Chương I. Giói thiệu bài toán. Động cơ nghiên cứu. Bài toán phân vùng các chất trong não và hồ trợ chấn đoán bệnh.
Mục tiêu và phạm vi nghiên cứu. Các đóng góp chính của luận án. Bố cục cua luận án. PHÂN VÙNG NÃO TÙ ẢNH NÃO TRÊN MRI3 CHIỀU.1 Tổng quan các nghiên cứu phân vùng não.2 Các thuật toán cho bài toán phân vùng não.2 Thuật toán Otsu.3 Thuật toán Fast Marching.3 Phuong pháp đề xuất phân vùng não.
Phân vùng não bằng phương pháp Adaptive Region Growing. Phân vùng não bàng phương pháp Adaptive Fast Marching.4 Kết chương. 24 Chương 3 PHÂN VÙNG CHẮT TRÂNG, CHẮT XÁM, VÀ DỊCH NÃO TUỶ. Tống quan các nghiên cứu phân vùng ba chất trong não.
Các thuật toán trong bài toán phân vùng các chất trong não. Mô hình U-Net. Gaussian Mixture Model. Phuong pháp đề xuất phân vùng các chất trong não.
Phân vùng các chất trong não sử dụng B-UNet. Phân vùng các chất trong não sử dụng Adaptive U-Nct và Local CNN 34 3. Phân vùng các chất sử dụng CNN 3 chiều thu nhỏ và CNN 2 chiều. Phân vùng các chất trong não sử dụng CNN 2 chiều với R.
Kết chương. 44 Chương 4 PHƯƠNG PHÁP HỎ TRỢ CHẮN ĐOẢN BỆNH ALZHEIMER.1 Tổng quan các nghiên cứu chấn đoán bệnh Alzheimer.2 Các thuật toán ứng dụng trong bài toán chẩn đoán bệnh.1 Thuật toán SVM.2 Thuật toán XGBoost.3 Phương pháp đề xuất hỗ trợ chẩn đoán bệnh Alzheimer.4 Kết chương. 51 Chương 5 KÉT QUẢ CÀ THẮO LUẬN. PhưoTig pháp đánh giá.
Phân vùng ánh não và 3 chất trong não. Kết quả thực nghiệm. Tập dừ liệu thực nghiệm. Kết quả thực nghiệm tách hộp sọ.
Ket qua thực nghiệm phân vùng 3 đối tượng trong não. Kết quả thực nghiệm cho 2 bài toán: phân vùng ba đối tượng trong não và chân đoán AD. Kết chương. 72 Chương 6 KÉT LUẬN VÀ HƯỚNG PHÁT TRIỂN.2 Hưóng phát triển của luận án.
73 DANH MỤC CÔNG TRÌNH CỦA TÁC GIẢ. 75 TÀI LIỆU THAM KHẢO.77 IV Danh mục các chữ viết tắt Alzheimer Disease (AD): Bệnh Alzheimer Magnetic Resonance Imaging (MRI): Hình ảnh cộng hưởng từ Computed tomography (CT): cắt lớp vi tính Positron Emission Tomography (PET): cắt lớp phát xạ positron White Matter (WM): Chất trắng Gray Matter (GM): Chất xám Cerebrospinal Fluid (CSF): Dịch não tuỷ Brain Extraction Tool (BET): 1 công cụ phân vùng não Brain Surface Extractor (BSE): I công cụ phân vùng nào FMRIB Software Library (FSL): công cụ phân vùng các chất trong não Convolutional neural network (CNN): Mạng nơ-ron tích chập Statistical Parametric Mapping (SPM): Một công cụ phân vùng não Functional Magnetic Resonance Imaging (fMRI): Một công cụ phân vùng nào Diffusion tensor imaging (DTI): Chụp cộng hưởng từ khuếch tán sức căng Breadth-first search (BFS): Thuật toán tìm kiếm theo chiều rộng Expectation-Maximization (EM): Thuật toán cực đại hóa kỳ vọng Relationship Probability of Pixel (RPP): Xác suất moi quan hệ diem ành Clinical Dementia Rating (CDR): Bảng đánh giá chứng mất trí nhớ lâm sàng V Danh mục các bảng 1. Minh họa gom nhóm các lát cắt dựa trên hình dạng hộp sọ. Các loại lát cắt dựa trên hình dạng não.
