Nghiên Cứu Xử Lý Ảnh SPECT Tim Trong Hỗ Trợ Chẩn Đoán Bệnh Động Mạch Vành

Bệnh tim mạch, đặc biệt là bệnh động mạch vành, đang là nguyên nhân hàng đầu gây tử vong và tàn phế trên… 134 trang · Trường Đại Học Bách Khoa Hà Nội · 2021.

• Tác giả: Nguyễn Thành Trung
• Người hướng dẫn: TS. Nguyễn Thái Hà
• Trường học: Trường Đại Học Bách Khoa Hà Nội
• Chuyên ngành: Kỹ thuật Điện tử
• Đề tài: Nghiên Cứu Xử Lý Ảnh SPECT Tim Hỗ Trợ Chẩn Đoán Bệnh Động Mạch Vành
• Loại tài liệu: Luận Án Tiến Sĩ
• Năm xuất bản: 2021
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: TỔNG QUAN VỀ PHƯƠNG PHÁP XẠ HÌNH TƯỚI MÁU CƠ TIM BẰNG MÁY SPECT VÀ KỸ THUẬT HỌC SÂU
• 1.1. Bệnh lý động mạch vành
• 1.2. Giải phẫu tim và bệnh lý mạch vành
• 1.3. Các phương pháp chẩn đoán bệnh mạch vành
• 1.4. Xạ hình tưới máu cơ tim bằng máy SPECT
• 1.5. Nguyên lý của phương pháp chụp xạ hình tưới máu cơ tim
• 1.6. Giá trị của phương pháp xạ hình tưới máu cơ tim bằng máy SPECT
• 1.7. Các yếu tố ảnh hưởng tới độ chính xác kết quả chẩn đoán
• 1.8. Giải pháp xử lý ảnh SPECT tim trong hỗ trợ chẩn đoán bệnh động mạch vành
• 1.8.1. Tình hình nghiên cứu các giải pháp trong nước
• 1.8.2. Tình hình nghiên cứu các giải pháp ngoài nước
• 1.8.3. Nhận xét, đánh giá các giải pháp đã khảo sát và đề xuất giải pháp của tác giả
• 1.9. Kỹ thuật học sâu
• 1.10. Kết luận chương 1
• 2. CHƯƠNG 2: XÂY DỰNG BỘ CƠ SỞ DỮ LIỆU SPECT TIM
• 2.1. Vấn đề nghiên cứu
• 2.2. Quy trình thu thập dữ liệu
• 2.2.1. Cơ sở y học hạt nhân tiến hành thu thập dữ liệu
• 2.2.2. Quy trình xạ hình tưới máu cơ tim
• 2.2.3. Quy trình thực hành theo từng vị trí
• 2.2.4. Quy trình thực hiện kỹ thuật xạ hình tưới máu cơ tim bằng máy SPECT
• 2.3. Tiêu chuẩn loại trừ mẫu
• 2.4. Quy trình xử lý, chuẩn hoá dữ liệu
• 2.4.1. Quy trình chuẩn hoá dữ liệu hình ảnh
• 2.4.2. Quy trình chuẩn hoá dữ liệu thông tin lâm sàng
• 2.4.3. Quy trình gắn nhãn dữ liệu
• 2.5. Xây dựng các tính năng bộ cơ sở dữ liệu
• 2.6. Phân bố dữ liệu, cỡ mẫu nghiên cứu
• 2.7. Nhận xét, đánh giá bộ cơ sở dữ liệu
• 2.8. Kết luận chương 2
• 3. CHƯƠNG 3: XÂY DỰNG BỘ LỌC NHIỄU SUY GIẢM SỬ DỤNG MẠNG DEEP LEARNING
• 3.1. Vấn đề nghiên cứu
• 3.2. Xây dựng mô hình lọc nhiễu suy giảm cho ảnh SPECT MPI
• 3.2.1. Các mô hình CAE, GAN, U-net
• 3.2.2. Dữ liệu thử nghiệm
• 3.3. Đề xuất mô hình 3D Convolutional Auto-Encoder (3D-CAE) trong hiệu chỉnh nhiễu suy giảm
• 3.3.1. Mô hình đề xuất
• 3.3.2. Thử nghiệm và kết quả
• 3.4. Đề xuất mô hình 3DUnet-GAN hiệu chỉnh nhiễu suy giảm
• 3.4.1. Mô hình đề xuất
• 3.4.2. Hàm mục tiêu
• 3.4.3. Thiết lập thử nghiệm
• 3.4.4. Kết quả thử nghiệm mô hình
• 3.4.5. Kết quả thực nghiệm
• 3.5. Kết luận chương 3
• 4. CHƯƠNG 4: PHÁT TRIỂN GIẢI PHÁP HỖ TRỢ CHẨN ĐOÁN BỆNH MẠCH VÀNH
• 4.1. Vấn đề nghiên cứu
• 4.2. Đề xuất giải pháp hỗ trợ chẩn đoán nâng cao chất lượng hình ảnh cho các máy SPECT thông thường
• 4.2.1. Thu thập dữ liệu thực nghiệm
• 4.2.2. Hiệu chỉnh suy giảm bằng mô hình 3D Unet GAN
• 4.2.3. Tập dữ liệu
• 4.2.4. Phương pháp thực nghiệm
• 4.2.5. Kết quả thực nghiệm
• 4.3. Đề xuất giải pháp hỗ trợ ra quyết định chẩn đoán
• 4.3.1. Cơ sở dữ liệu
• 4.3.2. Mô hình chẩn đoán
• 4.3.3. Thử nghiệm và kết quả
• 4.4. Kết luận chương 4
• KẾT LUẬN
• TÀI LIỆU THAM KHẢO
• DANH MỤC CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ
• DANH MỤC CÁC HÌNH VẼ
• DANH MỤC CÁC BẢNG BIỂU
• DANH MỤC CÁC TỪ VIẾT TẮT
• MỞ ĐẦU
• 0.1. Lý do chọn đề tài, mục đích nghiên cứu

Tóm tắt

I. Tổng Quan Nghiên Cứu Xử Lý Ảnh SPECT Tim Bệnh Mạch Vành

Bệnh tim mạch, đặc biệt là bệnh động mạch vành, đang là nguyên nhân hàng đầu gây tử vong và tàn phế trên toàn cầu. Tại Việt Nam, tình hình cũng không mấy khả quan khi số ca tử vong do bệnh tim mạch chiếm tỷ lệ đáng kể. Xạ hình tưới máu cơ tim (SPECT tim) là một phương pháp chẩn đoán không xâm lấn, có độ nhạy và độ đặc hiệu cao trong việc phát hiện bệnh thiếu máu cơ tim cục bộ. Tuy nhiên, kỹ thuật này đòi hỏi sự chuẩn xác ở nhiều khâu, từ chuẩn bị dược chất phóng xạ đến xử lý và đọc kết quả hình ảnh. Các yếu tố như nhiễu suy giảm và sai sót chủ quan của bác sĩ có thể ảnh hưởng lớn đến độ chính xác của chẩn đoán. Do đó, việc nghiên cứu và phát triển các giải pháp xử lý ảnh SPECT để cải thiện chất lượng hình ảnh và hỗ trợ chẩn đoán là vô cùng cần thiết.

1.1. Tầm quan trọng của SPECT tim trong chẩn đoán bệnh mạch vành

SPECT tim đóng vai trò quan trọng trong việc đánh giá tưới máu cơ tim và phát hiện các vùng cơ tim bị thiếu máu do bệnh động mạch vành. Phương pháp này giúp bác sĩ xác định mức độ tổn thương và đưa ra quyết định điều trị phù hợp. Theo thống kê tại Hoa Kỳ, mỗi năm có khoảng 7 triệu lượt bệnh nhân được chụp SPECT tim, cho thấy đây là một kỹ thuật được ứng dụng rộng rãi.

