Luận văn thạc sĩ: Phương pháp Wavelet tăng cường biên ảnh để xác định kích thước khối u đặc

Luận văn thạc sĩ phân tích dùng phương pháp wavelet tăng cường biên ảnh để xác định kích thước khối u đặc, đánh giá thực trạng, chỉ ra hạn chế, đề xuất giải pháp khả thi cho thực

• Tác giả: Trần Thị Quỳnh Như
• Người hướng dẫn: Ts. Nguyễn Thanh Hải
• Trường học: Đại học sư phạm kỹ thuật TP.HCM
• Chuyên ngành: Kỹ thuật điện tử
• Đề tài: Dùng phương pháp Wavelet tăng cường biên ảnh để xác định kích thước khối u đặc
• Loại tài liệu: Luận văn
• Năm xuất bản: 2014
• Địa điểm: Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• CẢM ƠN
• TÓM TẮT
• 1. CHƯƠNG 1: TỔNG QUAN VỀ XÁC ĐỊNH KÍCH THƯỚC KHỐI U ĐẶC
• 1.1. Tổng quan về nâng cao chất lượng hình ảnh xác định kích thước khối u đặc
• 1.2. Mục tiêu nghiên cứu
• 1.3. Nhiệm vụ của đề tài và phạm vi nghiên cứu
• 1.4. Phương pháp nghiên cứu
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT XỬ LÝ ẢNH Y TẾ
• 2.1. Khái niệm về ảnh y tế
• 2.2. Khái niệm về ảnh
• 3. CHƯƠNG 3: XÁC ĐỊNH KÍCH THƯỚC KHỐI U ĐẶC
• 3.1. Quá trình xác định kích thước khối u đặc
• 3.1.1. Đọc ảnh đầu vào
• 3.1.2. Cân bằng Histogram
• 3.1.3. Trích lọc đối tượng
• 3.1.4. Tính kích thước khối u
• 3.1.4.1. Tìm tổng diện tích các pixel
• 3.1.4.2. Chia nhỏ khối u
• 3.1.5. Tìm thể tích khối u
• 3.2. Kết luận chương 3
• 4. CHƯƠNG 4: QUÁ TRÌNH XÁC ĐỊNH KÍCH THƯỚC KHỐI U ĐẶC VÀ KẾT QUẢ MÔ PHỎNG
• 4.1. Tìm diện tích các hình cơ bản
• 4.2. Tìm diện tích khối u
• 4.3. Đọc ảnh đầu vào
• 4.4. Trích lọc đối tượng
• 4.5. Tìm diện tích khối u
• 4.6. Tìm thể tích khối u
• 4.7. Kết luận chương 4
• 5. CHƯƠNG 5: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN ĐỀ TÀI
• 5.1. Hướng phát triển của đề tài
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về phương pháp Wavelet trong xác định kích thước khối u đặc

Phương pháp Wavelet đã trở thành một công cụ quan trọng trong việc xử lý hình ảnh y tế, đặc biệt trong việc xác định kích thước khối u đặc. Phương pháp này cho phép phân tích hình ảnh ở nhiều tần số khác nhau, giúp phát hiện các đặc điểm quan trọng của khối u. Việc áp dụng phương pháp Wavelet không chỉ nâng cao chất lượng hình ảnh mà còn cải thiện độ chính xác trong việc xác định kích thước khối u. Nghiên cứu này sẽ đi sâu vào các khía cạnh của phương pháp Wavelet và ứng dụng của nó trong y học.

1.1. Khái niệm về phương pháp Wavelet và ứng dụng trong y tế

Phương pháp Wavelet là một kỹ thuật phân tích tín hiệu cho phép tách biệt các thành phần tần số khác nhau trong một tín hiệu. Trong y tế, phương pháp này được sử dụng để xử lý hình ảnh, giúp phát hiện và phân tích các khối u. Wavelet có khả năng xử lý các hình ảnh phức tạp, giúp bác sĩ dễ dàng nhận diện các đặc điểm của khối u.

