Chương 1: Giới thiệu. Trình bày lý do chon đề tài, mục tiêu, đối tượng và phạm vi nghiên cứu và đóng góp của đê tài. e Chương 2: Tổng quan đề tài. Phân tích và đánh giá các thách thức trên ảnh MRI và tác vụ phân đoạn ngữ nghĩa.
Khảo sát hướng nghiên cứu đã được thực hiện bởi các tác giả trong và ngoài nước liên quan đến đề tài; nêu rõ những vấn dé còn tồn tại; và chỉ ra những van dé mà đề tài cần tập trung nghiên cứu và giải quyết. e Chương 3: Nghiên cứu thực nghiệm. Mô tả bài toán, giới thiệu những bộ dữ liệu dùng cho thí nghiệm. Bên cạnh đó khảo sát các phương pháp tiền xử lý phố biến cho ảnh MRI trong những năm gần đây và đề xuất phương pháp tiền xử lý.
Ngoài ra, trình bày cơ sở lý thuyết của các mô hình học sâu và cài đặt phương pháp đề xuất. e Chương 4: Kết quả và bàn luận. Trình bày các kết quả đánh giá hiệu suất mô hình thực nghiệm. Thảo luận về tính năng của phương pháp đề xuất, đồng thời phân tích những mặt hạn chế của nghiên cứu.
e Chương 5: Chương trình minh hoa. Trình bày cách tích hợp phương pháp đề xuất vào ứng dung 3D Slicer. e Chương 6: Kết luận và hướng phát triển. Tóm tắt công tình nghiên cứu, chỉ ra những ưu điểm và đóng góp của công trình.
Đề xuất các hướng nghiên cứu tiếp theo. TONG QUAN DE TAI 2. Tac vu phan đoạn ngữ nghĩa 2. Khái niệm, ứng dụng và thách thức Phân đoạn ngữ nghĩa (Semantic Segmentation) là một mảng then chốt trong thị giác máy tính, tập trung vào việc phân loại từng pixel trong ảnh cho phép phân biệt các đối tượng và ranh giới của chúng trong ảnh.
Nhờ vậy, các đối tượng hoặc vùng cụ thể trong ảnh được xác định rõ ràng. Quá trình này đòi hỏi mô hình phải hiểu biết sâu sắc về cả ngữ cảnh không gian và ngữ cảnh nội dung của từng điểm ảnh, từ đó phân biệt chính xác giữa các đối tượng khác nhau. Đầu ra là một hình ảnh được phân đoạn trong đó mỗi pixel được dán nhãn, hiểu rõ các đối tượng và môi quan hệ của chúng trong hình ảnh. Trong nghiên cứu và ứng dụng thực tế, phân đoạn ngữ nghĩa được sử dụng rộng rãi trong nhiều lĩnh vực, từ xe tự hành, y tế, đến phân tích video giám sát.
Trong y học, đặc biệt trong chan đoán hình anh, phân đoạn ngữ nghĩa đóng vai trò then chốt trong việc phân tích, xử lý hình ảnh y tế. Cu thé, phân đoạn khối u não, công nghệ này giúp xác định và phân ranh giới khối u với các mô lành xung quanh, hỗ trợ các bác sĩ trong việc đưa ra chân đoán chính xác và lập kê hoạch điêu trị hiệu quả. Một trong những thách thức lớn của phân đoạn ngữ nghĩa là độ phức tạp tính toán và yêu cầu về dữ liệu huấn luyện lớn. Đề đạt được hiệu quả cao, các mô hình phải được huấn luyện trên các tập dữ liệu lớn với các hình ảnh được gán nhãn chính xác.
Điều này đòi hỏi sự kết hợp của các kỹ thuật học sâu, chăng hạn như việc sử dụng các mạng nơ-ron sâu, các phương pháp học tăng cường và việc tích hợp dữ liệu từ nhiều nguồn khác nhau. Ngoài ra, việc đánh giá hiệu suất của các mô hình phân đoạn ngữ nghĩa cũng rất quan trọng. Các chi số như IoU (Intersection over 11 Union) hay Dice coefficient thường được sử dụng để đo lường độ chính xác. Điều này giúp các nhà nghiên cứu tối ưu hóa thuật toán và nâng cao hiệu quả phân đoạn trong ứng dụng thực tế.
