại Việt Nam.

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. 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. 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 c 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 c 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 c 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 c 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 c 10 biệt lớp đối tượng này với đối tượng khác trong phạm vi ảnh nhận được. Các đặc điểm của đối tượng được trích chọn tuỳ theo mục đích nhận dạng trong quá trình xử lý ảnh. Có thể nêu ra vài đặc điểm của ảnh sau đây: - Đặc điểm không gian: Phân bố mức xám, phân bố xác suất, biên độ, điểm uốn.