I. Phép biến đổi Radon là gì Toàn tập lý thuyết cơ bản
Phép biến đổi Radon là một phép biến đổi tích phân nền tảng trong toán học ứng dụng, đặc biệt trong lĩnh vực tái tạo ảnh. Về bản chất, phép biến đổi này lấy một hàm số biểu diễn một đối tượng trong không gian hai chiều (hoặc nhiều chiều hơn) và tạo ra một tập hợp các hình chiếu của đối tượng đó. Mỗi hình chiếu được tính bằng cách lấy tích phân của hàm số dọc theo một đường thẳng. Kết quả của quá trình này, được gọi là sinogram, chứa đựng toàn bộ thông tin về cấu trúc bên trong của đối tượng ban đầu. Lý thuyết này được nhà toán học người Áo Johann Radon công bố lần đầu tiên vào năm 1917. Mặc dù ban đầu chỉ là một công trình toán học thuần túy, nhưng khám phá của ông đã đặt nền móng cho một cuộc cách mạng trong xử lý ảnh y tế. Phép biến đổi Radon cung cấp cơ sở toán học vững chắc cho công nghệ chụp cắt lớp vi tính (CT scan), cho phép các bác sĩ nhìn xuyên qua cơ thể con người mà không cần phẫu thuật. Bằng cách chiếu tia X qua bệnh nhân ở nhiều góc độ khác nhau và đo lường mức độ suy giảm, máy CT thu thập dữ liệu tương đương với một sinogram. Sau đó, bằng cách sử dụng phép biến đổi Radon ngược, máy tính có thể tái tạo ảnh cắt lớp chi tiết của các cơ quan nội tạng. Khả năng biến đổi dữ liệu từ không gian hình chiếu (không gian Radon) trở lại không gian ảnh gốc là chìa khóa làm nên giá trị của phép biến đổi này.
1.1. Định nghĩa toán học của một phép biến đổi tích phân
Về mặt toán học, phép biến đổi Radon của một hàm hai biến f(x,y) được định nghĩa là tích phân đường của hàm đó dọc theo một đường thẳng L. Công thức được biểu diễn như sau: (ℜf)(p, φ) = ∫_L f(x, y)ds. Trong đó, ds là vi phân độ dài cung dọc theo đường thẳng L. Đường thẳng L được tham số hóa bởi hai đại lượng: p là khoảng cách vuông góc từ gốc tọa độ đến đường thẳng, và φ là góc của đường pháp tuyến đó so với trục x. Do đó, phép biến đổi này ánh xạ một hàm f từ không gian Euclide (tọa độ x, y) sang một hàm ℜf trong không gian Radon, nơi các biến là (p, φ). Tập hợp tất cả các giá trị tích phân này cho mọi đường thẳng có thể tạo thành một ảnh hai chiều mới gọi là sinogram. Mỗi điểm trên sinogram đại diện cho tổng giá trị của hàm gốc dọc theo một đường thẳng cụ thể. Theo luận văn của Vũ Thị Hồng Hạnh, phép biến đổi này cũng có thể được biểu diễn qua hàm delta Dirac: (ℜf)(p, φ) = ∫∫ f(X)δ(p - ξ·X)dX, với X = (x,y) và ξ = (cosφ, sinφ). Cách biểu diễn này đặc biệt hữu ích khi liên kết với biến đổi Fourier.
1.2. Lịch sử và vai trò của Johann Radon trong tomography
Năm 1917, Johann Radon đã chứng minh rằng một hàm số có thể được xác định một cách duy nhất từ tập hợp vô hạn các tích phân đường của nó. Công trình của ông đã giải quyết bài toán toán học về việc tái tạo ảnh từ các hình chiếu. Tuy nhiên, vào thời điểm đó, công nghệ tính toán chưa đủ mạnh để ứng dụng lý thuyết này vào thực tế. Phải đến nửa thế kỷ sau, Allan Cormack và Godfrey Hounsfield mới độc lập phát triển các thuật toán và thiết bị cần thiết để hiện thực hóa ý tưởng của Radon, dẫn đến sự ra đời của máy chụp cắt lớp vi tính (CT scan) đầu tiên. Thành tựu này đã mang lại cho họ giải Nobel Y học năm 1979. Về cơ bản, công nghệ tomography (chụp cắt lớp) chính là ứng dụng trực tiếp của phép biến đổi Radon và phép biến đổi ngược của nó. Nó cho phép tái tạo lại hình ảnh mặt cắt của một vật thể ba chiều từ dữ liệu hình chiếu hai chiều, mở ra một kỷ nguyên mới trong chẩn đoán y khoa và kiểm tra vật liệu không phá hủy.