1.2. Tại sao cần xác định kích thước khối u đặc

Xác định kích thước khối u đặc là một yếu tố quan trọng trong chẩn đoán và điều trị ung thư. Kích thước khối u không chỉ ảnh hưởng đến giai đoạn bệnh mà còn quyết định phương pháp điều trị. Việc sử dụng phương pháp Wavelet giúp cải thiện độ chính xác trong việc xác định kích thước khối u, từ đó hỗ trợ bác sĩ trong việc đưa ra quyết định điều trị phù hợp.

II. Vấn đề và thách thức trong xác định kích thước khối u đặc

Mặc dù phương pháp Wavelet mang lại nhiều lợi ích, nhưng vẫn tồn tại một số thách thức trong việc áp dụng nó vào thực tiễn. Các vấn đề như nhiễu trong hình ảnh, độ phân giải thấp và sự phức tạp trong việc phân tích hình ảnh có thể ảnh hưởng đến kết quả. Việc hiểu rõ các thách thức này là cần thiết để cải thiện quy trình xác định kích thước khối u.

2.1. Nhiễu trong hình ảnh y tế và ảnh hưởng đến kết quả

Nhiễu trong hình ảnh y tế có thể đến từ nhiều nguồn khác nhau, bao gồm thiết bị chụp ảnh và điều kiện môi trường. Nhiễu có thể làm giảm chất lượng hình ảnh, gây khó khăn trong việc xác định kích thước khối u. Phương pháp Wavelet có thể giúp giảm nhiễu, nhưng cần phải được áp dụng một cách chính xác.

2.2. Độ phân giải và khả năng phát hiện khối u

Độ phân giải của hình ảnh y tế ảnh hưởng trực tiếp đến khả năng phát hiện và xác định kích thước khối u. Hình ảnh có độ phân giải thấp có thể không đủ chi tiết để nhận diện các đặc điểm của khối u. Việc cải thiện độ phân giải hình ảnh là một thách thức lớn trong nghiên cứu này.

III. Phương pháp Wavelet trong xử lý hình ảnh y tế

Phương pháp Wavelet được sử dụng để xử lý hình ảnh y tế nhằm nâng cao chất lượng và xác định kích thước khối u. Các bước chính trong quy trình này bao gồm tiền xử lý hình ảnh, phát hiện biên và xác định kích thước khối u. Mỗi bước đều có vai trò quan trọng trong việc đảm bảo độ chính xác của kết quả.

3.1. Tiền xử lý hình ảnh y tế

Tiền xử lý hình ảnh là bước đầu tiên trong quy trình xử lý. Bước này bao gồm việc lọc nhiễu và cân bằng histogram để cải thiện chất lượng hình ảnh. Việc này giúp làm nổi bật các đặc điểm của khối u, từ đó dễ dàng hơn trong việc xác định kích thước.

3.2. Phát hiện biên khối u bằng phương pháp Wavelet

Phát hiện biên là một bước quan trọng trong việc xác định kích thước khối u. Phương pháp Wavelet cho phép phát hiện các biên ảnh một cách chính xác, giúp xác định rõ ràng hình dạng và kích thước của khối u. Các thuật toán phát hiện biên sử dụng Wavelet đã được chứng minh là hiệu quả trong nhiều nghiên cứu.

IV. Ứng dụng thực tiễn của phương pháp Wavelet trong xác định kích thước khối u

Phương pháp Wavelet đã được áp dụng thành công trong nhiều nghiên cứu và thực tiễn lâm sàng để xác định kích thước khối u. Các kết quả cho thấy rằng việc sử dụng phương pháp này không chỉ cải thiện độ chính xác mà còn giúp bác sĩ đưa ra quyết định điều trị kịp thời và hiệu quả hơn.

4.1. Kết quả nghiên cứu và ứng dụng lâm sàng

Nhiều nghiên cứu đã chỉ ra rằng phương pháp Wavelet có thể cải thiện đáng kể độ chính xác trong việc xác định kích thước khối u. Các ứng dụng lâm sàng cho thấy rằng bác sĩ có thể dựa vào kết quả này để đưa ra quyết định điều trị phù hợp hơn.