Minh họa kết quả của một lát cắt trong nhóm 3 của cơ sở dữ liệu BrainWeb. Màu sắc thề hiện kết quá bị phân vùng sai trong đó màu xanh là vùng của phương pháp đề xuất và màu hồng là vùng của chuyên gia. Minh họa kết quá cua một lát cắt trong nhóm 3 cua cơ sơ dữ liệu Neurodevelopmental MRĨ. Màu sắc thể hiện kết quâ bị phân vùng sai trong đó màu xanh là vùng của phương pháp đề xuất và màu hồng là vùng của chuyên gia.
So sánh phương pháp đề xuất Adaptive Region Growing với các phương pháp phồ biển (BET và BSE). So sánh phương pháp đề xuất Adaptive Fast Marching với các phương pháp phân vùng não. So sánh phương pháp đề xuất Adaptive Fast Marching với phương pháp BET phân vùng hộp sọ và da đau. So sánh 2 phương pháp đề xuất phân vùng não với phương pháp khác.
Ket quả so sánh phương pháp đề xuất phân vùng 3 đối tượng trong não với các phương pháp khác. Thông tin chi tiết mô hình CNN đề xuất phân vùng 3 đối tượng trong não. Kết quả các phương pháp đề xuất phân vùng 3 đổi tượng trong não và các phương pháp thu được bang phương pháp U-Net truyền thống (Dice). Thông tin chi tiết mô hình CNN đề xuất phân loại lát cắt.
Độ chính xác phương pháp đề xuất chẩn đoán AD và phương pháp khác để chẩn đoán AD từ ánh não sau khi tách hộp sọ trên MRĨ 3 chiều.71 VI Danh mục các hình vẽ, đồ thị 1. Minh họa một số ảnh y khoa trong chân đoán hình ãnh. Từ trái qua phài là ảnh phôi trên X-quang, ảnh phổi trên ảnh CT [24J, và ánh não trên MRI 1. Minh hoạ ba chất bên trong 1 lát cắt ánh não trên MR1 gồm chất xám, chất trắng và dịch não tủy.
Ba bài toán chính của bài toán hồ trợ chấn doán AD từ MRI. Hình 2-1 Hệ thống phân vùng não, hộp sọ và da đầu bàng phương pháp Otsu nhiều lớp và Adaptive Region Growing. Hình 2-2 Minh họa lát cắt trên cùng, lát cắt bôn dưới và 4 nhóm các lát cắt dựa trên hình dạng hộp sọ. Hệ thống phân vùng não, da đầu và hộp sọ từ MRI.
Minh hoạ kết quă sử dụng phương pháp Otsu để phân vùng đầu 19 8. Minh hoạ các mặt phăng 8 bit cua một lát cắt anh não trên MRI (a) BrainWeb (b) Cơ sở dừ liệu MRI NeuronDevelopmental. Hình 2-6 Minh hoạ sừ dụng AFM với ngưỡng T = 0,04. Các phương pháp phân vùng WM, GM và CSF.
Minh hoạ• một • sâu cơ bản. 28 • mô hình học 12. Kiến trúc U-Net (ví dụ cho 32x32 điểm anh ớ layer thấp nhất) 1841. Minh họa cãi tiến Convolution layer trong mô hình B-UNet.
Tống quan về phương pháp đề xuất phân vùng ba đối tượng trong não từ ảnh não trên MRĨ. Phương pháp đề xuất phân vùng “vùng chẳc chắn” và “vùng chưa chắc chắn” dựa trên mô hình CNN. Phương pháp đề xuất phân vùng “vùng chắc chắn” và “vùng không chắc chắn” dựa trên mô hình CNN. Sự kết hợp của 2 kernels với kích cỡ khác nhau và 2 phương pháp giám mẫu khác trong Convolution layer.
Mô hình CNN phân loại “vùng chưa chắc chắn” trong MRI 2 chiều. Minh hoạ cứa sổ trượt với 4 ảnh đầu vào gồm ánh ban đầu, “vùng chắc chắn” của ảnh trước, ảnh đang xét và ảnh sau. Phương pháp đề xuất U-Net 3 chiều thu nhó phân vùng các chất từ ảnh não trên MRI. Phương pháp đề xuất phân vùng các chất từ kết qua CNN 3 chiều thu nhỏ.
Phương pháp đề xuất phân vùng các chất trong não sử dụng CNN 2 chiều với RPP từ ánh não trên MR1. Nhóm các phương pháp hồ trợ chấn đoán AD của nhóm tiêu chuấn về hình anh học của ảnh não trên MRI. Margin của hai lớp là bàng nhau và lớn nhất có thề. Minh hoạ mô hình CNN phân loại anh.