II. Vì sao tái tạo ảnh từ hình chiếu là thách thức lớn
Bài toán tái tạo ảnh từ các hình chiếu là một trong những thách thức toán học và kỹ thuật quan trọng nhất trong lĩnh vực xử lý ảnh. Thách thức cốt lõi nằm ở việc làm thế nào để xây dựng lại một cách chính xác một hình ảnh hai chiều hoặc ba chiều từ một tập hợp dữ liệu hình chiếu một chiều. Hãy tưởng tượng việc cố gắng mô tả chi tiết cấu trúc bên trong của một quả cam chỉ bằng cách nhìn vào bóng của nó từ nhiều góc độ khác nhau. Mỗi cái bóng (hình chiếu) làm mất đi thông tin về chiều sâu. Việc tổng hợp thông tin từ vô số cái bóng này để tái tạo lại quả cam ba chiều là một bài toán ngược phức tạp. Trong thực tế, dữ liệu thu thập được luôn bị nhiễu và không đầy đủ. Ví dụ, trong chụp cắt lớp vi tính (CT scan), số lượng góc chiếu bị giới hạn, và các phép đo tia X luôn chứa sai số. Những yếu tố này có thể tạo ra các "hiện vật" (artifacts) trong ảnh tái tạo, làm giảm chất lượng chẩn đoán. Hơn nữa, việc tìm ra một thuật toán hiệu quả để thực hiện phép biến đổi Radon ngược đòi hỏi năng lực tính toán khổng lồ, đặc biệt với các ảnh có độ phân giải cao. Các phương pháp ban đầu như thuật toán back-projection tuy đơn giản nhưng tạo ra ảnh bị mờ. Điều này thúc đẩy sự phát triển của các kỹ thuật phức tạp hơn như filtered back-projection (FBP) để khắc phục nhược điểm này, đặt ra yêu cầu cao hơn về mặt lý thuyết toán học và khả năng xử lý của phần cứng.
2.1. Bản chất bài toán ngược trong tái tạo ảnh y tế
Bài toán tái tạo ảnh là một dạng "bài toán ngược" (inverse problem). Trong một bài toán xuôi, người ta biết nguyên nhân (cấu trúc vật thể) và tính toán kết quả (dữ liệu hình chiếu). Ngược lại, trong bài toán ngược, người ta biết kết quả (dữ liệu hình chiếu thu được từ máy quét) và phải suy ra nguyên nhân (cấu trúc bên trong của vật thể). Các bài toán ngược thường không ổn định, nghĩa là một thay đổi nhỏ trong dữ liệu đầu vào (do nhiễu) có thể dẫn đến sự thay đổi rất lớn trong kết quả đầu ra (ảnh tái tạo). Đây là thách thức lớn trong xử lý ảnh y tế, nơi độ chính xác là yếu tố sống còn. Phép biến đổi Radon mô tả bài toán xuôi, trong khi phép biến đổi Radon ngược giải quyết bài toán ngược. Việc phát triển các thuật toán nghịch đảo ổn định và mạnh mẽ là mục tiêu trung tâm của nghiên cứu trong lĩnh vực này.
2.2. Tìm hiểu Sinogram và không gian hình chiếu Radon
Một sinogram là biểu diễn trực quan của dữ liệu trong không gian Radon. Nó là một ảnh hai chiều trong đó trục ngang biểu diễn các góc chiếu (φ) và trục dọc biểu diễn khoảng cách (p) của các đường thẳng chiếu. Mỗi điểm trên sinogram có cường độ tương ứng với giá trị tích phân đường của ảnh gốc dọc theo đường thẳng xác định bởi (p, φ). Một điểm duy nhất trong ảnh gốc sẽ xuất hiện dưới dạng một đường hình sin trên sinogram, đó là lý do cho tên gọi của nó. Các cấu trúc phức tạp hơn trong ảnh gốc sẽ tạo ra các hoa văn tương ứng trên sinogram. Do đó, sinogram chứa đựng toàn bộ thông tin cần thiết cho việc tái tạo ảnh. Bất kỳ sự thiếu sót hoặc nhiễu nào trong sinogram sẽ trực tiếp ảnh hưởng đến chất lượng của ảnh tái tạo cuối cùng. Việc phân tích sinogram có thể giúp phát hiện các lỗi trong quá trình thu thập dữ liệu trước khi thực hiện các thuật toán tái tạo tốn kém về mặt tính toán.