Tóm lại, phân đoạn ngữ nghĩa là một lĩnh vực đầy tiềm năng và thử thách trong thị giác máy tính, đặc biệt là trong y tế, nơi mà khả năng phân tích hình ảnh chính xác có thể đóng góp lớn vào việc chân đoán và điều trị bệnh. Những tiến bộ trong công nghệ học sâu và khả năng xử lý đữ liệu đang mở ra nhiều cơ hội mới cho việc phát triển các hệ thống phân đoạn ngữ nghĩa hiệu quả và ứng dụng rộng rãi trong thực tế. Phân đoạn khối u não Phân đoạn khối u não hay u thần kinh đệm (Glioma) là một bài toán nhỏ của bài toán phân đoạn ngữ nghĩa về lĩnh vực y tế. Do đó, nó kế thừa ứng dụng và thách thức của bài toán phân đoạn ngữ nghĩa, và cách tiếp cận vấn đề cũng tương tự vậy.
Các mô có cùng đặc điểm sẽ được gan giá trị phân lớp giống nhau, các vùng khối u sẽ được tách biệt khỏi các phần không phải khối u. Hơn nữa, khối u có thể được phân đoạn chi tiết hơn dựa trên các đặc tính sinh học và tình trạng phát triển của nó. Mỗi nhãn sẽ được gán cho từng lát cắt MRI, sau đó được sử dụng dé huấn luyện và đánh giá. Do đó, việc gan nhãn chính xác là điều cốt yếu dé phát triển một mô hình phân đoạn hiệu quả.
Dé đảm bảo chất lượng nhãn, quá trình gan nhãn thường được thực hiện bởi nhiều chuyên gia, từ đó tăng tính chính xác và độ tin cậy của dữ liệu huấn luyện. Điều này đặc biệt quan trọng trong y học, nơi độ chính xác của mô hình phân đoạn có thê ảnh hưởng trực tiếp đến quá trình chân đoán và điều trị. Theo hệ thống phân loại khối u được World Health Organization (WHO) [1]. U thần kinh đệm, loại u não pho bién nhat, thường được phân loại thành u thần kinh đệm cấp độ thấp (LGG) và u thần kinh đệm cấp độ cao (HGG).
Các khối u HGG thường là ung thư và gần 3/5 số người trưởng thành được chân đoán mắc HGG, có ty lệ tử vong cao và tốc độ tăng trưởng nhanh [2]. Các khối u não cũng phô biến rộng rãi ở trẻ nhỏ [3]. Do đó, chân đoán sớm và chính xác sẽ giúp lập kế hoạch 12 chiến lược và tiên lượng điều trị. Các khối u phổ biến thường được chia thành ba loại lần lượt là hoại tử (Necrosis), phần khối u ngâm thuốc (Enhancing Tumor) và phù nề (Edema).
Hoai tử: là tình trạng chêt của các tê bào trong mô, xảy ra khi các tê bào bi tôn thương hoặc thiêu máu cục bộ nghiêm trọng. Trong ngữ cảnh của khôi u não, hoại tử thường xuât hiện ở trung tâm của khôi u ác tính, nơi ma nguôn cung cap máu không đủ đề nuôi dưỡng tất cả các tế bào ung thư. Phần khối u ngắm thuốc: là khu vực của khối u có sự gia tăng bắt giữ thuốc cản quang sau khi tiêm thuốc vào cơ thé. Điều này thường chỉ ra rang vùng này có sự phát triên mạnh mẽ của các mạch máu mới, một đặc điêm của các khôi u ác tính.