Một phương pháp được đề xuất để dự đoán bệnh Alzheimer bằng cách sử dụng XGBoost từ các chất WM, GM và CSF trong ảnh não trên MR1. Một phương pháp được đề xuất đe chấn đoán AD bằng cách sử dụng SVM với lựa chọn đặc trưng từ XGBoost. Sự phù hợp giữa kết quá phân vùng (A) so với phân vùng của chuyên gia (B). Ket qua độ đo Dice khi sứ dụng phương pháp đề xuất Adaptive Fast Marching cho 20 đổi tượng trong cơ sở dữ liệu BrainWeb.
Ket quả độ đo Dice khi sử dụng phương pháp đề xuất Adaptive Fast Marching cho 7 đối tượng trong cơ sở dữ liệu Neurodevelopmental MRI. Một ví dụ vê kêt quả thu được băng phương pháp đê xuât phân vùng 3 chất trong não. Từ trái sang phải là kết quả cua: U-Net, phương pháp đề xuất và ảnh phân vùng thủ công. Sự khác biệt chính chủ yếu là biên của các đối tượng bên trong hình chữ nhật màu đỏ.
Giói thiệu bài toán 1. Động CO’ nghiên cứu Hệ thần kinh là bộ phận điều khiển mọi chức năng cùa cơ thể, nên khi hệ thần kinh gặp vấn đề sẽ gây anh hưởng lớn đến não bộ, túy sống và các dây thần kinh. Bệnh thần kinh chiếm 1/3 sổ bệnh tật toàn cầu và trở nên phổ biến hơn khi dân số già di [1-3]. Ngày nay có rất nhiều bệnh ở hệ thần kinh anh hương đến hàng triệu người trên thế giới như u nào, tổn thương não, đột quỵ, sa sút trí tuệ [4], Sa sút trí tuệ (Dementia) 151 bao gồm các triệu chứng do những sự rối loạn ảnh hương đến não bộ gây ra.
Bệnh sa sút trí tuệ làm anh hướng đến suy nghĩ, hành vi và khả năng thực hiện những công việc hàng ngày. Chức năng của nào bộ bị ảnh hưởng gây cản trở đến cuộc sổng xã hội hay làm việc bình thường cúa người bệnh. Nguyên nhân gây bệnh sa sút trí tuệ là do tốn thương hoặc mất các tế bào thần kinh, các kết nổi cúa tể bào ở trong não. Tùy thuộc vào khu vực não bị ánh hưởng do ton thương, bệnh sa sút trí tuệ có thể ảnh hưởng đến mồi người khác nhau và gây ra các triệu chứng khác nhau.
Bệnh Alzheimer là nguyên nhân phố biến nhất của bệnh sa sút tri tuệ phát triển ờ người lớn tuổi. Theo tổ chức Alzheimer the giới, năm 2019 có hơn 50 triệu người bị chứng sa sút tri tuệ trên toàn cầu và dự kiến tăng lên 152 triệu người vào năm 2050. Hiện nay, mỗi năm chi phí cho bệnh sa sút trí tuệ ước tính khoáng I nghìn tý đô la Mỹ và dự đoán sẽ tăng gấp đôi vào năm 2030 [6]. Alzheimer Disease (AD) [71 là bệnh gây ra những thay đổi bất thường trong não, chủ yếu ảnh hưởng đến trí nhớ và khả năng trí tuệ.
Alzheimer là một loại bệnh, không phải là một phan của quá trình lão hóa. Đối với AD, mat trí nhớ lả triệu chứng thường gặp đầu liên. Khi có bệnh, người bệnh mất khả năng lý luận, ngôn ngữ, khả năng ra quyết định, phán đoán và các kỹ năng quan trọng khác khiến người bệnh không thể kiềm soát cuộc sống hàng ngày nếu không có sự giúp đờ cúa người khác. Người bệnh cũng có nhìrng thay đổi về tính cách và hành vi.
Mặc dù AD có đặc điểm riêng đối với mồi cá nhân nhưng có nhiều triệu chứng xuất hiện tương tự với các bệnh liên quan đến ruổi già hoặc biểu hiện cùa căng thăng thần kinh [8]. Khi người bệnh 1 nghi ngờ bị AD, chẩn đoán thường được thực hiện bàng cách đánh giá hành vi và kiêm tra nhận thức kèm theo chụp Magnetic Resonance Imaging (MRI) [9]. Khi bệnh tiến triển, các triệu chứng bao gồm nhầm lẫn, khó chịu, thay đối tâm trạng, mất khả năng phân tích ngôn ngữ, mất trí nhớ dài hạn, suy giảm các giác quan. Sau đó, cơ thể sẽ mất đi một số chức năng và cuối cùng dẫn đến cái chết.