Nghiên Cứu Phát Triển Thuật Toán Xây Dựng Máy Cắt Lớp X-Quang

Chuyên khảo kỹ thuật phân tích Xây dựng một phần mềm mới cho máy cắt lớp x quang, đánh giá các khía cạnh quan trọng, đề xuất hướng nghiên cứu tiếp theo.

• Tác giả: Không rõ
• Người hướng dẫn: Không rõ
• Trường học: Không rõ
• Chuyên ngành: Kỹ thuật X-quang
• Đề tài: Nghiên cứu phát triển thuật toán xây dựng máy cắt lớp X-quang
• Loại tài liệu: Luận văn
• Năm xuất bản: Không rõ
• Địa điểm: Không rõ

Mục lục chi tiết

• Lời nói đầu
• 1. Chương 1: Bước Đầu Xây Dựng Một Máy Ảo Cắt Lớp X-Quang Ba Chiều Trong Kỹ Nghệ
• 1.1. Sơ lược về phép biến đổi Radon
• 1.2. Một phương pháp tính biến đổi Radon của một ảnh số hóa
• 1.3. Một phương pháp tính biến đổi Radon 3-chiều từ các tích phân đường
• 1.4. Phục hồi ảnh từ dữ liệu chiếu bằng phép biến đổi Radon ngược
• 1.5. Phép biến đổi Radon và chuỗi Fourier
• 1.6. Một phương pháp giải bài toán phục hồi vành ngoài
• 1.7. Phép cắt lớp hình quạt hai chiều
• 1.8. Một phương pháp tính các tích phân kỳ dị Cauchy Hadamard
• 1.9. Thuật toán phục hồi từ dữ liệu chiếu trong không gian hai chiều và ba chiều
• 1.10. Phép biến đổi Radon từng phần trong không gian ba chiều, chuỗi Fourier và phép cắt lớp hình quạt
• 2. Chương 2: Mô hình máy cắt lớp ảo
• 2.1. Xác suất và biến ngẫu nhiên
• 2.2. Tập hợp dữ liệu cắt lớp
• 2.3. Voxel, Pixel và số CT
• 2.4. Mô hình máy ảo cắt lớp
• 3. Chương 3: Cơ sở vật lý tương tác bức xạ Gamma qua vật chất
• 3.2. Tương tác bức xạ gamma qua vật chất

Tóm tắt

I. Tổng Quan Nghiên Cứu Máy Cắt Lớp X Quang Khám Phá Tiềm Năng

Máy cắt lớp X-quang, hay còn gọi là máy quét CT, là một công cụ chẩn đoán hình ảnh y tế quan trọng. Nó sử dụng tia X-quang để tạo ra hình ảnh chi tiết về cấu trúc bên trong cơ thể. Nghiên cứu và phát triển các thuật toán xây dựng ảnh cho máy cắt lớp X-quang đóng vai trò then chốt trong việc nâng cao chất lượng hình ảnh, giảm thiểu liều lượng bức xạ và cải thiện hiệu quả chẩn đoán. Các thuật toán này liên quan đến thuật toán tái tạo ảnh, hiệu chỉnh ảnh, và giảm nhiễu ảnh CT. Cần chú trọng đến cả phần cứng máy cắt lớp và phần mềm xử lý ảnh y tế. Sự phát triển của công nghệ hình ảnh y học đang mở ra những cơ hội mới trong chẩn đoán và điều trị bệnh.

1.1. Lịch sử phát triển của công nghệ máy cắt lớp X quang

Máy cắt lớp X-quang đã trải qua một lịch sử phát triển lâu dài và đầy ấn tượng. Từ những thiết kế ban đầu đến những hệ thống hiện đại ngày nay, công nghệ này đã chứng kiến những bước tiến vượt bậc về tốc độ, độ phân giải và khả năng ứng dụng. Nghiên cứu về lịch sử phát triển giúp chúng ta hiểu rõ hơn về những thách thức đã vượt qua và định hướng cho tương lai. Các tài liệu nghiên cứu ban đầu thường tập trung vào các vấn đề về độ phân giải hình ảnh CT và liều lượng bức xạ CT. Những cải tiến về phần cứng máy cắt lớp và giải thuật hình ảnh đã đóng góp quan trọng vào sự tiến bộ của công nghệ này.

1.2. Vai trò của máy cắt lớp X quang trong chẩn đoán hình ảnh y tế

Máy cắt lớp X-quang đóng một vai trò không thể thiếu trong chẩn đoán hình ảnh y tế hiện đại. Với khả năng tạo ra hình ảnh chi tiết về cấu trúc bên trong cơ thể, nó giúp các bác sĩ chẩn đoán và theo dõi nhiều loại bệnh lý khác nhau. Ứng dụng lâm sàng CT rất đa dạng, từ chẩn đoán các bệnh về tim mạch, thần kinh đến ung thư và các bệnh lý khác. Theo tài liệu gốc, máy cắt lớp X-quang được áp dụng rộng rãi trong y khoa, nhưng việc sử dụng còn hạn chế do chi phí và công nghệ độc quyền. Do vậy, nghiên cứu và phát triển các thuật toán xây dựng ảnh lớp dữ chiếu là rất quan trọng.

II. Thách Thức Phát Triển Thuật Toán Xây Dựng Ảnh CT Hiện Nay

Việc phát triển thuật toán xây dựng ảnh cho máy cắt lớp X-quang đối mặt với nhiều thách thức. Liều lượng bức xạ CT là một vấn đề quan trọng, cần giảm thiểu để đảm bảo an toàn cho bệnh nhân. Đồng thời, cần duy trì độ phân giải hình ảnh CT cao để đảm bảo chất lượng chẩn đoán. Các yếu tố như nhiễu ảnh, artifact và thời gian tái tạo ảnh cũng cần được cải thiện. Một thách thức khác là tích hợp ứng dụng AI trong y học, đặc biệt là deep learning trong CT, để tự động hóa quá trình phân tích và chẩn đoán hình ảnh. Cuối cùng, việc đảm bảo an toàn bức xạ và tuân thủ các tiêu chuẩn chất lượng ảnh CT là vô cùng quan trọng.

