Luận văn thạc sĩ: Phát hiện biên đối tượng trong ảnh y khoa sử dụng gradient vector flow

Chuyên đề nghiên cứu Phát hiện biên đối tượng trong ảnh y khoa bằng kỹ thuật ..., cập nhật xu hướng mới, giá trị tham khảo cao cho chuyên gia công

Trường đại học

Đại học Bách Khoa - ĐHQG - HCM

Chuyên ngành

Khoa học máy tính

Tác giả

Trần Đức Tâm

Người đăng

Ẩn danh

Thể loại

luận văn thạc sĩ

2014

96
2
0

Phí lưu trữ

35 Point

Tóm tắt

I. Giới thiệu đề tài

Trong lĩnh vực y khoa, việc phát hiện biên đối tượng trong ảnh y khoa là một nhiệm vụ quan trọng. Phát hiện biên giúp các bác sĩ xác định rõ ràng các cấu trúc bên trong cơ thể bệnh nhân, từ đó đưa ra chẩn đoán chính xác hơn. Ảnh y khoa như CT, MRI, và X-quang thường gặp khó khăn trong việc phân biệt các đối tượng do chất lượng hình ảnh không tốt. Việc sử dụng kỹ thuật gradient vector flow (GVF) để phát hiện biên là một giải pháp hứa hẹn. Kỹ thuật này không chỉ giúp cải thiện độ chính xác mà còn giảm thiểu thời gian xử lý. Đề tài này sẽ tập trung vào việc áp dụng GVF để phát hiện biên trong ảnh y khoa, từ đó nâng cao hiệu quả chẩn đoán.

II. Cơ sở lý thuyết và các nghiên cứu liên quan

Để phát hiện biên trong ảnh y khoa, cần hiểu rõ về các định dạng ảnh như DICOM và các phương pháp xử lý ảnh. Cân bằng Histogramlọc nhiễu Gaussian là những kỹ thuật quan trọng giúp cải thiện chất lượng ảnh trước khi áp dụng các phương pháp phát hiện biên. Nghiên cứu trước đây đã chỉ ra rằng phân đoạn ảnh và các phương pháp như Active Contour Model có thể mang lại kết quả khả quan. Tuy nhiên, việc kết hợp các phương pháp này với GVF có thể tạo ra những cải tiến đáng kể trong việc phát hiện biên. Các nghiên cứu liên quan đã chứng minh rằng việc sử dụng GVF có thể làm nổi bật các đường biên mà các phương pháp khác không thể phát hiện.

III. Phát hiện biên đối tượng trong ảnh y khoa

Mô hình tổng quát của giải thuật phát hiện biên sử dụng gradient vector flow để xác định các đường biên trong ảnh y khoa. Quá trình này bao gồm các bước như tăng cường chất lượng ảnh, xác định đường biên khởi tạo và làm nổi biên. Việc sử dụng phương pháp đánh giá như Jaccard Index giúp xác định độ chính xác của kết quả. Kết quả thực nghiệm cho thấy phương pháp này đạt được độ chính xác cao hơn so với các phương pháp truyền thống. Điều này chứng tỏ rằng việc áp dụng GVF trong phát hiện biên là một bước tiến quan trọng trong xử lý ảnh y khoa.

IV. Thực nghiệm và kết quả kiểm chứng

Trong phần thực nghiệm, các thông số đầu vào và tập dữ liệu thử nghiệm được xác định rõ ràng. Kết quả thực nghiệm cho thấy phương pháp phát hiện biên dựa trên GVF có hiệu suất vượt trội so với các phương pháp khác như Level Set và Meanshift. Các chỉ số TPR và TNR cho thấy tỷ lệ phát hiện đúng và tỷ lệ phát hiện sai thấp, chứng tỏ rằng phương pháp này có thể được áp dụng rộng rãi trong thực tế. Việc so sánh với các giải thuật khác cũng cho thấy rõ ràng ưu điểm của phương pháp đề xuất trong việc phát hiện biên đối tượng trong ảnh y khoa.

V. Kết luận

Luận văn đã trình bày một phương pháp hiệu quả để phát hiện biên đối tượng trong ảnh y khoa bằng kỹ thuật gradient vector flow. Kết quả đạt được không chỉ có giá trị về mặt lý thuyết mà còn có ứng dụng thực tiễn cao trong lĩnh vực y khoa. Việc cải thiện độ chính xác và giảm thời gian xử lý là những đóng góp quan trọng của nghiên cứu này. Hướng phát triển tương lai có thể bao gồm việc áp dụng phương pháp này cho các loại ảnh y khoa khác nhau và mở rộng nghiên cứu sang các lĩnh vực khác trong xử lý ảnh.