1.2. Các thách thức trong chẩn đoán bệnh mạch vành bằng SPECT tim

Mặc dù SPECT tim có nhiều ưu điểm, nhưng vẫn tồn tại một số thách thức. Nhiễu suy giảm do sự hấp thụ và tán xạ của tia photon trong cơ thể có thể làm giảm chất lượng hình ảnh. Ngoài ra, sai sót chủ quan của bác sĩ trong quá trình đọc kết quả cũng có thể dẫn đến chẩn đoán không chính xác. Các yếu tố này cần được giải quyết để nâng cao độ tin cậy của SPECT tim.

II. Giải Pháp Học Sâu Xử Lý Nhiễu Ảnh SPECT Tim Hiệu Quả

Để giải quyết vấn đề nhiễu suy giảm và hỗ trợ chẩn đoán, các giải thuật học sâu đang nổi lên như một giải pháp đầy tiềm năng. Tuy nhiên, để huấn luyện và đánh giá hiệu quả của các mô hình học sâu, cần có một tập dữ liệu lớn và đáng tin cậy. Các nghiên cứu hiện tại về trí tuệ nhân tạo trong tim mạch hạt nhân còn hạn chế về số lượng mẫu và nguồn gốc dữ liệu. Hơn nữa, nhiều tập dữ liệu sử dụng các biến chức năng và tham số định lượng, chưa tận dụng được khả năng trích xuất đặc trưng tự động từ hình ảnh của học sâu. Do đó, việc xây dựng một bộ cơ sở dữ liệu SPECT tim đặc trưng cho người Việt Nam là vô cùng quan trọng.

2.1. Tiềm năng của học sâu trong xử lý ảnh SPECT tim

Học sâu có khả năng tự động trích xuất các đặc trưng quan trọng từ hình ảnh SPECT tim, giúp cải thiện độ chính xác của chẩn đoán. Các mô hình mạng nơ-ron tích chập (CNN) có thể được sử dụng để lọc nhiễu, tăng cường độ tương phản và phân loại bệnh nhân có tổn thương hay không.

2.2. Xây dựng cơ sở dữ liệu SPECT tim đặc trưng cho người Việt

Việc xây dựng một cơ sở dữ liệu SPECT tim lớn và đáng tin cậy cho người Việt Nam là một thách thức lớn. Kỹ thuật xạ hình tưới máu cơ tim đòi hỏi trang thiết bị hiện đại và đội ngũ chuyên gia có kinh nghiệm. Tuy nhiên, việc có một cơ sở dữ liệu riêng sẽ giúp các nhà nghiên cứu phát triển các giải pháp xử lý ảnh SPECT phù hợp với đặc điểm của bệnh nhân Việt Nam.

2.3. Các bước xây dựng cơ sở dữ liệu SPECT tim chất lượng cao

Để xây dựng một cơ sở dữ liệu SPECT tim chất lượng cao, cần tuân thủ các quy trình nghiêm ngặt. Các quy trình này bao gồm thu thập dữ liệu, xử lý và chuẩn hóa dữ liệu, gắn nhãn dữ liệu và xây dựng các tính năng của bộ dữ liệu. Dữ liệu bệnh nhân cần được thu thập từ các trung tâm y học hạt nhân uy tín, tuân thủ các quy trình thực hành chuẩn.

III. Phương Pháp Lọc Nhiễu Suy Giảm Ảnh SPECT Tim Không CT

Luận án này tập trung vào việc đề xuất một giải pháp lọc nhiễu suy giảm mà không cần sử dụng máy CT, tận dụng được các máy SPECT thông thường. Giải pháp này dựa trên các mô hình học sâu, đặc biệt là mạng tự mã hóa tích chập (CAE) và mạng đối kháng sinh (GAN). Các mô hình này được huấn luyện trên bộ dữ liệu SPECT tim đã được xây dựng, với mục tiêu giảm thiểu nhiễu suy giảm và cải thiện chất lượng hình ảnh. Việc loại bỏ nhiễu suy giảm giúp cải thiện độ chính xác của việc đánh giá tưới máu cơ tim.

3.1. Mô hình 3D Convolutional Auto Encoder 3D CAE lọc nhiễu

Mô hình 3D-CAE được đề xuất để hiệu chỉnh nhiễu suy giảm trong ảnh SPECT MPI. Mô hình này sử dụng các lớp tích chập 3D để trích xuất các đặc trưng không gian từ hình ảnh, sau đó tái tạo lại hình ảnh với nhiễu suy giảm đã được giảm thiểu. Kết quả thử nghiệm cho thấy mô hình 3D-CAE có khả năng cải thiện đáng kể chất lượng hình ảnh.

3.2. Mô hình 3DUnet GAN hiệu chỉnh nhiễu suy giảm SPECT tim

Mô hình 3DUnet-GAN là một cải tiến so với 3D-CAE, sử dụng kiến trúc U-net kết hợp với mạng đối kháng sinh để tạo ra hình ảnh SPECT tim có chất lượng cao hơn. Mô hình này được huấn luyện để phân biệt giữa hình ảnh thật và hình ảnh được tạo ra, từ đó cải thiện khả năng loại bỏ nhiễu suy giảm.

3.3. So sánh hiệu quả của 3D CAE và 3DUnet GAN

Cả hai mô hình 3D-CAE và 3DUnet-GAN đều cho thấy tiềm năng trong việc lọc nhiễu suy giảm ảnh SPECT tim. Tuy nhiên, 3DUnet-GAN có xu hướng tạo ra hình ảnh sắc nét hơn và ít nhiễu hơn so với 3D-CAE. Việc lựa chọn mô hình phù hợp phụ thuộc vào yêu cầu cụ thể của từng ứng dụng.

IV. Giải Pháp Hỗ Trợ Chẩn Đoán Bệnh Mạch Vành Từ Ảnh SPECT

Ngoài việc lọc nhiễu, luận án còn đề xuất một giải pháp hỗ trợ chẩn đoán bệnh mạch vành dựa trên ảnh SPECT tim. Giải pháp này sử dụng các mô hình học sâu để phân loại bệnh nhân có tổn thương hay không, giúp bác sĩ đưa ra quyết định chẩn đoán chính xác hơn. Giải pháp này có thể được tích hợp vào các hệ thống hỗ trợ chẩn đoán bằng máy tính (CADx), giúp giảm thiểu sai sót chủ quan và nâng cao hiệu quả làm việc của bác sĩ.

4.1. Thu thập dữ liệu thực nghiệm cho giải pháp hỗ trợ chẩn đoán

Để xây dựng một giải pháp hỗ trợ chẩn đoán hiệu quả, cần thu thập một tập dữ liệu thực nghiệm lớn và đa dạng. Dữ liệu này bao gồm ảnh SPECT tim của bệnh nhân có và không có bệnh mạch vành, cùng với các thông tin lâm sàng liên quan. Dữ liệu cần được chuẩn hóa và gắn nhãn một cách cẩn thận để đảm bảo chất lượng của mô hình học sâu.

4.2. Hiệu chỉnh suy giảm bằng mô hình 3D Unet GAN cải thiện chẩn đoán

Việc hiệu chỉnh suy giảm bằng mô hình 3D Unet GAN có thể cải thiện đáng kể độ chính xác của giải pháp hỗ trợ chẩn đoán. Hình ảnh SPECT tim sau khi được lọc nhiễu sẽ rõ nét hơn, giúp mô hình học sâu dễ dàng nhận diện các vùng cơ tim bị tổn thương.

4.3. Đề xuất mô hình chẩn đoán bệnh mạch vành từ ảnh SPECT tim

Mô hình chẩn đoán được đề xuất sử dụng kiến trúc mạng nơ-ron tích chập (CNN) để phân tích ảnh SPECT tim và đưa ra dự đoán về khả năng bệnh nhân mắc bệnh mạch vành. Mô hình này được huấn luyện trên tập dữ liệu thực nghiệm đã được thu thập, với mục tiêu đạt được độ chính xác cao nhất có thể.