III. Phương pháp toán học của Phép biến đổi Radon toàn tập
Phương pháp toán học của phép biến đổi Radon dựa trên nguyên lý cơ bản của hình học tích phân. Để hiểu rõ cơ chế hoạt động, cần xem xét cách một hàm f(X) trong không gian Euclide được ánh xạ sang không gian của các đường thẳng (hoặc siêu phẳng trong không gian nhiều chiều hơn). Luận văn của Vũ Thị Hồng Hạnh trình bày chi tiết định nghĩa của phép biến đổi trong không gian hai chiều và ba chiều. Trong không gian hai chiều, phép biến đổi tính toán tích phân của hàm f(x,y) dọc theo mỗi đường thẳng L. Trong không gian ba chiều, nó tính tích phân của hàm f(x,y,z) trên mỗi mặt phẳng P. Phép biến đổi này có một mối liên hệ sâu sắc với biến đổi Fourier, được thể hiện qua định lý lát cắt trung tâm (Projection-Slice Theorem). Định lý này phát biểu rằng biến đổi Fourier một chiều của một hình chiếu của hàm f tại một góc nhất định chính là một "lát cắt" của biến đổi Fourier hai chiều của chính hàm f đó đi qua gốc tọa độ và cùng góc đó. Mối liên hệ này là chìa khóa để xây dựng các thuật toán tái tạo ảnh hiệu quả. Thay vì trực tiếp tính toán phép biến đổi Radon ngược, người ta có thể làm việc trong miền tần số Fourier, nơi các phép tính trở nên đơn giản hơn. Đây chính là nền tảng của thuật toán filtered back-projection (FBP), một trong những phương pháp phổ biến nhất trong tomography.
3.1. Phép chiếu song song và biểu diễn tích phân đường
Phép chiếu song song là mô hình vật lý cơ bản mà phép biến đổi Radon mô tả. Trong mô hình này, một chùm tia song song được chiếu qua vật thể ở một góc cụ thể. Các máy dò ở phía đối diện sẽ ghi lại cường độ của các tia sau khi đi qua vật thể. Dữ liệu thu được tại một góc chiếu chính là một hình chiếu song song. Phép biến đổi Radon cung cấp công thức toán học để tính toán hình chiếu này dưới dạng một tích phân đường. Biểu thức (ℜf)(p, φ) = ∫_L f(x, y)ds mô tả chính xác quá trình này: giá trị của hình chiếu tại một vị trí p (trên trục dò) và góc φ bằng tổng (tích phân) mật độ của vật thể (f) dọc theo đường tia (L) tương ứng. Quá trình này được lặp lại cho nhiều góc chiếu khác nhau để thu thập đủ dữ liệu cho việc tái tạo.
3.2. Mối liên hệ với biến đổi Fourier và định lý lát cắt
Định lý lát cắt trung tâm là cầu nối quan trọng giữa phép biến đổi Radon và biến đổi Fourier. Gọi P_φ(p) là hình chiếu của hàm f(x,y) tại góc φ, tức P_φ(p) = (ℜf)(p, φ). Gọi S_φ(ω) là biến đổi Fourier một chiều của P_φ(p). Đồng thời, gọi F(u,v) là biến đổi Fourier hai chiều của f(x,y). Định lý phát biểu rằng S_φ(ω) = F(ωcosφ, ωsinφ). Điều này có nghĩa là, bằng cách lấy biến đổi Fourier của các hình chiếu, chúng ta có thể điền vào các giá trị trên các đường thẳng xuyên tâm trong không gian Fourier hai chiều của ảnh gốc. Khi có đủ các lát cắt này (bằng cách quét đủ góc φ), chúng ta có thể lấp đầy không gian Fourier và sau đó sử dụng biến đổi Fourier ngược để tái tạo ảnh f(x,y). Đây là nguyên lý cốt lõi đằng sau nhiều thuật toán tái tạo hiện đại.