4.2. Tương lai của phương pháp Wavelet trong y học

Với sự phát triển không ngừng của công nghệ, phương pháp Wavelet hứa hẹn sẽ tiếp tục được cải thiện và mở rộng ứng dụng trong y học. Các nghiên cứu tiếp theo có thể tập trung vào việc tối ưu hóa thuật toán và cải thiện khả năng phát hiện khối u trong các hình ảnh y tế.

V. Kết luận và triển vọng tương lai của phương pháp Wavelet

Phương pháp Wavelet đã chứng minh được giá trị của nó trong việc xác định kích thước khối u đặc. Những kết quả đạt được từ các nghiên cứu hiện tại mở ra nhiều triển vọng cho việc ứng dụng phương pháp này trong thực tiễn y tế. Việc tiếp tục nghiên cứu và phát triển sẽ giúp nâng cao chất lượng chẩn đoán và điều trị ung thư.

5.1. Tóm tắt những lợi ích của phương pháp Wavelet

Phương pháp Wavelet mang lại nhiều lợi ích trong việc xử lý hình ảnh y tế, bao gồm khả năng phát hiện khối u chính xác hơn và cải thiện chất lượng hình ảnh. Những lợi ích này có thể giúp bác sĩ trong việc chẩn đoán và điều trị ung thư hiệu quả hơn.

5.2. Hướng phát triển trong nghiên cứu tiếp theo

Nghiên cứu tiếp theo có thể tập trung vào việc cải thiện các thuật toán Wavelet và mở rộng ứng dụng của chúng trong các lĩnh vực khác nhau của y học. Việc này không chỉ giúp nâng cao chất lượng chẩn đoán mà còn góp phần vào việc phát triển các phương pháp điều trị mới.

Nội dung chính

Tổng quan nghiên cứu

Ung thư hiện là nguyên nhân gây tử vong phổ biến thứ hai trên toàn cầu với hơn 200 bệnh lý ác tính khác nhau đã được y văn ghi nhận. Trong số các ca mắc ung thư ở người, khối u đặc chiếm tỷ lệ áp đảo lên tới hơn 80%. Việc phát hiện sớm và xác định chính xác kích thước khối u đóng vai trò mang tính quyết định đến tỷ lệ sống sót của bệnh nhân, hỗ trợ bác sĩ đưa ra quyết định phẫu thuật cắt bỏ triệt để và tối ưu hóa quá trình phân phối thuốc điều trị sau mổ. Tuy nhiên, hình ảnh chụp cắt lớp điện toán (CT) thu nhận từ thực tế lâm sàng thường bị ảnh hưởng bởi nhiều nguồn nhiễu ngẫu nhiên, độ tương phản giữa khối u và các mô mềm xung quanh thường thấp, gây khó khăn lớn cho việc quan sát trực quan.

Mục tiêu trọng tâm của nghiên cứu là xây dựng quy trình nâng cao chất lượng ảnh y tế và ứng dụng phép biến đổi Wavelet hai chiều để tăng cường đường biên, từ đó xác định chính xác diện tích và thể tích khối u đặc. Đề tài tập trung nghiên cứu trên tập dữ liệu ảnh chụp cắt lớp vi tính hai chiều đơn sắc độ phân giải chuẩn 512x512 pixels thu thập từ Bệnh viện Đa khoa khu vực Đồng Nai trong giai đoạn 2012 đến 2014. Kết quả nghiên cứu mang lại giải pháp định lượng kích thước khối u khách quan, tự động hóa khâu phân tích hình ảnh, hạn chế tối đa nhận định chủ quan của người đọc phim và góp phần nâng cao khả năng phát hiện tổn thương sớm lên khoảng 30% so với việc quan sát thông thường.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên nền tảng xử lý ảnh số y tế và lý thuyết biểu diễn thang xám định lượng Hounsfield Unit (HU). Trong ảnh chụp cắt lớp điện toán, tỷ lệ cường độ sáng trải rộng từ -1000 HU đối với không khí đến +3000 HU đối với xương đặc, trong khi các mô mềm và tổn thương khối u thường phân bố trong khoảng từ 100 HU đến 300 HU, dịch não tủy khoảng 15 HU và máu từ 30 HU đến 45 HU. Dữ liệu này được ánh xạ tuyến tính về thang độ xám đơn sắc 8-bit với dải giá trị từ 0 đến 255.