2.1. Giảm nhiễu và loại bỏ artifact trong hình ảnh cắt lớp

Nhiễu và artifact là những vấn đề phổ biến trong hình ảnh cắt lớp, ảnh hưởng đến chất lượng và độ chính xác của chẩn đoán. Các thuật toán giảm nhiễu ảnh CT và loại bỏ artifact đóng vai trò quan trọng trong việc cải thiện hình ảnh. Theo tài liệu, cần nghiên cứu các thuật toán ảnh chính xác cao trong điều kiện dữ chiếu không nhiều, đây là một bài toán khó. Các phương pháp giải thuật lọc ảnh CT và phục hồi ảnh CT đang được nghiên cứu và phát triển để giải quyết vấn đề này.

2.2. Tối ưu hóa liều lượng bức xạ trong quá trình chụp CT

Giảm thiểu liều lượng bức xạ trong quá trình chụp CT là một ưu tiên hàng đầu. Các nghiên cứu tập trung vào việc phát triển các kỹ thuật chụp ảnh với liều lượng thấp, đồng thời duy trì chất lượng hình ảnh chấp nhận được. Các phương pháp tính toán hiệu năng máy CT và đánh giá chất lượng ảnh CT đóng vai trò quan trọng trong việc tối ưu hóa liều lượng bức xạ.

2.3. Xử lý dữ liệu không đầy đủ và sparse view CT

Trong thực tế, dữ liệu thu thập được từ máy quét CT có thể không đầy đủ do nhiều nguyên nhân khác nhau. Các thuật toán tái tạo ảnh cần phải có khả năng xử lý dữ liệu không đầy đủ và tạo ra hình ảnh chất lượng cao. Các kỹ thuật giải thuật tái tạo ảnh và thuật toán tái tạo ảnh đặc biệt quan trọng trong trường hợp sparse-view CT, khi số lượng góc chiếu bị hạn chế.

III. Phương Pháp Biến Đổi Radon và Ứng Dụng Trong CT

Phép biến đổi Radon là một công cụ toán học quan trọng trong việc tái tạo ảnh từ dữ liệu chiếu. Nó được sử dụng rộng rãi trong xây dựng thuật toán cho máy cắt lớp X-quang. Các nghiên cứu tập trung vào việc cải tiến các thuật toán dựa trên phép biến đổi Radon để tăng tốc độ tái tạo ảnh và cải thiện chất lượng hình ảnh. Tài liệu gốc nhấn mạnh nghiên cứu về phép biến đổi Radon và các phép biến đổi quan trọng, trên cơ sở đó xây dựng các thuật toán ảnh chính xác cao. Các biến thể của phép biến đổi Radon, như phép biến đổi Radon ngược và phép biến đổi Radon chuỗi Fourier, cũng được nghiên cứu.

3.1. Phép biến đổi Radon ngược và các thuật toán liên quan

Phép biến đổi Radon ngược là một phần không thể thiếu trong quá trình tái tạo ảnh từ dữ liệu chiếu. Các thuật toán tái tạo ảnh dựa trên phép biến đổi Radon ngược được sử dụng để tạo ra hình ảnh cắt lớp từ dữ liệu thu thập được. Các nghiên cứu tập trung vào việc cải tiến các thuật toán này để tăng tốc độ tái tạo và cải thiện chất lượng hình ảnh. Theo tài liệu gốc, bài toán phục hồi đữ chiếu (dữ liệu chiếu) xác định hàm ƒ từ các dữ chiếu Rƒ(p,θ) ∈ R, θ ∈ S¹ (xe R²) cho phép biến đổi Radon R.

3.2. Phép biến đổi Radon chuỗi Fourier và ứng dụng trong tái tạo ảnh

Phép biến đổi Radon chuỗi Fourier là một phương pháp khác để tái tạo ảnh từ dữ liệu chiếu. Nó sử dụng các khai triển chuỗi Fourier để biểu diễn phép biến đổi Radon, giúp đơn giản hóa quá trình tái tạo ảnh. Các nghiên cứu tập trung vào việc phát triển các thuật toán hiệu quả dựa trên phép biến đổi Radon chuỗi Fourier. Tài liệu gốc có đề cập đến việc xét các khai triển cửa của biến Radon Rƒ theo chuỗi Fourier.

3.3. Các phương pháp tính tích phân Cauchy Hadamard trong CT

Các phương pháp tính tích phân Cauchy Hadamard được sử dụng để xử lý các điểm kỳ dị trong quá trình tái tạo ảnh. Các thuật toán này giúp cải thiện chất lượng hình ảnh và giảm thiểu artifact. Theo tài liệu gốc, cần xem xét một phân hoạch của đoạn, đồng thời nhấn mạnh rằng phân hoạch không nhất thiết phải đều. Công thức tính tích phân và đạo hàm cũng được đề cập.

IV. AI và Deep Learning Bước Tiến Mới Trong Xây Dựng Ảnh CT

Ứng dụng AI trong y học, đặc biệt là deep learning trong CT, đang mở ra những hướng đi mới trong xây dựng ảnh. Các mô hình deep learning có khả năng học các đặc trưng phức tạp từ dữ liệu ảnh, giúp cải thiện chất lượng ảnh, giảm nhiễu và tự động hóa quá trình phân tích ảnh. Các nghiên cứu tập trung vào việc phát triển các mô hình deep learning để tái tạo ảnh từ dữ liệu sparse-view, giảm liều lượng bức xạ và phát hiện các bệnh lý. Việc tích hợp AI trong chẩn đoán hình ảnh hứa hẹn sẽ cải thiện hiệu quả và độ chính xác của chẩn đoán.

4.1. Tái tạo ảnh CT từ dữ liệu sparse view bằng deep learning

Deep learning có thể giúp tái tạo ảnh CT chất lượng cao từ dữ liệu sparse-view, giảm liều lượng bức xạ cho bệnh nhân. Các mô hình học sâu có khả năng lấp đầy các thông tin bị thiếu trong dữ liệu sparse-view, tạo ra hình ảnh có độ phân giải cao. Các nghiên cứu tập trung vào việc phát triển các kiến trúc mạng nơ-ron phù hợp cho bài toán này.