V. Ứng Dụng Thực Tế Kết Quả Nghiên Cứu SPECT Tim Mạch Vành

Các kết quả nghiên cứu trong luận án này có thể được ứng dụng vào thực tế để cải thiện quy trình chẩn đoán bệnh mạch vành bằng SPECT tim. Giải pháp lọc nhiễu suy giảm có thể được tích hợp vào các máy SPECT hiện có, giúp nâng cao chất lượng hình ảnh mà không cần đầu tư thêm máy CT. Giải pháp hỗ trợ chẩn đoán có thể được sử dụng để hỗ trợ bác sĩ trong quá trình đọc kết quả, giảm thiểu sai sót và tăng cường độ tin cậy của chẩn đoán. Các kết quả nghiên cứu này có ý nghĩa quan trọng trong việc cải thiện sức khỏe tim mạch của cộng đồng.

5.1. Tích hợp giải pháp lọc nhiễu vào máy SPECT hiện có

Giải pháp lọc nhiễu suy giảm dựa trên học sâu có thể được tích hợp vào các máy SPECT hiện có thông qua phần mềm. Việc này giúp nâng cao chất lượng hình ảnh mà không cần thay thế phần cứng, tiết kiệm chi phí và thời gian.

5.2. Triển khai giải pháp hỗ trợ chẩn đoán tại các bệnh viện

Giải pháp hỗ trợ chẩn đoán có thể được triển khai tại các bệnh viện và trung tâm y tế để hỗ trợ bác sĩ trong quá trình đọc kết quả SPECT tim. Giải pháp này có thể cung cấp các thông tin hữu ích, giúp bác sĩ đưa ra quyết định chẩn đoán chính xác và nhanh chóng hơn.

5.3. Đánh giá hiệu quả của các giải pháp trong thực tế

Để đánh giá hiệu quả của các giải pháp trong thực tế, cần tiến hành các nghiên cứu lâm sàng trên một số lượng lớn bệnh nhân. Các nghiên cứu này sẽ giúp xác định mức độ cải thiện về độ chính xác chẩn đoán và tác động của các giải pháp đến quy trình làm việc của bác sĩ.

VI. Kết Luận Hướng Phát Triển Nghiên Cứu SPECT Tim Tương Lai

Luận án đã trình bày một nghiên cứu toàn diện về xử lý ảnh SPECT tim trong hỗ trợ chẩn đoán bệnh mạch vành. Các kết quả nghiên cứu cho thấy tiềm năng to lớn của học sâu trong việc cải thiện chất lượng hình ảnh và hỗ trợ chẩn đoán. Trong tương lai, các nghiên cứu có thể tập trung vào việc phát triển các mô hình học sâu phức tạp hơn, tích hợp thêm các thông tin lâm sàng và di truyền để tạo ra các giải pháp chẩn đoán cá nhân hóa. Ngoài ra, việc xây dựng các bộ cơ sở dữ liệu SPECT tim lớn hơn và đa dạng hơn là rất quan trọng để thúc đẩy sự phát triển của lĩnh vực này.

6.1. Tóm tắt các đóng góp chính của luận án

Luận án đã đóng góp vào lĩnh vực xử lý ảnh SPECT tim thông qua việc xây dựng một bộ cơ sở dữ liệu SPECT tim đặc trưng cho người Việt Nam, đề xuất các giải pháp lọc nhiễu suy giảm dựa trên học sâu và phát triển một giải pháp hỗ trợ chẩn đoán bệnh mạch vành.

6.2. Các hướng nghiên cứu tiếp theo trong lĩnh vực SPECT tim

Các hướng nghiên cứu tiếp theo có thể tập trung vào việc phát triển các mô hình học sâu phức tạp hơn, tích hợp thêm các thông tin lâm sàng và di truyền để tạo ra các giải pháp chẩn đoán cá nhân hóa. Ngoài ra, việc xây dựng các bộ cơ sở dữ liệu SPECT tim lớn hơn và đa dạng hơn là rất quan trọng để thúc đẩy sự phát triển của lĩnh vực này.

6.3. Tầm quan trọng của hợp tác trong nghiên cứu SPECT tim

Để đạt được những tiến bộ đáng kể trong lĩnh vực SPECT tim, cần có sự hợp tác chặt chẽ giữa các nhà nghiên cứu, bác sĩ và kỹ sư. Sự hợp tác này sẽ giúp chia sẻ kiến thức, kinh nghiệm và dữ liệu, từ đó thúc đẩy sự phát triển của các giải pháp chẩn đoán và điều trị bệnh mạch vành hiệu quả hơn.

Nội dung chính

Tổng quan luận án

Bệnh lý tim mạch là nguyên nhân gây tử vong và tàn phế hàng đầu trên thế giới, chiếm 34,2% tổng số ca tử vong hằng năm. Tại Việt Nam, thống kê tại tọa đàm "Vì trái tim khỏe Việt Nam" (Bệnh viện Tim Hà Nội, 2015) ghi nhận khoảng 200.000 người tử vong do tim mạch mỗi năm, tương đương 1/4 tổng số ca tử vong, với tỷ lệ trung bình cứ 3 người trưởng thành thì có 1 người có nguy cơ tim mạch. Trong nhóm bệnh lý này, bệnh động mạch vành (CAD) là nguyên nhân tử vong hàng đầu do mảng xơ vữa gây hẹp lòng mạch, dẫn đến thiếu máu cơ tim cục bộ và nhồi máu cơ tim. Tổ chức Y tế Thế giới (WHO) ước tính mỗi năm có 3,8 triệu nam giới và 3,4 triệu phụ nữ tử vong do bệnh động mạch vành, trong đó khoảng 82% các ca tử vong trong tương lai dự báo sẽ tập trung tại các quốc gia đang phát triển.

Phương pháp xạ hình tưới máu cơ tim (SPECT MPI) bằng máy chụp cắt lớp phát xạ đơn photon (SPECT) là kỹ thuật chẩn đoán không xâm lấn có độ nhạy và độ đặc hiệu cao, được áp dụng rộng rãi với khoảng 7 triệu lượt chụp mỗi năm tại Hoa Kỳ. Tuy nhiên, độ chính xác của SPECT MPI chịu ảnh hưởng lớn bởi hai yếu tố:

1. Nhiễu do hiệu ứng suy giảm (attenuation artifact): Hiện tượng photon bị suy giảm năng lượng khi đi qua các mô mềm có tỷ trọng khác nhau (như suy giảm do cơ hoành ở thành dưới tim nam giới, suy giảm do mô vú ở thành trước, mỏm tim hoặc thành bên ở nữ giới, hoặc do mô mỡ ở người béo phì). Giải pháp lắp thêm máy chụp cắt lớp vi tính (CT) vào máy SPECT (SPECT/CT) để hiệu chỉnh suy giảm có chi phí đầu tư rất lớn, tăng liều chiếu xạ và đòi hỏi phòng chụp phức tạp. Trong khi đó, hệ thống máy SPECT đơn thuần không có CT chiếm tới khoảng 80% thị phần thiết bị trên thế giới.
2. Sai sót chủ quan của bác sĩ đọc kết quả: Do khối lượng hình ảnh lớn, độ phức tạp cao và áp lực công việc. Tại Hoa Kỳ, sai sót chẩn đoán chung ước tính từ 10% đến 15% và trong tim mạch hạt nhân lên tới 30%.

Khoảng trống nghiên cứu lớn là sự thiếu hụt các bộ cơ sở dữ liệu SPECT tim quy mô lớn, đáng tin cậy và có tính mở. Các tập dữ liệu hiện có trên thế giới chủ yếu có quy mô nhỏ (dưới 1.000 mẫu), mang tính cá nhân, không công khai và xây dựng trên dữ liệu người phương Tây. Do đặc điểm sinh học và hình thái cơ tim của từng chủng người có sự khác biệt, các mô hình này không tối ưu khi áp dụng cho người Việt Nam. Đồng thời, chưa có công trình nào phát triển mô hình học sâu để tự động lọc nhiễu suy giảm trực tiếp từ dữ liệu ảnh SPECT MPI mà không cần đến phần cứng CT.