IV. Khám phá 8 tính chất cốt lõi của Phép biến đổi Radon
Phép biến đổi Radon sở hữu nhiều tính chất toán học quan trọng, làm nền tảng cho các ứng dụng và thuật toán liên quan. Những tính chất này được trình bày chi tiết trong Chương III của tài liệu gốc. Đầu tiên là tính tuyến tính, có nghĩa là phép biến đổi của tổng hai hàm bằng tổng các phép biến đổi của từng hàm. Tính chất này cực kỳ hữu ích vì nó cho phép phân tích các đối tượng phức tạp thành các thành phần đơn giản hơn. Thứ hai là tính thuần nhất, mô tả cách phép biến đổi thay đổi khi các biến đầu vào được co giãn. Một tính chất quan trọng khác là mối liên hệ với phép đạo hàm: đạo hàm của phép biến đổi Radon theo biến khoảng cách p tương ứng với việc áp dụng một toán tử đạo hàm lên hàm gốc. Cụ thể, ℜ(∂f/∂x_k) = ξ_k (∂(ℜf)/∂p), trong đó ξ_k là thành phần thứ k của vector pháp tuyến. Điều này có nghĩa là các phép toán vi phân trong không gian ảnh có thể được chuyển thành các phép toán đơn giản hơn trong không gian Radon. Đặc biệt, phép biến đổi Radon của toán tử Laplace trên hàm gốc tương đương với đạo hàm cấp hai theo biến p trên kết quả biến đổi: ℜ(Δf) = ∂²(ℜf)/∂p². Mối liên hệ với biến đổi Fourier thông qua định lý lát cắt trung tâm cũng là một tính chất nền tảng, tạo cơ sở cho các thuật toán tái tạo hiệu quả như FBP.
4.1. Tính tuyến tính tính thuần nhất và tính đối xứng
Các tính chất cơ bản này xác định hành vi của phép biến đổi. Tính tuyến tính ℜ(c₁f + c₂g) = c₁ℜf + c₂ℜg cho phép áp dụng nguyên lý xếp chồng. Tính thuần nhất (ℜf)(sp, sξ) = |s|⁻¹(ℜf)(p, ξ) mô tả mối quan hệ co giãn. Ngoài ra, tính đối xứng cũng rất quan trọng: (ℜf)(p, ξ) = (ℜf)(-p, -ξ). Tính chất này có nghĩa là việc chiếu theo một hướng và chiếu theo hướng ngược lại 180 độ nhưng với khoảng cách đối xứng sẽ cho cùng một kết quả. Điều này giúp giảm một nửa số lượng góc chiếu cần thiết trong thực tế, từ 360 độ xuống còn 180 độ, giúp tiết kiệm thời gian quét và giảm liều lượng bức xạ cho bệnh nhân trong chụp cắt lớp vi tính (CT scan).
4.2. Mối quan hệ với phép đạo hàm và tích chập
Mối quan hệ của phép biến đổi Radon với các toán tử giải tích là cực kỳ quan trọng. Như đã đề cập, đạo hàm trong không gian ảnh tương ứng với đạo hàm theo biến p trong không gian Radon. Điều này cho phép chuyển đổi các phương trình vi phân đạo hàm riêng (PDE) từ không gian Euclide sang không gian Radon, nơi chúng có thể trở thành các phương trình vi phân thường (ODE) đơn giản hơn để giải. Bên cạnh đó, phép biến đổi Radon của một tích chập hai hàm cũng có một dạng đơn giản: phép biến đổi của g*h là tích chập (theo biến p) của các phép biến đổi ℜg và ℜh. Công thức là ℜ(g*h) = (ℜg) * (ℜh). Tính chất này là nền tảng cho việc thiết kế các bộ lọc trong thuật toán filtered back-projection (FBP), nơi một bộ lọc chập được áp dụng cho các hình chiếu trước khi thực hiện chiếu ngược để tái tạo ảnh.