Trọng tâm lý thuyết của đề tài là phép biến đổi Wavelet rời rạc hai chiều (2D-DWT) và phân tích đa phân giải ba bậc. Khác với biến đổi Fourier truyền thống bị mất thông tin thời gian hoặc biến đổi Fourier ngắn (STFT) bị giới hạn độ phân giải cửa sổ, phép biến đổi Wavelet sử dụng các họ hàm sóng cơ sở có độ dài biến thiên để phân tích đồng thời trên cả miền không gian và miền tần số. Ảnh gốc kích thước 512x512 pixels được lọc qua các ma trận biến đổi kích thước 256x512 để phân tách thành bốn băng con gồm xấp xỉ tần số thấp LL và các băng chi tiết tần số cao LH, HL, HH. Bên cạnh đó, nghiên cứu tích hợp thuật toán cân bằng biểu đồ Histogram để tái phân bố mật độ mức xám, tối ưu hóa giá trị thông tin Entropy và so sánh các toán tử đạo hàm phát hiện biên kinh điển như Sobel, Prewitt, Laplace và Canny với kỹ thuật biên Wavelet dạng sóng mẹ Gaussian hai chiều.

Phương pháp nghiên cứu

Nguồn dữ liệu thực nghiệm bao gồm 50 ảnh chụp cắt lớp điện toán sọ não và các cơ quan nội tạng được cung cấp trực tiếp từ Bệnh viện Đa khoa khu vực Đồng Nai. Mẫu nghiên cứu được chọn theo phương pháp chọn mẫu có chủ đích, tập trung vào các trường hợp bệnh nhân có biểu hiện tổn thương khối u đặc rõ rệt trên phim chụp lâm sàng.

Phương pháp phân tích được triển khai trên môi trường lập trình tính toán Matlab thông qua quy trình bốn giai đoạn khép kín. Lý do lựa chọn biến đổi Wavelet kết hợp cân bằng Histogram là khả năng triệt tiêu nhiễu cộng và nhiễu Gaussian mà không làm nhòe các chi tiết biên quan trọng. Quy trình xử lý bao gồm: đọc và chuẩn hóa ảnh đầu vào 512x512 pixels, lọc nhiễu tần số cao, cân bằng Histogram để tăng độ tương phản toàn cục, trích lọc vùng quan tâm (ROI), áp dụng toán tử Gradient trên hệ số Wavelet để dò biên khép kín, và cuối cùng là tính toán diện tích bằng hai giải pháp (đếm tổng pixel bên trong đường biên và chia nhỏ khối u thành các lát cắt song song) cùng công thức xác định thể tích hình học.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Thứ nhất, quy trình tiền xử lý kết hợp lọc nhiễu Wavelet và cân bằng Histogram giúp nâng cao độ tương phản hình ảnh vượt trội. Thử nghiệm trên ảnh mô phỏng có thêm nhiễu Gaussian cho thấy phương pháp lọc Wavelet triệt tiêu được khoảng 85% năng lượng nhiễu nền, giúp giá trị sai số toàn phương trung bình (MSE) giảm rõ rệt và vượt trội hơn từ 15% đến 20% so với các bộ lọc trung bình và lọc Wiener cổ điển.

Thứ hai, kỹ thuật tăng cường biên bằng biến đổi Wavelet kết hợp toán tử Gradient 8 hướng cho phép tái tạo đường bao khối u liên tục và sắc nét. Tỷ lệ phát hiện biên giả do nhiễu gây ra giảm xuống dưới 5%, đồng thời định vị chính xác vùng ranh giới tổn thương ngay cả ở những vị trí có độ chênh lệch mức xám cục bộ rất nhỏ, chỉ khoảng 10 đến 15 đơn vị HU.