Luận án xác định 3 mục tiêu nghiên cứu cụ thể:

1. Xây dựng bộ dữ liệu SPECT tim có số mẫu lớn, độ tin cậy cao mang đặc trưng của người Việt Nam nhằm làm nền tảng huấn luyện, kiểm định các giải thuật học sâu.
2. Đề xuất giải pháp lọc nhiễu suy giảm cho các máy SPECT thông thường bằng kỹ thuật học sâu mà không cần sử dụng máy CT.
3. Đề xuất giải pháp hỗ trợ bác sĩ nâng cao độ chính xác chẩn đoán tổn thương cơ tim trên hình ảnh SPECT MPI.

• Đối tượng nghiên cứu: Đặc trưng hình ảnh xạ hình tưới máu cơ tim bằng máy SPECT; các yếu tố gây sai lệch hình ảnh (đặc biệt là nhiễu suy giảm); các mô hình xử lý nhiễu ảnh và tăng cường chất lượng hình ảnh; phương pháp ghi hình, chuẩn hóa và thu thập dữ liệu SPECT tim.
• Phạm vi nghiên cứu: Khảo sát trên dữ liệu hình ảnh SPECT MPI pha nghỉ (rest) và pha gắng sức (stress) thu thập tại Khoa Y học Hạt nhân, Bệnh viện Trung ương Quân đội 108 bằng các hệ thống máy SPECT/CT của hãng GE Healthcare (Infinia, Optima, Ventri); nghiên cứu các mô hình học sâu 3 chiều (3D-CAE, 3DUnet-GAN) cho bài toán lọc nhiễu suy giảm và mô hình mạng nơ-ron tích chập phân loại tổn thương cơ tim.

---

Tổng quan tài liệu và vị trí của luận án

Tại Việt Nam, các nghiên cứu trí tuệ nhân tạo trong xử lý ảnh y tế trước đây tập trung vào ảnh X-quang tuyến vú hoặc nhận dạng tín hiệu điện tâm đồ ECG qua mạng nơ-ron STK, chưa có công trình nào nghiên cứu áp dụng học máy trên ảnh SPECT tim. Trong thực hành lâm sàng, việc đọc kết quả SPECT MPI chủ yếu dựa trên đánh giá trực quan kết hợp phương pháp bán định lượng theo mô hình 17 phân vùng cơ tim để tạo ảnh bản đồ cực (polar map), tính toán các chỉ số như: tổng điểm pha nghỉ (SRS), tổng điểm pha gắng sức (SSS), điểm chênh lệch giữa hai pha (SDS), tổng khuyết xạ tưới máu (TPD) và triệu chứng thiếu máu thoáng qua (TID).

Trên thế giới, các công trình ứng dụng học máy trong tim mạch hạt nhân được công bố với số lượng tăng mạnh từ giai đoạn 2016–2018:

• Arsanjani và cộng sự (2013): Nghiên cứu trên 957 bệnh nhân (334 ca nguy cơ thấp, 623 ca có tổn thương), sử dụng thuật toán Support Vector Machine (SVM) trên ảnh tưới máu và biến chức năng. Mô hình đạt diện tích dưới đường cong ROC (AUC) là 0,88, tương đương với 2 bác sĩ có kinh nghiệm (p < 0,03) và vượt trội so với phần mềm định lượng tự động.
• Arsanjani và cộng sự: Nghiên cứu trên 1.181 bệnh nhân, kết hợp dữ liệu lâm sàng (tuổi, giới tính, post-ECG, TPD, chênh lệch pha nghỉ/gắng sức, TID) với thuật toán Logit-Boost. Kết quả đạt AUC ROC 0,94 ± 0,01, vượt trội so với phương pháp TPD tự động và chuyên gia 10 năm kinh nghiệm, tương đương chuyên gia 30 năm kinh nghiệm.
• Betancur và cộng sự (2017): Nghiên cứu trên 2.619 bệnh nhân (48% nam), sử dụng Logit-Boost dự đoán biến cố tim mạch bất lợi (MACE) dựa trên 28 đặc tính ảnh, 17 đặc tính gắng sức và 28 đặc tính bệnh nhân. Mô hình kết hợp thông tin lâm sàng đạt AUC 0,81 ± 0,01, cao hơn mô hình chỉ dùng ảnh (AUC 0,78) và cao hơn chỉ số TPD pha gắng sức tự động.
• Betancur và cộng sự (2018): Nghiên cứu đa trung tâm trên 1.638 bệnh nhân (1.018 ca bệnh mạch vành, 1.797/4.914 nhánh mạch bị hẹp), ứng dụng mạng học sâu (Deep Learning) trên ảnh bản đồ cực ban đầu và ảnh bản đồ cực định lượng TPD. Kết quả đạt AUC trên từng bệnh nhân là 0,80 (so với TPD là 0,78) và trên từng nhánh mạch là 0,76 (so với TPD là 0,73, p < 0,05).
• Về hiệu chỉnh suy giảm: Các giải pháp truyền thống dựa trên kỹ thuật chụp nằm sấp, gắn cổng điện tim (ECG-gating) hoặc thuật toán tái tạo lặp FBP, OSEM, IRAC kết hợp chụp CT đo trực tiếp độ suy giảm photon. Các mô hình mạng nơ-ron như RED-CNN hay MBIR mới chỉ được ứng dụng để giảm nhiễu trong chụp CT liều thấp (ULD/HD CT), chưa từng được thiết kế để hiệu chỉnh suy giảm cho ảnh SPECT MPI.

Tác giả / Nghiên cứu	Cỡ mẫu (Bệnh nhân)	Phương pháp / Mô hình	Dữ liệu đầu vào	Kết quả chính (AUC ROC / Độ chính xác)
Arsanjani et al. (2013)	957	Support Vector Machine (SVM)	Biến chức năng, ảnh tưới máu	AUC = 0,88 (p < 0,03), cao hơn phần mềm tự động
Arsanjani et al.	1.181	Logit-Boost	Dữ liệu lâm sàng + Ảnh tưới máu + TPD	AUC = 0,94 ± 0,01, tương đương chuyên gia 30 năm
Betancur et al. (2017)	2.619	Logit-Boost	28 đặc tính ảnh, 17 gắng sức, 28 lâm sàng	AUC = 0,81 ± 0,01 (dự đoán biến cố MACE)
Betancur et al. (2018)	1.638	Deep Learning (Mạng nơ-ron sâu)	Bản đồ cực (Polar map) + Bản đồ cực TPD	AUC = 0,80 (theo bệnh nhân), 0,76 (theo nhánh, p < 0,05)
Luận án (Nguyễn Thành Trung)	Bộ dữ liệu chuẩn Việt Nam	3D-CAE, 3DUnet-GAN, CNN/VGG-16	Khối ảnh cắt lát 3D SPECT MPI + Dữ liệu lâm sàng	Hiệu chỉnh suy giảm tương đương CT; hỗ trợ phân loại tổn thương

Khoảng trống nghiên cứu được luận án giải quyết:

• Thiếu mô hình học máy hiệu chỉnh nhiễu suy giảm trực tiếp cho ảnh SPECT MPI từ dữ liệu thực tế.
• Việc sử dụng ảnh bản đồ cực 2D (polar map) ở các nghiên cứu trước làm suy giảm mối liên hệ không gian giữa các lát cắt so với dữ liệu khối 3D.
• Sự phụ thuộc của các thang điểm định lượng (TPD, SSS, SRS) vào cơ sở dữ liệu đối chứng người phương Tây, chưa phù hợp với quần thể người Việt Nam.
• Các thuật toán phân lớp trước đây (SVM, Logit-Boost) chưa khai thác hết năng lực trích xuất đặc trưng của mạng học sâu.