4.2. Phát hiện và phân loại bệnh lý tự động bằng AI trong ảnh CT

AI có thể được sử dụng để phát hiện và phân loại bệnh lý tự động trong ảnh CT. Các mô hình deep learning có khả năng nhận diện các dấu hiệu bất thường trong ảnh, giúp bác sĩ chẩn đoán bệnh nhanh chóng và chính xác hơn. Các ứng dụng bao gồm phát hiện ung thư phổi, bệnh tim mạch và các bệnh lý khác.

4.3. Cải thiện chất lượng ảnh CT bằng mạng nơ ron tích chập CNNs

Mạng nơ-ron tích chập (CNNs) là một công cụ mạnh mẽ để cải thiện chất lượng ảnh CT. Các mô hình CNNs có khả năng loại bỏ nhiễu, giảm artifact và tăng độ phân giải của ảnh CT. Các nghiên cứu tập trung vào việc phát triển các kiến trúc CNNs phù hợp cho từng loại ứng dụng cụ thể.

V. Ứng Dụng Thực Tế và Kết Quả Nghiên Cứu Máy Cắt Lớp X Quang

Các thuật toán xây dựng ảnh cho máy cắt lớp X-quang được ứng dụng rộng rãi trong y học và công nghiệp. Trong y học, chúng được sử dụng để chẩn đoán và theo dõi nhiều loại bệnh lý khác nhau. Trong công nghiệp, chúng được sử dụng để kiểm tra chất lượng sản phẩm và phát hiện các khuyết tật. Theo tài liệu gốc, ở các nước công nghiệp, hệ thống xử lý ảnh lớp mục là đối tượng nghiên cứu của nhiều phòng nghiệm cho các ứng dụng trong y-khoa và trong kiểm không phá hủy sản phẩm công nghiệp. Các nghiên cứu về ứng dụng lâm sàng CT và phân tích hình ảnh y tế đóng vai trò quan trọng trong việc nâng cao hiệu quả và độ chính xác của chẩn đoán.

5.1. Ứng dụng trong chẩn đoán bệnh tim mạch và ung thư

Máy cắt lớp X-quang được sử dụng để chẩn đoán và theo dõi các bệnh tim mạch, như xơ vữa động mạch và bệnh van tim. Nó cũng được sử dụng để phát hiện và đánh giá ung thư, giúp bác sĩ lên kế hoạch điều trị phù hợp. Ứng dụng trong y học đa dạng, cho thấy tầm quan trọng của việc phát triển thuật toán.

5.2. Ứng dụng trong kiểm tra chất lượng sản phẩm công nghiệp

Trong công nghiệp, máy cắt lớp X-quang được sử dụng để kiểm tra chất lượng sản phẩm và phát hiện các khuyết tật, như nứt, rỗ và vật liệu lạ. Nó giúp đảm bảo chất lượng sản phẩm và giảm thiểu rủi ro trong quá trình sản xuất. Ví dụ, có thể dùng để kiểm tra các khớp nối kim loại.

5.3. Kết quả mô phỏng và thử nghiệm trên dữ liệu thực tế

Các thuật toán xây dựng ảnh cho máy cắt lớp X-quang cần được thử nghiệm trên dữ liệu thực tế để đánh giá hiệu quả và độ tin cậy. Các kết quả mô phỏng và thử nghiệm giúp xác định các điểm mạnh và điểm yếu của thuật toán, từ đó cải tiến và tối ưu hóa. Theo tài liệu gốc, đối tượng được chụp X-quang nhiều góc chụp khác nhau, các ảnh X-quang này sau đó được chuyển vào máy cấu của tượng được khảo các mặt. Ta thấy, ảnh phụ thuộc chặt chẽ vào góc quay.

VI. Kết Luận và Hướng Phát Triển Tương Lai Máy Cắt Lớp X Quang

Nghiên cứu và phát triển thuật toán xây dựng ảnh cho máy cắt lớp X-quang là một lĩnh vực đầy tiềm năng, với nhiều cơ hội để cải thiện chất lượng chẩn đoán và điều trị bệnh. Các hướng phát triển tương lai bao gồm giảm thiểu liều lượng bức xạ, tăng độ phân giải ảnh, tích hợp AI và phát triển các thuật toán tái tạo ảnh hiệu quả hơn. Cần chú trọng đến việc xây dựng phát triển hệ thống CT và hệ thống phần mềm nhúng CT để đáp ứng nhu cầu ngày càng cao của y học và công nghiệp.

6.1. Tích hợp các công nghệ mới vào máy cắt lớp X quang

Việc tích hợp các công nghệ mới, như AI, deep learning và các cảm biến tiên tiến, sẽ giúp nâng cao hiệu quả và độ chính xác của máy cắt lớp X-quang. Các công nghệ này có thể được sử dụng để giảm nhiễu, tăng độ phân giải và tự động hóa quá trình phân tích ảnh.

6.2. Phát triển các hệ thống máy cắt lớp X quang di động và giá rẻ

Việc phát triển các hệ thống máy cắt lớp X-quang di động và giá rẻ sẽ giúp mở rộng khả năng tiếp cận dịch vụ chẩn đoán hình ảnh cho các vùng sâu vùng xa và các nước đang phát triển. Các hệ thống này cần phải đảm bảo chất lượng hình ảnh và độ tin cậy, đồng thời có giá thành hợp lý.

6.3. Nghiên cứu về giao diện người dùng và trải nghiệm người dùng

Việc nghiên cứu về giao diện người dùng máy cắt lớp (GUI) và trải nghiệm người dùng đóng vai trò quan trọng trong việc giúp bác sĩ và kỹ thuật viên sử dụng máy cắt lớp X-quang một cách dễ dàng và hiệu quả. Cần chú trọng đến việc thiết kế GUI thân thiện, trực quan và dễ sử dụng.