Tóm tắt và mô tả trên trang này được tạo với sự hỗ trợ của AI. Nếu bạn thấy nội dung không chính xác hoặc có vấn đề, vui lòng Báo lỗi nội dung.

09/02/2025

Trích đoạn nội dung tài liệu

Chương 1: Giới thiệu khái quát về vấn đề được đề cập trong luận văn này, xác định động cơ, nội dung thực hiện và giới hạn của đề tài. Chương 2: Giới thiệu về các định dạng ảnh y khoa và kỹ thuật xử lý ảnh phục vụ cho bài toán phát hiện và làm rõ đường biên như: cân bằng Histogram, phát hiên biên, phân đoạn ảnh và các nghiên cứu hiện có liên quan đến đề tài. Chương 3: Trình bày nghiên cứu chi tiết về giải thuật đề xuất trong luận văn. Chương 4: Trình bày kết quả thực nghiệm, đánh giá hiệu quả của giải thuật đề xuất qua các độ đo Jaccard Index, True Positive Rate, True Negative Rate.

Chương 5: Tổng hợp kết luận, các kết quả đã đạt được, ưu nhược điểm và hướng phát triển đề tài. 6 Luận văn thạc sỹ - Chương 2 Trần Đức Tâm - 12070544 CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ CÁC NGHIÊN CỨU LIÊN QUAN Trước khi chọn phương pháp để hiện thực, tác giả đã tìm hiểu cơ sở lý thuyết liên quan như những phương pháp chính: phát hiện đường biên, làm rõ đường biên, xác định và phân vùng đối tượng trọng tâm. Mỗi phương pháp lại ứng dụng trong một hoàn cảnh khác nhau. Đặc biệt, do đối tượng nghiên cứu chính của đề tài là dữ liệu ảnh y khoa nên việc nắm rõ cấu trúc và đặc trưng của chúng là vô cùng cần thiết.

Trong phần này sẽ giới thiệu những kiến thức cơ bản về ảnh y khoa và các phương pháp xử lý ảnh; đồng thời khảo sát các công trình nghiên cứu liên quan. Định dạng ảnh y khoa Digital Imaging and Communications in Medicine (DICOM) [33] là tiêu chuẩn lưu trữ, truyền-nhận ảnh trong y tế, tiêu chuẩn này cũng bao gồm định nghĩa cấu trúc thông tin được lưu trong file ảnh y tế. Cấu trúc tập tin DICOM chứa những thông tin:  Thông tin bệnh nhân.  Thông tin về lần khám của ảnh.

 Thời gian chụp.  Thông tin về thiết bị y khoa tạo ra ảnh.  Ảnh của bệnh nhân. X-ray Computed Topography (x-ray CT) [34] là công nghệ sử dụng tia X được xử lý bằng máy tính để thu nhận hình cắt lớp của những khu vực đặc biệt trên đối tượng, cho phép người dùng có thể quan sát bên trong cơ thể mà không cần phải phẫu thuật.

Quá trình xử lý hình ảnh số sẽ tái tạo ảnh ba chiều từ một chuỗi nhiều ảnh X quang 2 chiều được chụp xoay quanh một trục. Ảnh y khoa là ứng dụng phổ biến của x-ray CT, hình ảnh cắt ngang của nó được sử dụng trong mục đích chẩn đoán và tiên lượng trong các lĩnh vực y khoa khác nhau. Dạng thức ảnh vi tính cắt lớp đơn - computed tomography (còn gọi là CT) thường được sử dụng hơn x-ray CT [38], mặc dù còn có các dạng thức khác (như là positron 7 Luận văn thạc sỹ - Chương 2 Trần Đức Tâm - 12070544 emission tomography [PET] and single-photon emission computed tomography [SPECT]). CT sản sinh một khối lượng dữ liệu có thể được điều khiển để minh họa những cấu trúc khác nhau của cơ thể người dựa trên khả năng ngăn chặn tia X của cơ thể.

Mặc dù, hình ảnh sinh ra được nằm trên trục hoặc mặt phẳng ngang, vuông góc với chiều dài cơ thể người, nhưng với một máy quét hiện đại sẽ cho phép lượng dữ liệu này tái định dạng trên nhiều mặt phẳng khác nhau, thậm chí có thể biểu diễn dạng 3 chiều của cấu trúc. Ngoài việc ứng dụng trong y học, CT còn được sử dụng trên nhiều lĩnh vực khác, như là kiểm định chất liệu mà không cần phá hủy. Kể từ lần xuất hiện đầu tiên vào những năm 70 của thế kỉ XX, CT đã trở thành một công cụ quan trọng bổ sung vào ngành X-quang và siêu âm y tế (medical ultrasonography). Ngày nay, CT vẫn được sử dụng để phòng ngừa và tầm soát bệnh, ví dụ như CT đường ruột cho những bệnh nhân có nguy cơ mắc bệnh ung thư ruột kết, hoặc quét full-motion cho tim đối với các bệnh nhân có nguy cơ mắc bệnh tim.