Phù nề: là tình trạng tích tụ chất lỏng trong các khoảng kẽ của mô, gây ra bởi sự rò rỉ mạch máu hoặc phản ứng viêm. Trong ngữ cảnh của khối u não, phù nề thường xuât hiện xung quanh khôi u, do phản ứng của mô não với sự hiện diện của khôi u. Việc phân đoạn có nhiêu hữu ích gi trong quá trình điêu trị và phâu thuật: Chan đoán chính xác hơn: Phân đoạn khối u giúp xác định chính xác vị tri, kích thước và hình dạng của khối u, cung cấp thông tin chỉ tiết cho bác sĩ dé đưa ra chân đoán đúng đắn. Điều này rất quan trọng trong việc phân loại loại khối u và lập kế hoạch điều trị phù hợp.
Phân loại loại khối u: Việc phân đoạn giúp phân biệt các loại khối u khác nhau dựa trên đặc điểm hình ảnh học của chúng. Điều này hỗ trợ trong việc lựa chọn phương pháp điều trị phù hợp, vì mỗi loại khối u có thể yêu cầu một cách tiếp cận điêu tri khác nhau. Lập kế hoạch phẫu thuật chính xác: Phân đoạn khối u cho phép các bác sĩ phẫu thuật lập kế hoạch chỉ tiết cho quá trình phẫu thuật, bao gồm việc xác định đường mồ tối ưu và chiến lược loại bỏ khối u một cách hiệu quả nhất, đồng thời tránh tổn thương các mô não quan trọng xung quanh. Chụp cộng hưởng từ (MRI) 2.
Tổng quan về hình ảnh MRI Chup cộng hưởng từ (MRI) là một trong những kỹ thuật xét nghiệm thần kinh được sử dụng rộng rãi nhất hiện nay. MRI tạo ra các hình ảnh rất chỉ tiết về não bộ, tuy sống và hệ mạch máu. Với khả năng hién thị ba chiều, MRI cung cấp các hình ảnh của não bộ theo ba chiều không gian: từ đỉnh đầu xuống cằm (axial), từ sau gáy đến trước mặt (sagittal), va từ bên trái sang bên phải (coronal). Nhờ vào khả năng này, hình MRI có cái nhìn toàn diện và chính xác về cấu trúc bên trong não.1 minh hoạ ảnh MRI được hiển thị 3 chiều (a).
coronal, theo nghiên cứu của Padmanaban và đồng nghiệp [4]. Phương pháp chụp cộng hưởng từ dựa trên hiện tượng từ tính của các hạt nhân nguyên tử, đặc biệt là các proton trong nước do cơ thé con người phan lớn là nước. Khi thực hiện, một từ trường mạnh và đồng nhất được áp dụng xung quanh khu vực mô cần chụp. Từ trường này sẽ định hướng các proton trong nước theo một hướng nhất định.
Sau đó, các sóng radio được sử dung dé thay đôi hướng của các proton. Khi các proton quay trở lại trạng thái ban đầu, chúng phát ra năng lượng. Quá trình này được lặp lại nhiều lần với thời gian giữa các lần phát sóng được gọi là TR (Time of Repetition) va thời gian từ khi phat sóng đến khi nhận tín hiệu phản hồi được gọi là TE (Time to Echo). Dựa trên các thông sỐ này, người ta có thể tạo ra 14 nnhiều phương thức chụp khác nhau để phù hợp với từng loại mô, cho phép MRI cung cấp hình ảnh chỉ tiết và phân biệt rõ các loại mô trong cơ thé.
Hình anh đa phương thức Trong lĩnh vực hình ảnh y khoa, "đa phương thức (Multimodal) trong anh MRI" đề cập đến việc sử dụng các chuỗi xung và kỹ thuật khác nhau trong cùng một phiên chụp MRI dé thu thập thông tin chi tiết và phong phú hơn về mô và cấu trúc bộ não. Có 4 phương thức phổ biến [5] bao gồm : e T1-Weighted Imaging (T1): là một loại hình ảnh MRI sử dụng sóng radio tần số thấp dé tạo ra hình ảnh chi tiết của các cấu trúc não, dùng dé đánh giá cau trúc giải phẫu, phát hiện các tổn thương và khối u, khảo sát các bất thường về hình thái não.