Nội dung chính

Tổng quan nghiên cứu

Trong bối cảnh công nghệ chẩn đoán hình ảnh và kiểm tra không phá hủy đầu thập niên 2000, chi phí nhập khẩu các hệ thống máy chụp cắt lớp vi tính (CT) tại Việt Nam lên tới hàng triệu USD, trong khi phần mềm xử lý dữ liệu chiếu hoàn toàn bị độc quyền bởi các tập đoàn y tế quốc tế. Nhằm giải quyết bài toán tự chủ công nghệ và tối ưu hóa chi phí đầu tư thiết bị, đề tài nghiên cứu được triển khai tại Trường Đại học Khoa học Tự nhiên thuộc Đại học Quốc gia Thành phố Hồ Chí Minh phối hợp cùng Sở Khoa học Công nghệ và Môi trường Thành phố Hồ Chí Minh vào năm 2002. Mục tiêu trọng tâm của nghiên cứu là xây dựng hệ thống thuật toán tái tạo ảnh cắt lớp 2 chiều và 3 chiều với độ chính xác cao từ tập dữ liệu chiếu hạn chế, đồng thời phát triển mô hình máy cắt lớp ảo hoàn chỉnh phục vụ nghiên cứu và ứng dụng thực tiễn. Phạm vi nghiên cứu hướng đến 2 lĩnh vực then chốt: y khoa và kiểm định công trình công nghiệp. Việc làm chủ thuật toán tái tạo hình ảnh từ tích phân đường giúp giảm thiểu ước tính khoảng 60% chi phí bản quyền phần mềm nhập ngoại, đồng thời hỗ trợ xử lý ma trận dữ liệu từ 100x100 điểm ảnh đến 320x320 khối thể tích cơ sở. Kết quả nghiên cứu không chỉ mang lại giá trị học thuật xuất sắc trong lĩnh vực toán ứng dụng và xử lý ảnh số mà còn đóng góp trực tiếp vào mục tiêu hiện đại hóa trang thiết bị kỹ thuật trong nước.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên sự kết hợp chặt chẽ giữa 3 lý thuyết toán học giải tích và vật lý hạt nhân:

Thứ nhất, lý thuyết biến đổi Radon và biến đổi Radon ngược đóng vai trò nền tảng để chuyển đổi các tích phân đường của chùm tia qua vật thể thành hàm phân bố mật độ thực. Biến đổi Radon 3 chiều được phân rã thành hai phép biến đổi 2 chiều nối tiếp nhau, cho phép xác định hàm tỷ trọng thông qua các phương trình tích phân kỳ dị Cauchy và phần hữu hạn Hadamard.

Thứ hai, lý thuyết chuỗi Fourier và bài toán vành ngoài giải quyết bài toán tái lập cấu trúc khi dữ liệu chiếu bị khuyết ở vùng biên, sử dụng kỹ thuật xấp xỉ spline bậc 5 và nội suy Hermite để khôi phục chính xác các hệ số Fourier bậc cao.

Thứ ba, định luật suy giảm bức xạ photon mô tả các tương tác vật lý chủ đạo của tia X và tia Gamma khi đi qua vật chất: hiệu ứng quang điện chiếm tỷ lệ khoảng 80% đối với electron tầng K ở mức năng lượng thấp, hiệu ứng tán xạ Compton chiếm ưu thế ở dải năng lượng từ 0,5 MeV đến 1,0 MeV, và hiệu ứng tạo cặp xuất hiện khi năng lượng vượt ngưỡng 1,02 MeV.

Các khái niệm nòng cốt gồm có: Voxel (phần tử thể tích lập phương), Pixel (điểm ảnh 2 chiều biểu diễn độ xám), số CT (chỉ số tỷ lệ với hệ số hấp thu tuyến tính tương đối) và thuật toán chiếu ngược có lọc.

Phương pháp nghiên cứu

Nghiên cứu kết hợp phương pháp mô phỏng máy tính số trị và thực nghiệm vật lý trên ảnh X-quang thực tế:

Nguồn dữ liệu và cỡ mẫu: Mô hình máy ảo thiết lập cỡ mẫu phát xạ 5.000 photon trên mỗi tia quét độc lập, thực hiện trên không gian lưới 100x100 điểm ảnh và ma trận 320x320 khối thể tích. Dữ liệu thực nghiệm được thu thập từ các phim chụp X-quang đối tượng lon bia thực tế tại Khoa Chẩn đoán Hình ảnh thuộc Bệnh viện Y học Dân tộc Thành phố Hồ Chí Minh.

Phương pháp chọn mẫu: Áp dụng phương pháp chọn mẫu góc chiếu hệ thống với bước quét đều 18 độ trên cung 180 độ (tương ứng 10 góc chiếu từ 0 độ đến 162 độ), sau đó mở rộng mẫu quét lên 100 góc chiếu để đánh giá mức độ hội tụ và giảm thiểu nhiễu ảnh.

Phương pháp phân tích và lý do lựa chọn: Sử dụng phương pháp giải tích kết hợp tích phân số hình thang và xấp xỉ đa thức Hermite từ bậc 3 đến bậc 6 trên các phân hoạch bước nhảy h = 0,5 và h = 0,01. Lý do lựa chọn là khả năng triệt tiêu điểm kỳ dị bậc hai của tích phân Hadamard, bảo đảm tính ổn định số học khi số lượng tia chiếu bị giới hạn. Toàn bộ quy trình nghiên cứu, xây dựng mã nguồn và thử nghiệm được hoàn thành trong khung thời gian 12 tháng.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Thứ nhất, thuật toán tính tích phân kỳ dị Hadamard với bước phân hoạch h = 0,01 đạt độ chính xác tương đương với nghiệm giải tích, giải quyết triệt để sự phân kỳ vô hạn tại các điểm suy biến trên đường thẳng quét tia.