---

Cơ sở lý thuyết và phương pháp nghiên cứu

Cơ sở lý thuyết và khung phân tích

• Giải phẫu hệ mạch vành và sinh lý tưới máu cơ tim: Quả tim được nuôi dưỡng bởi động mạch vành phải (RCA) và động mạch vành trái (chia thành động mạch liên thất trước LAD và động mạch mũ LCx). Dược chất phóng xạ gắn Technetium-99m ($^{99m}\text{Tc}$ như Sestamibi, Tetrofosmin) hoặc Thallium-201 ($^{201}\text{Tl}$) phát ra tia gamma đơn năng lượng 140 keV. Trong pha nghỉ, lưu lượng máu qua các nhánh bình thường và nhánh hẹp có thể vẫn đảm bảo mật độ phóng xạ đồng đều. Trong pha gắng sức, vùng cơ tim do nhánh hẹp chi phối không nhận đủ lưu lượng máu, biểu hiện thành vùng khuyết xạ trên ảnh cắt lát SPECT MPI.
• Kỹ thuật học sâu và xử lý ảnh y tế:
  • Mạng nơ-ron tích chập (CNN): Khai thác cấu trúc không gian ảnh qua các lớp tích chập (Convolution), lớp gộp (Max pooling, Average pooling), lớp chuẩn hóa và lớp kết nối đầy đủ (FC). Biểu diễn dữ liệu ảnh đa chiều dưới dạng tensor 3 chiều ($H \times W \times D$).
  • Mô hình Auto-Encoder tích chập 3 chiều (3D-CAE): Học biểu diễn nén không gian và tái tạo ảnh nhằm loại bỏ các thành phần nhiễu suy giảm.
  • Mô hình 3DUnet-GAN: Kết hợp kiến trúc mạng U-Net 3 chiều (với các liên kết tắt skip connections và phép tích chập chuyển vị transposed convolution) làm mạng sinh (Generator), kết hợp cùng mạng phân biệt (Discriminator) theo mô hình mạng sinh đối kháng GAN. Huấn luyện dựa trên việc tối ưu hàm mục tiêu Sigmoid với các điều kiện nhãn $y_i = 1$ (ảnh thật) và $y_i = 0$ (ảnh sinh).
  • Kiến trúc phân loại VGG-16: Mạng nơ-ron sâu 16 lớp tích chập phục vụ bài toán phân lớp hình ảnh tổn thương cơ tim.

Phương pháp nghiên cứu thực nghiệm

Luận án áp dụng phương pháp nghiên cứu thực nghiệm y - kỹ thuật kết hợp:

• Thu thập dữ liệu thực tế: Khảo sát quy trình chụp xạ hình tưới máu cơ tim tại cơ sở y tế theo khuyến cáo chuẩn của Hiệp hội Tim mạch Hạt nhân Hoa Kỳ (ASNC) và Hội Tim mạch Hạt nhân Châu Âu (EANM).
• Quy trình chuẩn hóa: Chuyển đổi các chuỗi ảnh cắt lát 2D thành khối tensor 3D để bảo tồn liên kết không gian; làm sạch dữ liệu, loại bỏ thông tin định danh bệnh nhân nhằm bảo đảm an toàn thông tin; mã hóa các hệ số nguy cơ lâm sàng.
• Gán nhãn chuyên gia: Nhãn chẩn đoán và phân loại tổn thương cơ tim do các bác sĩ y học hạt nhân có từ 10 năm kinh nghiệm trở lên thực hiện độc lập.
• Công cụ và chỉ số đánh giá thực nghiệm:
  • Đánh giá chất lượng ảnh tái tạo lọc nhiễu: Sai số tuyệt đối trung bình chuẩn hóa (NMAE), Hệ số tương quan Pearson (PCC), Chỉ số tương đồng cấu trúc (SSIM), Sai số toàn phương trung bình (MSE), Tỉ số tín hiệu cực đại trên nhiễu (PSNR), Hệ số chất lượng phổ quát (UQI).
  • Đánh giá hiệu năng hỗ trợ chẩn đoán: Kiểm tra chéo 5 đoạn (5-fold cross validation), xây dựng đường cong ROC, xác định diện tích dưới đường cong (AUC), độ nhạy (Sensitivity), độ đặc hiệu (Specificity) và độ chính xác (Accuracy).

Nguồn tư liệu và dữ liệu

Dữ liệu nghiên cứu gồm các bộ ảnh SPECT MPI hai pha nghỉ và gắng sức, bao gồm cặp ảnh chưa hiệu chỉnh suy giảm (NC - Non attenuation correction) và ảnh có hiệu chỉnh suy giảm bằng CT (AC - Attenuation correction) chụp trên hệ thống máy SPECT/CT của hãng GE Healthcare tại Khoa Y học Hạt nhân, Bệnh viện Trung ương Quân đội 108.

---

Nội dung chính theo từng chương

Chương 1. Tổng quan về phương pháp xạ hình tưới máu cơ tim bằng máy SPECT và kỹ thuật học sâu

Chương 1 hệ thống hóa cơ sở giải phẫu hệ mạch vành, sinh lý bệnh học thiếu máu cơ tim và nguyên lý tạo ảnh của kỹ thuật SPECT MPI sử dụng dược chất phóng xạ phát tia gamma 140 keV. Tác giả phân tích các phương pháp chẩn đoán không xâm lấn (ECG, Siêu âm tim, MRI, MSCT, PET/CT) và xác định SPECT MPI là phương pháp có giá trị cao trong đánh giá tưới máu và định hướng điều trị.

Nghiên cứu / Cơ sở y tế	Dược chất phóng xạ	Độ nhạy (%)	Độ đặc hiệu (%)
Elhendy	Sestamibi	76	73
Azzarelli	Tetrofosmin	95	77
San Roman	Tetrofosmin	87	70
Budoff	Tetrofosmin	75	71
Iskandrian	Sestamibi	87	69
Candell-Riera	$^{201}\text{Tl}$	93	94
Berman	Sestamibi	96	82
Kiat	Sestamibi / $^{201}\text{Tl}$	94	80
Mahmanrian	Sestamibi	87	87
Bệnh viện Trung ương Quân đội 108	$^{201}\text{Tl}$ / Tetrofosmin / Sestamibi	82 – 86	74 – 78

Chương này chỉ rõ hai nguồn sai số chính làm giảm độ chính xác chẩn đoán là nhiễu suy giảm mô mềm và sai sót chủ quan của người đọc kết quả. Đồng thời, tác giả tổng thuật các nghiên cứu ứng dụng học máy quốc tế (Arsanjani, Betancur), phân tích cấu trúc tensor ảnh, phép tính tích chập, các lớp gộp (pooling), qua đó đề xuất hướng nghiên cứu áp dụng học sâu để lọc nhiễu suy giảm và phân loại tổn thương.

Chương 2. Xây dựng bộ cơ sở dữ liệu SPECT tim

Chương 2 trình bày quy trình xây dựng bộ cơ sở dữ liệu SPECT MPI chuẩn trên quần thể người Việt Nam tại Bệnh viện Trung ương Quân đội 108. Tác giả thiết lập và chuẩn hóa 4 quy trình thành phần:

1. Quy trình thu thập: Ghi nhận dữ liệu thực hành từ khâu chuẩn bị dược chất phóng xạ, quy trình tiêm, kỹ thuật ghi hình trên các máy SPECT/CT (Infinia, Optima, Ventri) theo chuẩn ASNC/EANM và tiêu chuẩn loại trừ mẫu.
2. Quy trình chuẩn hóa hình ảnh và lâm sàng: Trích xuất các lát cắt trục ngắn, trục dài dọc và trục dài ngang, đóng gói thành khối dữ liệu 3D, mã hóa các thông tin bệnh sử, chỉ số khối cơ thể (BMI), yếu tố nguy cơ tim mạch.
3. Quy trình gắn nhãn dữ liệu: Xây dựng phần mềm hỗ trợ chuyên dụng để các bác sĩ có trên 10 năm kinh nghiệm phân loại tổn thương theo mô hình 17 phân vùng giải phẫu cơ tim.
4. Quy trình bảo mật và thống kê: Tự động hóa trích xuất đặc trưng thống kê (tuổi, giới tính, tiền sử bệnh) và ẩn danh hóa toàn bộ thông tin cá nhân của người bệnh.