Thứ ba, hai giải pháp tính toán diện tích khối u đặc mang lại độ chuẩn xác cao trên dữ liệu thực nghiệm. Phương pháp đếm tổng số pixel bên trong đường bao khép kín đạt sai số dao động từ 1.2% đến 2.8%, trong khi phương pháp chia nhỏ khối u thành các lát cắt song song có sai số từ 2.1% đến 3.5%. Khi mở rộng sang tính toán thể tích khối u dựa trên chiều dài và chiều rộng quy đổi từ không gian ảnh sang kích thước thực, sai số tuyệt đối được kiểm soát an toàn dưới ngưỡng 4.0%.

Thảo luận kết quả

Hiệu năng vượt trội của phép biến đổi Wavelet xuất phát từ khả năng định vị đa độ phân giải, cho phép cô lập các thành phần nhiễu ở băng tần cao mà vẫn bảo toàn nguyên vẹn tính liên tục của các cạnh biên ở băng xấp xỉ. Điều này khắc phục triệt để hiện tượng mất nét biên khi làm trơn ảnh bằng bộ lọc thông thấp thông thường hoặc hiện tượng nhạy cảm quá mức với nhiễu của toán tử Laplace.

Kết quả này hoàn toàn tương thích với các báo cáo quốc tế, tiêu biểu như nghiên cứu của tác giả Mary Frances Dempsey trên 70 bệnh nhân u não và tiêu chuẩn đánh giá đáp ứng khối u rắn (RECIST) do Tổ chức Y tế Thế giới công bố. Việc xác định kích thước từ ảnh cắt lớp 2D giúp rút ngắn thời gian xử lý dữ liệu tới 40% so với các kỹ thuật dựng hình 3D phức tạp mà vẫn duy trì độ tin cậy y khoa cao. Trên thực tế, các kết quả so sánh sai số đo đạc diện tích giữa hai phương pháp có thể được trực quan hóa mạch lạc qua biểu đồ đường phân tích sai số theo kích thước u, kết hợp cùng bảng đối chiếu chỉ số Entropy và MSE trước và sau tiền xử lý để làm sáng tỏ hiệu quả của thuật toán.

Đề xuất và khuyến nghị

Thứ nhất, triển khai tích hợp mô-đun lọc nhiễu Wavelet và cân bằng Histogram tự động vào hệ thống lưu trữ và truyền hình ảnh y tế (PACS) tại các bệnh viện tuyến tỉnh nhằm rút ngắn thời gian chuẩn bị ảnh CT xuống dưới 2 giây mỗi lát cắt, do đội ngũ kỹ sư công nghệ thông tin và kỹ thuật viên hình ảnh thực hiện trong vòng 6 tháng tới.

Thứ hai, chuẩn hóa quy trình đo đạc kích thước khối u hai bước gồm đếm pixel tự động và đối soát lát cắt hình học nhằm nâng cao độ chính xác chẩn đoán lâm sàng lên trên 96%, áp dụng trực tiếp bởi các bác sĩ khoa ung bướu và chẩn đoán hình ảnh ngay trong quý tiếp theo.

Thứ ba, xây dựng bộ cơ sở dữ liệu chuẩn hóa hệ số suy giảm tuyến tính HU và ngưỡng lọc Wavelet tối ưu riêng cho từng loại mô bệnh học như não, gan, phổi với độ nhạy phân tách mục tiêu đạt 98%, do các viện nghiên cứu kỹ thuật y sinh phối hợp cùng các bệnh viện chuyên khoa triển khai trong vòng 12 tháng.

Thứ tư, nâng cấp thuật toán từ không gian 2D sang tái tạo bề mặt 3D và tích hợp mạng nơ-ron tích chập nhân tạo để tự động hóa hoàn toàn khâu khoanh vùng tổn thương đa cơ quan, hướng tới mục tiêu tăng năng suất phục vụ chẩn đoán thêm 35% trong lộ trình 2 năm tới.

Đối tượng nên tham khảo luận văn

Nhóm thứ nhất là các bác sĩ chuyên khoa chẩn đoán hình ảnh và ung bướu, những người cần công cụ định lượng chính xác kích thước khối u để lập kế hoạch phẫu thuật an toàn và theo dõi đáp ứng điều trị thuốc theo tiêu chuẩn RECIST.

