Luận văn thạc sĩ: Kỹ thuật phân đoạn ảnh lá gan từ máy CT

Lý do chọn đề tài này xuất phát từ tầm quan trọng của gan trong cơ thể con người. Gan không chỉ là cơ quan lớn thứ hai mà còn đóng vai trò quan trọng trong việc chuyển hóa và lọc máu. Việc phát hiện sớm các tổn thương gan thông qua hình ảnh CT là rất cần thiết, đặc biệt trong bối cảnh gia tăng các bệnh lý về gan. Phân đoạn ảnh gan từ máy CT giúp bác sĩ có cái nhìn rõ ràng hơn về tình trạng sức khỏe của bệnh nhân, từ đó đưa ra các quyết định điều trị kịp thời và chính xác.

Mục tiêu của đề tài là phát triển một phương pháp phân đoạn gan có độ chính xác cao và thời gian xử lý hợp lý. Phương pháp này sẽ sử dụng các kỹ thuật hiện đại trong xử lý ảnh và học máy để cải thiện độ chính xác của việc phân đoạn. Đề tài cũng hướng đến việc giảm thiểu sự phụ thuộc vào kỹ năng của người thực hiện, từ đó nâng cao hiệu quả trong chẩn đoán và điều trị các bệnh lý về gan.

Các phương pháp phân đoạn bán tự động thường yêu cầu người dùng thực hiện một số thao tác để xác định biên của gan. Một trong những phương pháp phổ biến là phương pháp dựa trên đồ thị, trong đó ảnh được xem như một đồ thị và các điểm ảnh là các đỉnh. Giải thuật Live-wire là một ví dụ điển hình, cho phép người dùng chọn các điểm neo trên biên để xác định đường biên của gan. Mặc dù phương pháp này có độ chính xác cao, nhưng vẫn cần sự can thiệp của người dùng, điều này có thể làm tăng thời gian và công sức cần thiết cho quá trình phân đoạn.

Phân đoạn tự động là một lĩnh vực đang được nghiên cứu mạnh mẽ. Các phương pháp này thường sử dụng các thuật toán học máy để tự động xác định biên của gan mà không cần sự can thiệp của người dùng. Tuy nhiên, độ chính xác của các phương pháp này thường thấp hơn so với các phương pháp bán tự động. Các thách thức lớn trong phân đoạn tự động bao gồm độ tương phản thấp của ảnh CT và sự tương đồng về độ sáng giữa gan và các cơ quan lân cận. Do đó, việc phát triển các phương pháp mới có khả năng cải thiện độ chính xác trong phân đoạn gan là rất cần thiết.

Lý thuyết về phương pháp level sets cho phép mô hình hóa các đường cong như là các tập mức của một hàm có chiều cao hơn. Điều này giúp dễ dàng quản lý các thay đổi về cấu trúc liên kết và mở rộng lên không gian có chiều cao hơn. Phương pháp này đã được áp dụng rộng rãi trong nhiều lĩnh vực, bao gồm cả y học. Việc sử dụng phương pháp level sets trong phân đoạn gan không chỉ giúp xác định chính xác biên của gan mà còn hỗ trợ trong việc phân tích các đặc điểm hình học của gan.

Mặc dù phương pháp level sets có nhiều ưu điểm, nhưng cũng gặp phải một số vấn đề trong quá trình hiện thực hóa. Rời rạc hóa phương trình tập mức và khởi tạo lại hàm SDF là hai trong số những thách thức lớn. Việc rời rạc hóa có thể dẫn đến mất mát thông tin và ảnh hưởng đến độ chính xác của phân đoạn. Khởi tạo lại hàm SDF cũng cần được thực hiện cẩn thận để đảm bảo rằng đường biên được xác định chính xác. Do đó, việc nghiên cứu và phát triển các kỹ thuật cải tiến cho phương pháp level sets là rất cần thiết.