Thứ hai, khi nâng số lượng góc chiếu từ 10 góc lên 100 góc trên cùng ma trận 100x100 điểm ảnh, độ sắc nét của biên đối tượng tăng lên rõ rệt và tỷ lệ nhiễu muối tiêu giảm hơn 75%, giúp khôi phục chi tiết các cấu trúc ống rỗng bên trong khối lập phương đặc.

Thứ ba, hệ thống máy ảo phát xạ 5.000 photon đã mô phỏng thành công quá trình suy giảm cường độ bức xạ theo hàm số mũ, chuyển đổi chính xác dữ liệu suy giảm thành bảng số CT 2 chiều tương ứng với từng góc quay.

Thứ tư, thử nghiệm tái tạo ảnh thực tế từ phim X-quang của lon bia cho thấy việc chụp gián tiếp qua máy ảnh số tạo ra các vân tròn đồng tâm do chênh lệch quang thông trung tâm, chỉ ra yêu cầu bắt buộc về độ chính xác cơ học của góc quay dưới 0,5 độ.

Thảo luận kết quả

Hiện tượng xuất hiện nhiễu dạng muối tiêu khi quét ở 10 góc chiếu bắt nguồn từ việc thiếu hụt thông tin tần số cao trong không gian Radon, dẫn đến sai số cắt cụt khi thực hiện phép chiếu ngược. So với phương pháp cắt lớp chùm tia song song truyền thống, thuật toán cắt lớp chùm tia hình quạt 2 chiều và hình nón 3 chiều giúp giảm khoảng 50% thời gian quét nhưng đòi hỏi phép biến đổi tọa độ phức tạp hơn nhằm đồng bộ hóa góc quạt và góc quay của nguồn phát.

Để hiển thị trực quan các kết quả phân tích, dữ liệu có thể được tổng hợp qua một biểu đồ đường biểu diễn sự suy giảm của sai số toàn phương trung bình theo số lượng góc quét từ 10 đến 100 góc. Bên cạnh đó, một bảng dữ liệu so sánh đa chiều đối chiếu giá trị số CT thực nghiệm với số CT lý thuyết của từng khối thể tích tại các mặt cắt trục z từ -R đến R sẽ làm nổi bật khả năng phân tách mật độ vật chất của thuật toán. Những kết quả này chứng minh tính khả thi của việc ứng dụng phần mềm vào kiểm tra chất lượng kết cấu bê tông cốt thép trong xây dựng và kiểm định khuyết tật cơ khí mà không cần phá hủy mẫu vật.

Đề xuất và khuyến nghị

Thứ nhất, nâng cấp module thu nhận tín hiệu trực tiếp từ đầu thu kỹ thuật số: Triệt tiêu 100% hiện tượng quang sai và viền tròn đồng tâm bằng cách tích hợp cổng giao tiếp chuẩn DICOM kết nối thẳng với các cảm biến phẳng hiện đại, thực hiện trong vòng 6 tháng do nhóm kỹ sư công nghệ thông tin y tế phụ trách.

Thứ hai, mở rộng thuật toán tái tạo thích nghi cho dữ liệu chiếu góc thưa: Phát triển các thuật toán lặp kết hợp xấp xỉ spline đa chiều nhằm duy trì độ chính xác tái tạo trên 90% khi chỉ sử dụng dưới 30 góc chiếu, hoàn thành trong lộ trình 12 tháng do các chuyên gia toán tin và xử lý ảnh thực hiện.

Thứ ba, thiết kế hệ thống bàn xoay cơ điện tự động chuẩn xác: Chế tạo cơ cấu quay mẫu vật chính xác với sai số góc quay dưới 0,1 độ kết hợp vỏ bọc chì bảo vệ dày 5 mm để ngăn chặn trên 99% bức xạ tán xạ ra môi trường xung quanh, hoàn thành trong 9 tháng bởi nhóm nghiên cứu cơ điện tử và vật lý hạt nhân.

Thứ tư, thương mại hóa bộ phần mềm máy ảo cắt lớp 3 chiều: Đóng gói chương trình thành công cụ kiểm định khuyết tật phục vụ ngành xây dựng công trình ngầm và kiểm tra mối hàn công nghiệp, đặt mục tiêu ứng dụng thực tế trong vòng 18 tháng dưới sự điều phối của cơ quan quản lý khoa học và công nghệ.

Đối tượng nên tham khảo luận văn

Nhóm kỹ sư phần mềm y tế và xử lý ảnh số: Tiếp cận thuật toán biến đổi Radon ngược và kỹ thuật xử lý tích phân kỳ dị để lập trình các phần mềm tái tạo ảnh cho máy CT nha khoa và máy chụp X-quang số hóa.

Nhóm chuyên gia kiểm định chất lượng công trình và vật liệu: Khai thác mô hình máy cắt lớp 3 chiều để phát hiện các vết nứt ngầm, rỗ khí và độ rỗng bên trong kết cấu bê tông cốt thép hoặc cấu kiện cơ khí đúc.

Nhóm nghiên cứu toán giải tích và giải tích số: Vận dụng phương pháp giải bài toán vành ngoài, khai triển chuỗi Fourier và phép nội suy Hermite bậc cao để giải các bài toán ngược trong vật lý toán.

Nhóm bác sĩ chẩn đoán hình ảnh và kỹ sư vật lý y khoa: Nắm bắt sâu sắc cơ chế suy giảm photon và quy luật phân bố số CT để tối ưu hóa liều lượng bức xạ phát ra, giảm thiểu tác hại phóng xạ cho bệnh nhân.

Câu hỏi thường gặp

Thuật toán giải quyết bài toán thiếu dữ liệu góc chiếu như thế nào?

Nghiên cứu ứng dụng thuật toán phục hồi vành ngoài kết hợp chuỗi Fourier và phép xấp xỉ spline bậc 5 với nội suy Hermite bậc 3 đến bậc 6. Phương pháp này giúp nội suy chính xác hàm tỷ trọng từ vùng dữ liệu biên mà không làm bùng nổ sai số, ngay cả khi số lượng góc chiếu giảm từ 100 xuống 10 góc.

Tại sao mức phát xạ lại chọn 5.000 photon trong mô hình máy ảo?