V. Bí quyết Phép biến đổi Radon ngược và tái tạo ảnh
Phép biến đổi Radon ngược là quá trình cốt lõi để tái tạo ảnh từ các hình chiếu. Đây là bài toán khó hơn nhiều so với phép biến đổi thuận. Mục tiêu là khôi phục lại hàm f(x,y) ban đầu từ sinogram (ℜf)(p, φ). Có nhiều phương pháp để thực hiện điều này, mỗi phương pháp có ưu và nhược điểm riêng về độ chính xác, tốc độ tính toán và độ nhạy với nhiễu. Phương pháp trực tiếp nhất xuất phát từ định lý lát cắt trung tâm. Bằng cách lấy biến đổi Fourier 1D của mỗi hình chiếu, chúng ta có thể điền vào không gian Fourier 2D của ảnh gốc. Sau đó, một biến đổi Fourier ngược 2D sẽ cho ra ảnh cần tái tạo. Tuy nhiên, phương pháp này gặp vấn đề vì dữ liệu trong không gian Fourier được lấy mẫu trên lưới tọa độ cực, trong khi biến đổi Fourier ngược thường yêu cầu dữ liệu trên lưới tọa độ Descartes. Một phương pháp phổ biến và hiệu quả hơn là filtered back-projection (FBP). Thuật toán này bao gồm hai bước chính. Đầu tiên là "lọc" (filtering): mỗi hình chiếu được chập với một bộ lọc tần số cao (gọi là bộ lọc Ramp hoặc bộ lọc Radon). Bước này nhằm mục đích khử độ mờ vốn có của quá trình chiếu ngược. Bước thứ hai là "chiếu ngược" (back-projection), nơi các hình chiếu đã được lọc được "bôi" ngược trở lại không gian ảnh, chồng chất lên nhau để tạo thành ảnh cuối cùng. FBP là sự cân bằng tuyệt vời giữa chất lượng và hiệu quả tính toán, do đó nó trở thành thuật toán tiêu chuẩn trong hầu hết các máy chụp cắt lớp vi tính (CT scan) thương mại.
5.1. Thuật toán Back Projection Nguyên lý và hạn chế
Thuật toán back-projection (chiếu ngược) là cách tiếp cận đơn giản và trực quan nhất để thực hiện phép biến đổi Radon ngược. Ý tưởng là lấy giá trị của mỗi hình chiếu và phân bổ (bôi) đều nó trở lại dọc theo đường thẳng mà nó được tạo ra. Bằng cách lặp lại quá trình này cho tất cả các góc chiếu và cộng dồn kết quả, một ảnh ước tính của đối tượng ban đầu sẽ dần hiện ra. Về mặt toán học, giá trị tại mỗi pixel (x,y) trong ảnh tái tạo được tính bằng cách lấy tổng hoặc tích phân giá trị của tất cả các hình chiếu đi qua pixel đó. Mặc dù đơn giản, back-projection có một nhược điểm lớn: nó tạo ra ảnh bị mờ đáng kể. Điều này là do quá trình chiếu ngược không chỉ tái tạo lại tín hiệu gốc mà còn khuếch đại các thành phần tần số thấp, tương tự như tích chập với hàm 1/r trong không gian ảnh, gây ra hiện tượng mờ tỏa ra từ các đối tượng có độ tương phản cao.
5.2. Kỹ thuật Filtered Back Projection FBP tối ưu
Để khắc phục sự mờ của thuật toán chiếu ngược đơn thuần, kỹ thuật Filtered Back-Projection (FBP) được phát triển. FBP cải tiến bằng cách thêm một bước lọc trước khi chiếu ngược. Mỗi hình chiếu được xử lý qua một bộ lọc tần số cao, thường được gọi là bộ lọc Ramp, trong miền tần số. Bộ lọc này có tác dụng làm sắc nét các hình chiếu bằng cách tăng cường các thành-phần-tần-số-cao và làm suy yếu các thành phần tần số thấp. Quá trình lọc này có thể được thực hiện hiệu quả bằng cách nhân biến đổi Fourier của hình chiếu với hàm truyền của bộ lọc, sau đó lấy biến đổi Fourier ngược. Sau khi các hình chiếu đã được lọc, chúng được chiếu ngược giống như trong thuật toán back-projection thông thường. Kết quả là một hình ảnh sắc nét và chính xác hơn nhiều. FBP đã trở thành phương pháp tiêu chuẩn vàng trong tomography y tế và công nghiệp trong nhiều thập kỷ vì sự kết hợp giữa tốc độ, sự đơn giản và chất lượng tái tạo ảnh tốt.