Ngoài ra, CT còn có thể quét qua các bộ phận khác để theo dõi nguy cơ mắc bệnh như: o Đầu: quét CT đầu được sử dụng để phát hiện triệu chứng tụ máu, khối u, vôi hóa, xuất huyết và tổn thương hộp sọ. Cấu trúc hypodense (vùng tối) có thể phát hiện phù nề và tụ máu, cấu trúc hypodense (vùng sáng) có thể phát hiện vôi hóa, xuất huyết và tổn thương hộp sọ. o Phổi: CT có thể được sử dụng để phát hiện những thay đổi cả cấp tính và mãn tính ở nhu mô nằm bên trong của phổi, đặc biệt là nếu dùng kĩ thuật chụp X- quang hai chiều bình thường không cho thấy khiếm khuyết đó. Nhiều kỹ thuật được sử dụng tùy thuộc vào sự nghi ngờ bất thường.

Để có thể phát hiện những triệu chứng kinh niên (khí phế thũng, xơ hóa, vv), người ta sử dụng những tia CT mỏng có thể tái tạo tần số không gian bậc cao, kỹ thuật đặc biệt này được gọi là CT có độ phân giải cao. o Chụp mạch phổi: chụp mạch phổi CT (CTPA) là một xét nghiệm chẩn đoán y tế được sử dụng để chẩn đoán nghẽn mạch phổi (PE). Nó sử dụng chụp cắt lớp vi tính và một chất xúc tác tương phản iodine dựa để có được hình ảnh của động mạch phổi. 8 Luận văn thạc sỹ - Chương 2 Trần Đức Tâm - 12070544 o Tim: với sự ra đời cùa trục quay subsecond kết hợp với CT đa lát cắt (lên đến 320 lát cắt), có thể nhận được những hình ảnh có độ phân giải cao và tốc độ cao cùng một lúc, cho phép hình ảnh chất lượng cao của động mạch vành (CT tim mạch máu).

o Bụng và xương chậu: CT là một phương pháp nhạy cảm để chẩn đoán các bệnh ở vùng bụng. Nó thường xuyên được sử dụng để xác định giai đoạn ung thư và theo dõi tiến trình. Đây cũng là một phép thử hữu ích để kiểm tra chứng đau bụng cấp tính o Xương: CT cũng được sử dụng để lấy hình ảnh những vết nứt gãy phức tạp của xương, đặc biệt là khu vực xung quanh các khớp. Các triệu chứng nứt gãy xương, chấn thương dây chằng và lệch xương có thể dễ dàng được phát hiện với độ phân giải 0.2 mm Mặc dù hình ảnh được tạo ra bởi CT khá chính xác, nhưng công nghệ này cũng vẫn mắc phải một vài lỗi như sau: o Vệt sọc nhân tạo: những vệt sọc thường được phát hiện xung quanh những chất liệu làm cản tia X, như là kim loại hoặc xương.

Rất nhiều yếu tố góp phần vào tạo nên những vệt sọc này, như là undersampling, thiếu photon, chuyển động, chùm tia bị đông cứng, và phân tán Compton. Điều này thường xảy ra ở vùng hố sau của não bộ, hoặc nếu có cấy ghép kim loại. Những vệt có thể được loại bỏ bớt bằng cách sử dụng các kỹ thuật CT mới được cải tiến hoặc phương pháp tiếp cận như giảm hiện vật kim loại (MAR). [1] o Ảnh bị mờ do ảnh hưởng của các thành phần vật chất: điều này sẽ gây ra hiện tượng “mờ” cạnh biên.

Nguyên nhân là do thiết bị quét không có khả năng phân biệt giữa một lượng nhỏ các vật chất có mật độ cao (ví dụ: xương) với một lượng lớn vật chất có mật độ thấp (ví dụ: sụn). o Nhiễu: xuất hiện các hạt trên ảnh và được gây ra bởi một tỷ lệ nhiễu tín hiệu thấp. Thường xảy ra khi sử dụng lát cắt mỏng hoặc do năng lượng cung cấp cho ống phóng tia X là không đủ để xuyên qua vật thể. o Ảnh bị mờ do chuyển động: hiện tượng này gây ra mờ ảnh, có khi kèm theo những vệt ảnh, do đối tượng di chuyển khi chụp.