Mức 5.000 photon được xác lập nhằm bảo đảm tính hội tụ thống kê của phân phối nhị thức về phân phối Poisson thực tế. Số lượng này đủ lớn để mô phỏng chính xác hệ số hấp thu tuyến tính theo định luật suy giảm hàm mũ mà vẫn duy trì tốc độ xử lý nhanh của máy tính.

Vai trò của tích phân kỳ dị Cauchy-Hadamard trong tái tạo ảnh CT là gì?

Trong không gian 2 chiều, công thức biến đổi Radon ngược chứa đạo hàm của dữ liệu chiếu có mẫu số tiến về 0 tại điểm khảo sát. Việc sử dụng tích phân phần hữu hạn Hadamard giúp tính toán giá trị chính xác của điểm kỳ dị mà không gây ra hiện tượng phân kỳ vô hạn của điểm ảnh.

Sự khác biệt cơ bản giữa cắt lớp chùm tia song song và hình quạt là gì?

Cắt lớp chùm tia song song yêu cầu hệ thống cơ khí dịch chuyển tịnh tiến liên tục làm tăng thời gian chụp. Cắt lớp chùm tia hình quạt sử dụng nguồn phát điểm duy nhất quét trên một cung góc mở, giúp tiết kiệm hơn 50% thời gian đo nhưng đòi hỏi thuật toán biến đổi góc quét phức tạp hơn.

Nguyên nhân gây ra hiện tượng vòng tròn đồng tâm trên ảnh thực nghiệm là gì?

Hiện tượng này phát sinh do việc chụp lại phim X-quang thông qua máy ảnh số trung gian, gây chênh lệch quang thông từ ánh sáng môi trường và sai số định vị góc quay thủ công. Khi sai số góc vượt quá 0,5 độ, thuật toán chiếu ngược sẽ tạo ra các đường vân giao thoa đối xứng tròn.

Kết luận

• Luận văn đã xây dựng thành công cơ sở toán học vững chắc cho phép biến đổi Radon 2 chiều và 3 chiều kết hợp xử lý triệt để các tích phân kỳ dị Cauchy-Hadamard.
• Phát triển hoàn chỉnh mô hình máy ảo cắt lớp X-quang mô phỏng phát xạ 5.000 photon trên ma trận 320x320 khối thể tích cơ sở.
• Chứng minh tính khả thi của thuật toán tái tạo cấu trúc không gian 3 chiều từ tập dữ liệu chiếu hạn chế từ 10 đến 100 góc quay.
• Làm sáng tỏ quy luật tương tác vật lý của bức xạ Gamma và cơ chế phân bố chỉ số CT trong kiểm tra không phá hủy vật liệu.
• Mở ra hướng nghiên cứu tự chủ phần mềm xử lý hình ảnh cắt lớp tại Việt Nam, giảm thiểu sự phụ thuộc vào công nghệ độc quyền nước ngoài.

Nghiên cứu đã khẳng định năng lực phát triển các giải pháp phần mềm chẩn đoán kỹ thuật cao từ nguồn lực nội địa. Trong giai đoạn 3 năm tiếp theo, hướng đi tất yếu là tích hợp phần mềm với các thiết bị chụp X-quang số hóa hiện đại để đưa công nghệ vào ứng dụng rộng rãi tại các bệnh viện và viện kiểm định công trình. Các viện nghiên cứu, trường đại học và doanh nghiệp công nghệ cần đẩy mạnh hợp tác chuyển giao để sớm hoàn thiện các bộ sản phẩm máy cắt lớp thương mại mang thương hiệu Việt Nam.

Trích đoạn nội dung tài liệu

Chương 1 Bước Đầu Xây Dựng Một Máy Ảo Cắt Lớp X-Quang Ba Chiểu Trong Kỹ Nghệ 1. Sơ lược về phép biến đổi Radon ị Cho một hàm liên tục có giá bị chặn ƒ: R” -aR. Với mỗi đường thẳng L =ip,Ø8, tp eR, Ø e [0,z[, trong mặt phẳng RẺ xác định bởi hệ thức: (1.1) xcos(Q) + x sin(Q) = p, xy eR, phép biến đổi Radon R((p, 6) tai diém (p, 8), tp e R, Ø e [0,xƒ, là tích phân đường: (2) RỢXø,0)= jZœ»# = ñL/0ss) —qsin(@), psin(@) + q cos(Ø))dg RỢŒIp. 8 © [0,af, cing goi ia di liệu chiếu của hàm ƒ.

Trong đó, x, y được xác định bởi p, 4, và ngược lại, bởi hệ thức: (3) x= pcost8-asin(8), y = psin( 6)+qcos( 8), p= xcos(81+ysin(6),4 = -xsin(6)+ycos(6) Hệ thức (1.2) tương đương với: 4) RỢXø.8)= fat (x, y)5(x cos(@) ~ sin) — p)dedy ở đây, 514 ham delta Dirac. Tương tự, dùng hệ qui chiếu hình cầu, ta định nghĩa phép biến đổi Radon R;(/) của moubam f: R? > R: 5) RNep.w= k FY, DOR sin(BYcos(p) + ysin(8)sin(g) + 2 cos(®) ~ p))dxebyde = [7080 are = (sin( O)cos( g),sin( O)sin( p),cos( O), r = (x,y,2), pr = xsin( Ojcos( p) + ysin( Osin(g) +2c03(8)), p € [0,22], 6 € [0,n], R;(fp. Tương tự, ta định nghĩa phép biến đổi Radon R,(f) cba mot ham f: R" > R: (6) RH = f SOR= Hy Tadd,§ 6 day, wz, 14 vecto định hướng đơn vị của Ẩ”, và p cÑ. Một phương pháp tính biến đổi radon cửa một ảnh số hóa Mỗi ảnh số hóa có thể được xem như một hình chữ nhật của mặt phẳng R, có cạnh song song với hai trục tọa độ, gồm có VxM hình vuông giống nhau, mỗi hình vuông mang một số thực, số thực này là độ xám tương ứng với hình vuông trong ảnh số hóa.