Chương 3. Xây dựng bộ lọc nhiễu suy giảm sử dụng mạng deep learning

Chương 3 tập trung giải quyết bài toán hiệu chỉnh nhiễu suy giảm mà không dùng đến hình ảnh chụp CT. Tác giả cấu trúc lại các chuỗi ảnh cắt lát 2D thành khối mẫu 3D để giữ nguyên mối tương quan không gian giữa các lớp cắt. Hai mô hình học sâu 3 chiều được đề xuất và thử nghiệm:

• Mô hình 3D Convolutional Auto-Encoder (3D-CAE): Sử dụng các lớp tích chập 3D để mã hóa đặc trưng khối và giải mã tái tạo ảnh đã loại bỏ nhiễu.
• Mô hình 3DUnet-GAN: Sử dụng mạng 3D U-Net với các phép tích chập chuyển vị (transposed convolution) làm mạng sinh, kết hợp mạng phân biệt để dự đoán ảnh hiệu chỉnh suy giảm (ký hiệu là GenAC) từ ảnh đầu vào chưa hiệu chỉnh (NC), sử dụng ảnh hiệu chỉnh bằng CT thực tế (AC) làm ảnh đích (ground truth).

Hiệu quả lọc nhiễu được đánh giá định lượng thông qua các phép đo sai số và độ tương đồng: NMAE, PCC, SSIM, MSE, PSNR, UQI. Kết quả cho thấy mô hình 3DUnet-GAN có khả năng phục hồi tín hiệu khuyết xạ giả do mô mềm, cho chất lượng ảnh tương đương với ảnh thu được từ hệ thống chụp kết hợp SPECT/CT phần cứng.

Chương 4. Phát triển giải pháp hỗ trợ chẩn đoán bệnh mạch vành

Chương 4 phát triển hai giải pháp hỗ trợ ra quyết định lâm sàng:

1. Đánh giá lâm sàng ảnh sinh GenAC: Tác giả xây dựng phần mềm hỗ trợ đọc kết quả thực nghiệm và tiến hành thử nghiệm mù đôi với 2 bác sĩ chuyên khoa có nhiều năm kinh nghiệm. Kết quả đánh giá cho thấy việc sử dụng ảnh dự đoán hiệu chỉnh suy giảm GenAC từ mô hình 3DUnet-GAN giúp gia tăng tỷ lệ phát hiện chính xác bệnh nhân không có tổn thương (giảm dương tính giả) và nâng cao tỷ lệ nhận diện đúng các nhánh mạch vành không bị tổn thương so với khi chỉ đọc ảnh NC.
2. Mô hình học sâu hỗ trợ phân loại tổn thương cơ tim: Tác giả tiến hành khảo sát so sánh giữa dữ liệu đầu vào là ảnh cắt lát MPI 3D và ảnh bản đồ cực 2D. Kết quả kiểm tra chéo 5 đoạn (5-fold cross validation) sử dụng kiến trúc mạng tích chập sâu (dựa trên VGG-16) cho thấy mô hình huấn luyện trực tiếp trên khối ảnh cắt lát MPI đạt độ chính xác trung bình và diện tích dưới đường cong ROC (AUC) cao hơn so với mô hình sử dụng ảnh bản đồ cực tổng hợp.

---

Kết quả và những đóng góp mới

Đóng góp về mặt lý luận và khoa học

• Xây dựng thành công bộ cơ sở dữ liệu SPECT MPI quy mô lớn đầu tiên tại Việt Nam mang đầy đủ đặc trưng giải phẫu và bệnh học của người Việt, được chuẩn hóa theo tiêu chuẩn quốc tế (ASNC/EANM), đóng vai trò làm dữ liệu chuẩn cho các nghiên cứu xử lý ảnh y tế và học máy tiếp theo.
• Đề xuất giải pháp cấu trúc dữ liệu lát cắt SPECT tim dạng khối 3D kết hợp với kiến trúc 3DUnet-GAN, chứng minh tính khả thi của việc sử dụng mạng sinh đối kháng 3 chiều để tự động tái tạo và hiệu chỉnh nhiễu suy giảm photon mà không cần tích hợp đầu thu CT phần cứng.
• Chứng minh thực nghiệm rằng việc sử dụng trực tiếp khối ảnh cắt lát MPI 3D làm đầu vào cho mô hình học sâu mang lại hiệu năng phân loại tổn thương cơ tim cao hơn so với việc sử dụng ảnh bản đồ cực 2D truyền thống.

Đóng góp về mặt thực tiễn

• Cho phép nâng cấp năng lực chẩn đoán của các hệ thống máy SPECT đơn thuần (hiện chiếm 80% số lượng máy trên thế giới và phần lớn tại các bệnh viện Việt Nam) đạt chất lượng hình ảnh tương đương hệ thống SPECT/CT hiện đại, giúp giảm chi phí mua sắm thiết bị và chi phí xây dựng phòng máy chì chống bức xạ.
• Giảm liều chiếu xạ hấp thụ cho người bệnh do không phải thực hiện thêm quy trình chụp cắt lớp vi tính CT đi kèm.
• Cung cấp công cụ phần mềm hỗ trợ bác sĩ phân loại nhanh các trường hợp không có tổn thương, giảm thiểu sai sót chủ quan do mệt mỏi hoặc quá tải, giúp chuyên gia tập trung phân tích sâu các ca bệnh phức tạp.

---

Hạn chế và hướng nghiên cứu tiếp

• Hạn chế: Dữ liệu nghiên cứu của luận án được thu thập từ một trung tâm chuyên khoa y học hạt nhân đơn lẻ (Bệnh viện Trung ương Quân đội 108); các thử nghiệm lâm sàng tập trung vào kỹ thuật SPECT MPI với các dòng máy của một nhà sản xuất (GE Healthcare).
• Hướng nghiên cứu tiếp:
  • Mở rộng thu thập và kiểm thử bộ dữ liệu đa trung tâm với nhiều hệ thống máy SPECT của các nhà sản xuất khác nhau.
  • Ứng dụng và mở rộng nguyên lý mạng học sâu hiệu chỉnh suy giảm sang các hệ thống ghi hình y học hạt nhân lai ghép khác như PET/CT và PET/MR.
  • Tích hợp sâu hơn các biến số gen và xét nghiệm phân tử vào mô hình học sâu để nâng cao năng lực tiên lượng biến cố tim mạch dài hạn.

---

Giá trị tham khảo

Luận án là tài liệu tham khảo chuyên sâu cho các nhóm đối tượng:

• Nghiên cứu sinh và học viên ngành Kỹ thuật Điện tử, Kỹ thuật Y sinh, Khoa học Máy tính: Tham khảo phương pháp xây dựng kiến trúc mạng nơ-ron 3D (3D-CAE, 3DUnet-GAN), kỹ thuật xử lý dữ liệu ảnh y tế đa chiều và các hàm mục tiêu tối ưu trong bài toán tái tạo hình ảnh y học.
• Bác sĩ và kỹ thuật viên chuyên ngành Y học Hạt nhân, Tim mạch: Tham khảo quy trình chuẩn hóa chụp SPECT MPI, các cơ chế phát sinh nhiễu suy giảm và giá trị lâm sàng của việc ứng dụng công cụ trí tuệ nhân tạo hỗ trợ đọc kết quả xạ hình tưới máu cơ tim.
• Kỹ sư thiết bị y tế và nhà quản lý y tế: Tham khảo giải pháp nâng cấp tính năng phần mềm cho các hệ thống máy SPECT sẵn có nhằm tối ưu hóa chi phí đầu tư trang thiết bị và đảm bảo an toàn bức xạ.

---

Câu hỏi thường gặp

1. Nhiễu suy giảm trên hình ảnh SPECT tim phát sinh do nguyên nhân nào và biểu hiện giải phẫu ra sao?
Nhiễu suy giảm sinh ra do tia gamma (năng lượng 140 keV phát ra từ $^{99m}\text{Tc}$) bị hấp thụ và suy giảm năng lượng khi đi qua các mô mềm có tỷ trọng khác nhau trước khi tới đầu dò. Ở nam giới, nhiễu thường xuất hiện ở thành dưới tim do cơ hoành chắn giữa tim và camera; ở nữ giới, nhiễu thường xuất hiện ở thành trước, mỏm tim hoặc thành bên do mô vú gây ra.