9 Luận văn thạc sỹ - Chương 2 Trần Đức Tâm - 12070544 2. Các giải thuật xử lý ảnh: 2. Cân bằng Histogram Việc xử lý lược đồ mức xám (histogram) của ảnh kỹ thuật số là cơ sở cho nhiều kỹ thuật xử lý ảnh trên miền không gian. Lược đồ mức xám của ảnh có chiều dài L là một hàm rời rạc h(rk ) = nk (2.1) với 𝑟𝑘 là giá trị mức xám tại vị trí k, 𝑛𝑘 là số lượng điểm ảnh có giá trị mức xám 𝑟𝑘.

Gọi 𝑝(𝑟𝑘 ) là thành phần chuẩn hóa mức xám tương ứng với giá trị 𝑟𝑘 , và nó được xem như là một ước lượng xác suất xuất hiện của mức xám 𝑟𝑘 trong ảnh. Ước lượng xác suất 𝑝(𝑟𝑘 ) được tính theo công thức: nk p(rk ) = k = 0, 1, 2, … , L − 1 (2.2) MN với MN là tổng số điểm ảnh. Một hàm biến đổi quan trọng trong xử lý ảnh được biểu diễn theo công thức: r s = T(r) = (L − 1) ∫0 pr (w)dw (2.3) với w là tham số giả của phép tích phân. Vế biểu thức bên phải của công thức trên được gọi là hàm phân phối lũy tiến (Cumulative Distribution Function – CDF) của biến ngẫu nhiên r.

Dạng rời rạc của công thức trên có thể được viết lại như sau: 𝑠𝑘 = 𝑇(𝑟𝑘 ) = (𝐿 − 1) ∑𝑘𝑗=0 𝑝𝑟 (𝑟𝑗 ) 𝑘 = 0, 1, 2, … , 𝐿 − 1 (2.4) 10 Luận văn thạc sỹ - Chương 2 Trần Đức Tâm - 12070544 Do đó, ảnh kết quả sẽ nhận được bằng cách tham chiếu từng điểm ảnh trong ảnh đầu vào với mức xám 𝑟𝑘 với điểm ảnh tương ứng với mức xám 𝑠𝑘 trong ảnh đầu ra. Phép biến đổi 𝑇(𝑟𝑘 ) được gọi là phép biến đổi cân bằng lược đồ mức xám (histogram equalization transformation). Hình … sẽ minh họa kết quả cân bằng lược đồ mức xám của một ảnh chụp CT với các công thức nêu trên. Cân bằng Histogram (a) Ảnh ban đầu và histogram; (b) Ảnh sau khi cân bằng histogram và histogram 2.

Phân đoạn ảnh Phân đoạn ảnh là công đoạn phân chia dữ liệu ảnh thành nhiều vùng hoặc nhiều đối tượng cho đến khi phát hiện được thông tin cần thiết. Việc phân đoạn dữ liệu ảnh bất thường là một trong những nhiệm vụ khó khăn của ngành xử lý ảnh. Độ chính xác của việc phân đoạn quyết định sự thành công hay thất bại của thủ tục phân tích dữ liệu số. Đa số các giải thuật phân đoạn ảnh được dựa vào hai thuộc tính cơ bản của cường độ sáng là sự gián đoạn và đồng bộ.

Với thuộc tính thứ nhất, cách tiếp cận là phân vùng ảnh dựa vào sự thay đổi đột ngột của cường độ sáng, còn đối với thuộc tính thứ hai là 11 Luận văn thạc sỹ - Chương 2 Trần Đức Tâm - 12070544 dựa vào việc phân chia ảnh thành các vùng có sự tương đồng về các tiêu chí được chỉ định trước.

Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ

Bài viết "Phát hiện biên đối tượng trong ảnh y khoa bằng kỹ thuật gradient vector flow" trình bày một phương pháp tiên tiến trong việc phát hiện biên của các đối tượng trong ảnh y khoa, sử dụng kỹ thuật gradient vector flow. Phương pháp này không chỉ giúp cải thiện độ chính xác trong việc phân tích hình ảnh y tế mà còn hỗ trợ các bác sĩ trong việc chẩn đoán và điều trị bệnh. Độc giả sẽ tìm thấy những lợi ích rõ ràng từ việc áp dụng công nghệ này trong thực tiễn y khoa, từ đó nâng cao chất lượng chăm sóc sức khỏe.

Nếu bạn quan tâm đến các ứng dụng công nghệ trong y học, hãy khám phá thêm về ứng dụng laser bán dẫn công suất thấp trong điều trị chứng đau cổ tay hoặc tìm hiểu về ứng dụng laser trong điều trị đau khớp vai. Những tài liệu này sẽ giúp bạn có cái nhìn sâu sắc hơn về các công nghệ hiện đại đang được áp dụng trong lĩnh vực y tế.