Để tính biến đổi Radon của một ảnh số hóa, do tính tuyến tính của phép biến đổi Radon, ta chỉ cần tính biến đổi Radon của hàm đặc trưng của một hình vuông. Vì tính chất trượt của phép biến đổi Radon: (2.1) (Rfxta)Xp,) = (M\p+ur, H), = (cos(8),sin(6)), vp e R, 0 ¢ [0,xf, ta chỉ cần tính biến đổi radon ă của hàm đặc trưng ƒ cửa hình vuông Ð, tâm O, canh h > 0. Với 0 < 8 <4, 0= (cos(8)-sin[8))M2, t; = (cos()+sin())V2, ta có: N (Rp. Và ta Có: (Rƒl(p, 8) = (RJl(p, 22 - 6), Yp eR, 6 €]z4, 2]: (24) (R0(p, 6 = (RJ(p,0~2), Vỹ eR, 6 e J2, 3⁄4], (Rp, 0 = (Rip, x- 6), vp <Ñ, 0 <]34, zj.4) cho ta biến đổi radon của bất cứ hình vuông cạnh ñ nào, Ghi chú là 8/ không phụ thuộc vào trị số của ƒ trên các cạnh của hình vuông D.

ƒ bằng phép biến đổi Radon ngược, bên Và khi tái lập hàm đặc trưng trong hình vuông Ð có trị là 1 ; bên ngoài hình vuông Ð có tị là 0 ; ở mỗi góc của hình vuồng, ta có trị là 1⁄4 ; và ở mỗi điểm nằm trên cạnh hình vuông khong trùng một góc hình vuông, ta có trị là 14. Áp dụng Một áp dụng là so sánh hai ảnh số hóa, khẳng định sự giống nhau của chúng, hoặc ảnh này là một phẳn của ảnh kia, bằng cách so sánh biến đổi Radon của hai ảnh. Vấn để này rất có ích trong việc nhận diện và truy tìm ảnh, chẳng hạn, khách hàng trong một cơ sở thương mại, nhận diện ảnh thí sinh trong các kỳ thi, nhận diện và truy tìm trong kiểm soát chống gian lận, giả mạo, phạm pháp trong một cơ sở dữ liệu ảnh. Một phương pháp tính biến đổi Radon 3-chiều từ các tích phân đường f: R’ ~—z R, theo hệ thức (1.5), ta có Cho một hàm liên tục có giá bị chan biến đổi Radon 3-chiều R;(/} củaƒ: 3.9 = In’ fsy, dL lacosl g)+ ysin{ p))sin( @)+2cos( 8-p]dxdyde = |p’ flxy.2d& xcost g)+ysin( g) - 4)+ Aqcos( g)ysin( p)-p)dgdxdydz = le tle’ fixy.z)Axcos( g}+ysin{ g)-qjdudy] Xqsin( 8)+zc0s( 0)-pjdgde Trong hệ thức (3.1), tích phân Í¿Ÿƒ[x,y,z)ð(xeos( g)+ysir(p)-q)dxdy chính là biến đổi radon 2-chiều của hàm (x,y) e Rˆ -› Jfx,y.2) tại điểm (4, ø), với z € R cố định.

Và ta viết như sau: (3. ;z) được gọi là biến đổi Radon từng phẩn của hàm #fx,y,z). Hai hệ thức (3. với p,ø,Øcố định.

Như vậy biến đổi Radon 3-chiều của hàm ƒíx,y,⁄J có thể được thực hiện bằng hai phép biến đổi Radon 2-chiéu. ƒ là hàm đặc trưng của quả cầu đơn vị V= Áx»2)€ RỦ; xty tổ <1}, Với mọi : e j-7.!J cố định, hàm (x3) eR’ —>fx,y,z) là hàm đặc trưng của đĩa đơn vị /(xg)e RẺ say? <(1-2ƒ! 2. Vậy tà có: (RA pgs Leg), vl 0-2); (RUN p. Và tạ có R(Ip.

Đó là diện tích của mặt cắt của hình cầu V bởi mặt phẳng ƒ (x,y,⁄)€ Ý ; z =pj-l<p<l. ƒ†à hàm đặt trưng của một khối lập phương trong không gian RÌ, có cạnh song song với ba trục tọa độ, có Am O, và cạnh bằng h >0. Với mỗi lì <⁄2, ham (xy) e RẺ — ffx,yx) là hàm đặc trưng của một hình vuông tâm O, cạnh È trong #”. Và các hệ thức (2.4} cho ta biến đổi Radon từng phần (Rzƒ(( p,p; 4) của hàm ƒ, và ta có: (RAM pg (RPM p.9; 0), Vizl She; (Rofl Bp O, Vizl > h/2 Va hệ thức (3.3) cho ta biến đổi Radon 3-chiéu cda hamft (3.

Giả sử: 0< @<74;t = (cos(@) -sin(@))N/2 ; t; = (cos(ø) + sin(@))V2, theo hệ thức (2. Theo các hệ thức (2.4), hàm s e # - RgW cos(Ø)+s sin(6),ø;0) là một hàm đơn thức bậc một từng mảnh, có giá bị chặn, nên có nguyên hàm là một đa thức bậc hai từng mảnh, có giá bị chặn, và ta có thể nh tích phân [BNC 1 cos( Os sin(8), :0}ds một cách giải tích. Mặt khác, ta có thể tính tích phân hữu hạn này bằng phép tính tích phân hình thang. Dùng tính chất trượt (2.1), ta có biến đổi Radon 3- chiều của bất cứ hàm tỷ trọng có dạng một tổ hợp tuyến tính của các hàm đặc trưng của những khối lập phương có cạnh h.