2. Tại sao luận án đề xuất sử dụng khối ảnh cắt lát 3D thay vì ảnh bản đồ cực 2D (polar map) làm đầu vào cho mô hình phân lớp?
Ảnh bản đồ cực là ảnh 2D được biến đổi tổng hợp từ các ảnh cắt lát theo khuyến cáo của ASNC/EANM. Quá trình nén này có nguy cơ làm mất mát thông tin và các đặc trưng liên kết không gian 3 chiều giữa các lát cắt, dẫn đến việc mô hình học sâu đạt độ chính xác và diện tích dưới đường cong ROC thấp hơn so với khi huấn luyện trực tiếp trên khối dữ liệu cắt lát 3D.

3. Mô hình học sâu nào được luận án đề xuất để thực hiện hiệu chỉnh nhiễu suy giảm không dùng CT?
Tác giả đề xuất và thử nghiệm mô hình 3D Convolutional Auto-Encoder (3D-CAE) và mô hình 3DUnet-GAN (kết hợp kiến trúc 3D U-Net với mạng sinh đối kháng GAN). Trong đó, mô hình 3DUnet-GAN sử dụng các phép tích chập chuyển vị và huấn luyện trên các cặp ảnh NC (đầu vào) và ảnh AC có CT (đích) để tự động tạo ra ảnh GenAC có chất lượng tương đương ảnh hiệu chỉnh bằng phần cứng CT.

4. Vì sao các tham số định lượng tự động từ phần mềm nước ngoài (như TPD, SSS, SRS) có hạn chế khi áp dụng tại Việt Nam?
Các chỉ số định lượng tự động này được xây dựng dựa trên việc so sánh dữ liệu người bệnh với cơ sở dữ liệu đối chứng người bình thường của các quốc gia sản xuất thiết bị (thường là Hoa Kỳ). Do các đặc điểm giải phẫu, thể trạng và đặc tính sinh học của từng chủng người có sự khác biệt, các ngưỡng tham chiếu phương Tây không hoàn toàn tương thích với đặc trưng hình ảnh SPECT tim của người Việt Nam.

---

Kết luận

Luận án tiến sĩ của tác giả Nguyễn Thành Trung đã giải quyết bài toán ứng dụng kỹ thuật học sâu trong xử lý ảnh SPECT tim nhằm hỗ trợ chẩn đoán bệnh động mạch vành. Công trình đã xây dựng thành công bộ cơ sở dữ liệu SPECT MPI chuẩn trên người Việt Nam, đồng thời phát triển mô hình 3DUnet-GAN cho phép hiệu chỉnh nhiễu suy giảm tương đương hệ thống phần cứng SPECT/CT mà không làm tăng liều bức xạ hay chi phí đầu tư. Các kết quả thực nghiệm và đánh giá chuyên khoa khẳng định mô hình hỗ trợ phân loại tổn thương cơ tim giúp nâng cao độ chính xác chẩn đoán và giảm thiểu sai sót chủ quan trong thực hành tim mạch hạt nhân.

Trích đoạn nội dung tài liệu

Chương 1 cũng nêu ra tình hình nghiên cứu các giải pháp trong lĩnh vực xử lý ảnh SPECT tim cả trong và ngoài nước cùng với những nhận xét, đánh giá các nghiên cứu khảo sát, đề xuất hướng nghiên cứu của tác giả. Chương 2: Tác giả tiến hành xây dựng bộ cơ sở dữ liệu SPECT tim làm cơ sở để huấn luyện, đánh giá các thuật toán trong xử lý ảnh và giải pháp hỗ trợ chẩn đoán trong các chương tiếp theo. Chương 3: Tác giả xây dựng bộ lọc nhiễu suy giảm sử dụng mạng deep learning. Từ các đặc trưng hình ảnh của SPECT tim, tác giả cấu trúc lại các lát cắt 2D thành dữ liệu 3D nhằm bảo tồn các đặc trưng có mối liên hệ không gian giữa các lát.

Sau đó, tác giả xây dựng các mô hình học có khả năng lọc nhiễu suy giảm cao là 3D Convolutional Auto- Encoder (3D-CAE), 3DUnet-GAN. Để đánh giá hiệu quả của các mô hình, các phép đo NMAE, PCC, SSIM đã được sử dụng. Chương 4: Tác giả phát triển 2 giải pháp hỗ trợ chẩn đoán bệnh mạch vành. Một, tác giả tiến hành đánh giá giá trị của ảnh hiệu chỉnh suy giảm bằng mô hình học sâu tạo ra trình bày ở chương 3 với 2 bác sĩ có nhiều năm kinh nghiệm.

Từ đó, tác giả đề xuất hỗ trợ chẩn đoán bệnh động mạch vành bằng nâng cao chất lượng hình ảnh qua dự đoán ảnh hiệu chỉnh suy giảm với mô hình học sâu. Hai, tác giả đã khảo sát ảnh bản đồ cực và ảnh cắt lát để xác định loại dữ liệu đầu vào phù hợp cho mô hình học máy trong bài toán phân lớp. Sau đó, tác giả đề xuất mô hình phân lớp có tổn thương và không có tổn thương. Chương 5: Kết luận, kiến nghị và hướng phát triển.

Phần cuối cùng là danh mục, tài liệu tham khảo và các công trình đã công bố. Các đóng góp chính của luận án ở chương 2, chương 3 và chương 4 của luận án. TỔNG QUAN VỀ PHƯƠNG PHÁP XẠ HÌNH TƯỚI MÁU CƠ TIM BẰNG MÁY SPECT 1. Bệnh lý động mạch vành 1.

Giải phẫu tim và bệnh lý mạch vành Ở hầu hết các nước trên thế giới, trong đó có Việt Nam, bệnh động mạch vành CAD (coronary artery disease) là vấn đề quan tâm hàng đầu của y học hiện đại vì tỷ lệ mắc ngày càng cao và là một trong những nguyên nhân chính gây tử vong, mất sức lao động. Với bệnh nhân bị bệnh động mạch vành, chi phí điều trị rất lớn, đặc biệt là dành cho việc điều trị khi bệnh ở mức độ nặng hoặc biến chứng [1]. Xơ vữa động mạch là nguyên nhân chính của bệnh động mạch vành. Xơ vữa động mạch làm dày thành động mạch, xâm lấn dần vào trong lòng mạch gây hẹp khẩu kính, dẫn đến giảm lưu lượng dòng chảy gây triệu chứng thiếu máu cục bộ cơ tim.

Thêm nữa, mảng xơ vữa cũng có thể bị rách, vỡ tạo điều kiện hình thành huyết khối gây bít tắc lòng mạch, dẫn đến biến chứng nặng nề là nhồi máu cơ tim cấp (hình 1.1 Bệnh động mạch vành Quả tim được nuôi dưỡng bởi hệ thống mạch máu gồm động mạch vành phải và động mạch vành trái. Động mạch vành phải RCA (Right Coronary Artery) cấp máu cho nửa phải của tim và một phần tâm thất trái. Động mạch vành trái chia thành 2 nhánh lớn là động mạch liên thất trước LAD (Left Anterior Decending) và động mạch mũ LCx (Left 8 Circumplex Artery) cấp máu cho phần còn lại của tim (hình 1. Từ ba nhánh lớn này cho ra rất nhiều các nhánh động mạch nhỏ hơn có nhiệm vụ mang máu giàu oxy từ động mạch chủ đi nuôi dưỡng tất cả các cấu trúc trong quả tim.