VI. Ứng dụng đột phá của Phép biến đổi Radon trong y tế
Ứng dụng quan trọng và có tầm ảnh hưởng lớn nhất của phép biến đổi Radon chính là trong lĩnh vực xử lý ảnh y tế, đặc biệt là công nghệ chụp cắt lớp vi tính (CT scan). Công nghệ này đã cách mạng hóa chẩn đoán y khoa, cho phép các bác sĩ quan sát chi tiết cấu trúc bên trong cơ thể con người mà không cần can thiệp phẫu thuật. Một máy CT hoạt động bằng cách quay một nguồn phát tia X và một dãy đầu dò xung quanh bệnh nhân. Tại mỗi góc quay, máy ghi lại một hình chiếu của độ suy giảm tia X khi đi qua cơ thể. Tập hợp các hình chiếu này từ nhiều góc khác nhau tạo thành một sinogram. Trái tim của máy CT là phần mềm máy tính, sử dụng các thuật toán dựa trên phép biến đổi Radon ngược, điển hình là filtered back-projection (FBP), để xử lý sinogram và tái tạo ảnh cắt lớp ngang của cơ thể. Những hình ảnh này có độ phân giải cao, cho thấy rõ các cơ quan, xương, mạch máu và các khối u bất thường. Ngoài CT, nguyên lý của phép biến đổi Radon còn được áp dụng trong các phương thức chẩn đoán hình ảnh khác như Chụp cắt lớp phát xạ positron (PET) và Chụp cắt lớp phát xạ đơn photon (SPECT), nơi dữ liệu thu được là sự phân bố của các chất phóng xạ trong cơ thể. Nhờ có nền tảng toán học vững chắc này, y học hiện đại đã có những bước tiến vượt bậc trong việc chẩn đoán và điều trị bệnh.
6.1. Nguyên lý chụp cắt lớp vi tính CT scan và tái tạo
Nguyên lý hoạt động của chụp cắt lớp vi tính (CT scan) là một minh chứng thực tế hoàn hảo của phép biến đổi Radon. Quá trình này bao gồm ba bước chính: thu thập dữ liệu, xử lý và hiển thị. Trong giai đoạn thu thập dữ liệu, tia X được chiếu qua một "lát cắt" mỏng của cơ thể bệnh nhân từ nhiều góc độ khác nhau. Dữ liệu thu được, P(p, φ), chính là phép biến đổi Radon của hệ số suy giảm tia X, μ(x, y), của các mô trong lát cắt đó. Dữ liệu này được số hóa và lưu trữ dưới dạng một sinogram. Giai đoạn xử lý là nơi phép biến đổi Radon ngược được áp dụng. Máy tính sử dụng thuật toán filtered back-projection để chuyển đổi dữ liệu sinogram trở lại thành một bản đồ hai chiều của các hệ số suy giảm μ(x, y). Cuối cùng, bản đồ này được chuyển thành một hình ảnh thang độ xám, nơi các giá trị khác nhau tương ứng với các loại mô khác nhau (xương, mô mềm, không khí), để bác sĩ có thể chẩn đoán.
6.2. Các ứng dụng khác trong địa vật lý và công nghiệp
Ngoài y học, nguyên lý của phép biến đổi Radon và tomography còn có nhiều ứng dụng quan trọng khác. Trong địa vật lý, các nhà khoa học sử dụng sóng địa chấn thay vì tia X để tạo ra hình ảnh cắt lớp của cấu trúc bên trong Trái Đất. Bằng cách phân tích thời gian truyền của sóng địa chấn từ các trận động đất hoặc các vụ nổ có kiểm soát được ghi lại tại nhiều trạm quan sát, họ có thể tái tạo bản đồ vận tốc sóng của lớp vỏ và lớp phủ Trái Đất, giúp thăm dò dầu khí và khoáng sản. Trong kiểm tra vật liệu không phá hủy (NDT), tomography công nghiệp được sử dụng để kiểm tra các khuyết tật bên trong các bộ phận máy móc, linh kiện điện tử hoặc các cấu trúc kỹ thuật phức tạp mà không cần phải tháo dỡ chúng. Các lĩnh vực khác bao gồm thiên văn học (tái tạo hình ảnh từ dữ liệu giao thoa vô tuyến) và kính hiển vi điện tử (tái tạo cấu trúc 3D của các phân tử sinh học).