Ghi chú là để tính những tích phân đường (R;ƒJ( p,ø; 2), ta chỉ dùng những tía X song song với mặt phẳng Oxy mà thôi, đây là một thuận lợi khá quan trọng. Ta có thể gọi các dữ liệu (z/J( p,0; z) của biển đổi radon từng phẩn là những dữ liệu từng phản. Vấn để này rất quan trọng, trong việc phục hồi hàm tỷ trọng từ các tích phân đường, trong các máy cất lớp X-quang 3-chiểu, vì X-quang chỉ cung cấp tích phân đường chứ không cung cấp dữ liệu chiếu. Với z e Ñ cố định, X-quang cho ta những tích phân đường (R;/J( p,ø; ¿) theo hệ thức (3.

Và từ đó, ta tính biến đổi Radon 3-chiểu #;(//(p,ø,8) cña hàm tỷ trọng ƒ theo hệ thức (3.3) Cuối cùng, ta dùng hệ thức (4.6), xem phẩn sau, để phục hổi hàm tỷ trọng. Phục hồi từ dữ liệu chiếu bằng phép biến đổi Radon ngược Bài toán phục hồi từ đữ liệu chiếu là xác định hàm ƒ: R” -› từ các dữ liệu chiếu: RAP. ba) VP ER, fy ES = (xe RY; Wl = 11, cho bởi phép biến đổi Radon (1. Had = Ue? fled Ñp - Ha tale.

Đùng lý thuyết phép biến đổi Fourier, trong wang hop n >2 là một số chẵn, ta có: - Jace (42) 42 /ứ) -- a dp Hate Nếu ñ = 2, ta có: Lee (Zhen FO LO) = Fh Oh xeavố) xi) , ( Spare 8) (43) Tom of. xe8)+yin(8)-p? L pe fae FA 2) ( —|R ở ỨX,9),Ø) =— aah C xeos()+ ysin(6)~ p Ngoài ra, vì Rf(p.0+ 2) = Rfl-p, 6), ta có: 10 (Sheeran = {Ệ} t9. Trong trường hợp n > 3 là một số lễ, ta có: (45) /0)= Ui toed, Nếu n= 3, ta có: 1x | “6 70)5/02)= tk cof < : }w 3X⁄,?„.6) là các công thức phục hổi của phép biến đổi Radon ngược. Ghi chú là trong các hệ thức (4.3), các tích phân lệ za PoP) (2 here.

be aa? #,12—P Ce ° “s xeos(0) + ysn()~ p là những tích phân kỳ dị của Cauchy, Xem phần 8 sẽ rõ. Phép biến đổi Radon và chuỗi Fourier Cho một hàm liên tục ƒ: RŸ +R có giá nằm trong đĩa đơn vị Ð = {z c€C ; Izll<f}. Xét các khai triểm cửa ƒ và của biến đổi Radon Rf theo chuỗi Eourier: i (5.1) flay) = ffrcos(8), rsin( 8) = Zahir LAN x's (rcos(Ø),r sin(6))eˆ"°đổ, YneZ,0s7s1 (5. Vìÿ P = Rƒ là những hàm thực, ta có 63) 7„= Sứ) P,()=,0, VneZ,0<r«] Để phục hồi các hệ số Fourier /.

Ghỉ chú là các bệ số P„(z) thỏa các điểu kiện tương hợp sau (xem Deans [2] trang 158, Chapman-Cary [1] trang 30): (5.@dr=0, vez Losksn-l. Va hé tic (5.6 frou, Oar=o, vnz0. 7 Vi vay, hai hé thife (5.6) cho: 12 (57) Z,0)= POT —r`Y"*ä, Vô <r <L,n >0, x Ghi chứ rằng, nến các hé so P,(t) duge tinh toda tY nhing dit liéu duc nghiệm, bê thức (5.5) không thỏa, và hệ thức (5.7) sé sai lac. Vi vay chỉ nên dùng hệ thức (5.

Một phương pháp giải bài toán phục hổi vành ngoài Xét hệ thức (5.4), bài toán phục hổi vành ngoài là tính các trị số #(r), r œ[R,1J, từ các trị 36 P(t), ¢ © {RA}, ở đây, n >0, 0 < R <'1 là những số cố định. Ghi chứ là các trị số Pa(t), + e [R,1] được tinh toán tử các dữ liệu vành ngoai (RAL). Xét phân hoạch sau của đoạn thẳng ƒR,l} : t,= 1 ~ ¿k, h= (-R)/N, 0 Si <N Dùng xấp xỉ spline bậc 5, xem Prenter [7], ta có các trị số P,'(ty), Pa"(t, 0<i<N. Dùng nội suy Hermite, xem Prenter [7] trang 67, ta có một hàm đa thức từng mảnh ÖŸ: (R,!J ->Ñ, xấp xỉ với hàm P„' trên đoạn (R,1J, sao cho HR mot đa thức bậc 3 trên mỗi đoạn /t„1J, Ì <ỉ <Ñ, và: (6.(07) Như vậy, trên mỗi đoạn //,„,!,j, 1 SiSN, bamt € (t., một đa thức bậc n+Š, và ta có thể tính các nguyên hàm bữu hạn sau đây một cách giải tích: 13 (6.3) PHOT INE Py 44,0 «r < >0; bằng các hệ thức sau: lít ~ r) “đt = log(t+(È ~ r?)2), (6.4) [ae Pye =P - Py", [eee — Fy ats pe? — Py?) J + ((m — DP Smif? - Fy", Vin 22.

Giả sửn là một số chấn, 2 = 2m + 2, m >2 ; trường hợp n là số lẻ cũng tưởng tự.5) Ugals) = amas) = cos? 4057 tems, 5 ER. Và ta có thể viết lại hệ thức (5.4) như sau: /A0)=-—-Í P0fe,01r)+e01922% +6 (tIrya z (66 -L[P0Jf„0/M#~?) zh tái Ch OM, ala gy [z0 na, s8, = 1 fea; (6.7) “ Muc đích của ta là xây dựng một hệ tuyến tính có z#+7 ẩn số: đg,4p,. Sau khi giải hệ tuyến tính này, ta được các trị số /;(rj, I <i SN, theo hệ thức (6. Trong trường hợp r = 1, ta có /;(1) = 0, và hệ thức (6.

14 Trong trường hợp r = ¡; Ì £¡ <me+1, hệ thức (6.