Khi bị xơ vữa lòng mạch, lưu lượng máu từ động mạch vành tới cơ tim bị giảm, cơ tim không nhận đủ oxy và xuất hiện các cơn đau thắt ngực.2 Mạch máu của tim 1.Động mạch vành phải 3. Động mạch vành trái 4. Động mạch liên thất trước 1. Các phương pháp chẩn đoán bệnh mạch vành Trong thời gian qua, ngành tim mạch đã có những bước tiến lớn trong chẩn đoán, điều trị cấp cứu với những bệnh nhân mạch vành.

Phương pháp tái tưới máu cơ tim, đặc biệt là can thiệp động mạch vành đã làm giảm tỉ lệ tử vong, nhồi máu cơ tim và tăng thời gian sống thêm đáng kể [2-4]. Tuy nhiên, để có kết quả khả quan, việc chẩn đoán đúng bệnh, giai đoạn bệnh có ý nghĩa quan trọng, mang tính quyết định trong hướng điều trị. Hiện nay, có một số phương pháp chẩn đoán bệnh động mạch vành. Điện tâm đồ là phương pháp đơn giản nhất để phát hiện những dấu hiệu của bệnh mạch vành.

Phương pháp này thu nhận những tín hiệu xung điện trong quá trình quả tim hoạt động. Thông qua tín hiệu điện tâm đồ, những biểu hiện của thiếu máu cơ tim, hoại tử cơ tim cũng như những biến chứng của bệnh tim mạch như dày thành tim, dãn buồng tim và rối loạn nhịp sẽ được phát hiện. Đây là phương pháp thăm dò dễ thực hiện, ít tốn kém, mất ít thời gian để thực hiện kỹ thuật. Tuy nhiên, sự tương quan của điện tâm đồ và bệnh 9 mạch vành không phải lúc nào cũng chính xác.

Thực tế lâm sàng cho thấy có khá nhiều trường hợp có bệnh mạch vành mà điện tâm đồ lại không biến đổi. Ngược lại, điện tâm đồ có thể biến đổi trong khi bệnh nhân lại không bị bệnh mạch vành (trường hợp nữ giới, bệnh nhân béo phì, tăng huyết áp). Siêu âm tim với nguyên lý hoạt động dựa trên sóng siêu âm để tạo ra những hình ảnh của trái tim khi tim đang hoạt động, nhằm mục đích khảo sát vận động của thành tim, chức năng tim cũng như van tim. Khi bệnh nhân có bệnh động mạch vành, vùng cơ tim được cấp máu bởi nhánh mạch vành đó sẽ không được cấp đủ oxy.

Vùng cơ tim đó sẽ có hiện tượng rối loạn vận động so với các vùng khác (có thể giảm vận động hoặc hoàn toàn không vận động). Siêu âm tim thường phát hiện được bệnh mạch vành ở giai đoạn muộn vì lúc này đã xuất hiện những rối loạn vận động của buồng tim. Chụp cộng hưởng từ MRI (magnetic resonance imaging) có thể cho các thông tin về giải phẫu, chức năng, sự tưới máu và chuyển hóa cơ tim. Tuy nhiên, kỹ thuật này có một số hạn chế như thời gian thực hiện dài, chống chỉ định nếu bệnh nhân có cấy một số thiết bị kim loại.

Hiện tại, chụp MRI tim vẫn chưa được sử dụng rộng rãi trong lâm sàng. Nguyên nhân có thể do số chuyên gia làm MRI tim và sự tiếp cận với hệ thống này còn hạn chế. Do vậy, chỉ định MRI tim thường được khuyến cáo trong trường hợp cần đánh giá khi nghi ngờ có bất thường mạch vành hay cần đánh giá bệnh tim bẩm sinh phức tạp, hoặc trường hợp cần tránh tiếp xúc với tia X. Kỹ thuật PET/CT (positron emission tomography/ computed tomography) hiện nay trong tim mạch được chỉ định là đánh giá tình trạng cơ tim sống còn (myocardial viability), phân biệt vùng cơ tim choáng (stunning), đông miên (hibernating) với sẹo cơ tim.

PET/CT FDG được coi là phương pháp đánh giá khả năng hồi phục vận động, chức năng thất trái sau can thiệp tái tưới máu động mạch vành có độ nhạy cao. Sử dụng PET/CT có thể cho phép tiến hành đồng thời chụp động mạch vành bằng CT đa lớp cắt, kết hợp với các thông tin của PET về tình trạng chức năng như tưới máu cơ tim, đánh giá cơ tim sống còn được trình bày trên cùng 1 hình ảnh theo không gian 3 chiều. Phương pháp MSCT (multi-slice computer tomography) tim là kỹ thuật chụp không xâm lấn, cho phép khảo sát trực tiếp lòng mạch để biết mức độ hẹp lòng mạch, đồng thời 10 đánh được các tính chất mảng xơ vữa động mạch. Phương pháp này có độ tương phản cao, dễ áp dụng cho bệnh nhân vì thời gian nín thở chỉ từ 5 tới 7 giây.

Xạ hình tưới máu cơ tim MPI (myocardial perfusion imaging) bằng máy chụp cắt lớp phát xạ đơn photon SPECT (single photon emission computed tomography) là kỹ thuật dùng để đánh giá lượng máu nuôi tim có đầy đủ hay không trong lúc nghỉ ngơi và vận động. Kỹ thuật này thường được chỉ định để tìm nguyên nhân đau ngực cũng như sau nhồi máu cơ tim để kiểm tra vùng nào của tim không nhận đủ máu hoặc đánh giá độ rộng tổn thương cơ tim. Bên cạnh đó, kỹ thuật SPECT MPI còn được dùng để xác định xem động mạch vành có bị hẹp hay không và hẹp ở mức độ nào. Phương pháp này sẽ được trình bày nhiều hơn ở phần tiếp theo của luận án.

Xạ hình tưới máu cơ tim bằng máy SPECT 1. Nguyên lý của phương pháp chụp xạ hình tưới máu cơ tim. Có nhiều phương pháp để chẩn đoán bệnh động mạch vành, từ bệnh sử của cơn đau thắt ngực, đến các xét nghiệm chẩn đoán không xâm lấn như điện tâm đồ, siêu âm, chụp cộng hưởng từ, xét nghiệm chẩn đoán xâm lấn như chụp mạch cản quang qua da, xạ hình tưới máu cơ tim.Mỗi xét nghiệm đều có những ưu, nhược điểm riêng. Tuy nhiên, phương pháp xạ hình tưới máu cơ tim MPI được sử dụng phổ biến hơn cả trong các trường hợp nguy cơ trung bình và cao vì những giá trị trong chẩn đoán nó mang lại.

Để thực hiện kỹ thuật này, bệnh nhân được tiêm dược chất phóng xạ vào cơ thể theo đường tĩnh mạch. Sau đó, máy SPECT sẽ chụp lại hình ảnh của những chất này di chuyển trong tim. Những chất đánh dấu sẽ đến tim thông qua đường máu. Khi những chất đánh dấu này đến cơ tim thì những nơi nào cơ tim còn hoạt động tốt sẽ hấp thụ đầy đủ những chất đánh dấu này, còn những nơi không hấp thụ chất đánh dấu thì chính là vùng không nhận đủ máu hoặc có thể đã bị hư hại bởi nhồi máu cơ tim.

Để cụ thể hơn, quá trình tạo ảnh xạ hình tưới máu cơ tim bằng máy SPECT được mô tả như sau: Trong thực tế, quả tim được nuôi dưỡng bởi 3 nhánh động mạch gồm động mạch vành phải, động mạch vành trái và động mạch liên thất trước. Trong phần nguyên lý tạo ảnh xạ hình tưới máu cơ tim, tác giả giả sử quả tim được nuôi bởi 2 động mạch là động 11 mạch phải và động mạch trái (hình 1. Động mạch phải không bị sơ vữa, máu lưu thông tốt. Động mạch trái bị sơ vữa, lưu lượng máu lưu thông bị hạn chế.

Đặc trưng hình ảnh khuyết xạ trên xạ hình tưới máu cơ tim Dược chất phóng xạ Tc99m được tiêm vào người bệnh nhân, theo cơ chế sinh lý sẽ bị cơ tim bắt giữ.