Nhóm thứ hai là các kỹ sư kỹ thuật y sinh và lập trình viên phần mềm y tế, có thể sử dụng toàn bộ thuật toán và quy trình xử lý ảnh trên Matlab làm nền tảng để phát triển các giải pháp chẩn đoán có máy tính hỗ trợ (CAD) hoặc nâng cấp phần mềm cho máy CT.

Nhóm thứ ba là giảng viên, học viên cao học và sinh viên các ngành Kỹ thuật Điện tử, Công nghệ Thông tin và Tin sinh học, xem đây là tài liệu tham khảo thực chứng về phân tích Wavelet rời rạc 2D, cân bằng Histogram và xử lý tín hiệu y học.

Nhóm thứ tư là các nhà quản lý bệnh viện và trung tâm y tế chất lượng cao, có thể tham khảo để xây dựng định hướng đầu tư công nghệ số hóa trong chẩn đoán hình ảnh, giúp nâng cao tỷ lệ tầm soát phát hiện sớm ung thư lên trên 30%.

Câu hỏi thường gặp

Biến đổi Wavelet có ưu điểm gì vượt trội hơn biến đổi Fourier trong xử lý ảnh CT y tế? Biến đổi Fourier chỉ phân tích tín hiệu trên miền tần số và làm mất thông tin vị trí không gian, trong khi ảnh y tế cần xác định chính xác tọa độ tổn thương. Biến đổi Wavelet phân tích đa phân giải đồng thời trên cả miền không gian và tần số, giúp lọc sạch nhiễu tần số cao mà vẫn giữ nguyên vẹn đường biên sắc nét của khối u kích thước từ 5 milimét đến 50 milimét.

Thang đo đơn vị Hounsfield Unit (HU) đóng vai trò như thế nào khi phát hiện biên khối u? Chỉ số HU định lượng mật độ hấp thụ tia X của từng cấu trúc sinh học, trải dài từ -1000 HU ở không khí đến +3000 HU ở xương đặc. Các khối u đặc thường nằm trong dải mô mềm từ 100 HU đến 300 HU. Việc ánh xạ chính xác dải HU sang thang xám 8-bit từ 0 đến 255 giúp thuật toán Wavelet trích xuất vùng quan tâm với độ tương phản tối ưu.

Mức độ sai số khi tính diện tích khối u bằng phương pháp đếm tổng pixel là bao nhiêu? Kiểm nghiệm thực tế trên 50 mẫu ảnh cắt lớp cho thấy sai số của phương pháp đếm tổng pixel chỉ dao động trong khoảng từ 1.2% đến 2.8%. Phương pháp chia nhỏ khối u thành các lát cắt có sai số từ 2.1% đến 3.5%. Cả hai phương pháp đều đảm bảo độ chính xác vượt trội dưới ngưỡng sai số lâm sàng cho phép là 5.0%.

Thuật toán trong luận văn có thể xử lý các khối u có hình dạng bất đối xứng hay không? Thuật toán hoàn toàn đáp ứng tốt việc dò biên các khối u có hình dạng phức tạp nhờ sự kết hợp giữa biến đổi Wavelet mẹ Gaussian hai chiều và kỹ thuật dò Gradient 8 hướng. Quy trình quét điểm ảnh theo từng hàng và cột trên ma trận 512x512 pixels giúp đường bao tự động uốn lượn theo đúng ranh giới thực tế mà không bị gián đoạn.

Phương pháp này có thể áp dụng cho các dạng ảnh y tế khác như MRI hay X-quang không? Hoàn toàn có thể mở rộng ứng dụng. Lý thuyết khử nhiễu đa phân giải Wavelet và làm nổi biên có tính tương thích cao với ảnh cộng hưởng từ MRI và nhũ ảnh X-quang, giúp phát hiện hiệu quả các vi hóa vôi và tổn thương mô mềm với mức độ tăng cường chất lượng ảnh đạt từ 25% đến 30%.

Kết luận

• Xây dựng thành công quy trình xử lý ảnh y tế hoàn chỉnh từ lọc nhiễu, cân bằng Histogram đến trích xuất vùng quan tâm trên ảnh CT tiêu chuẩn 512x512 pixels.
• Ứng dụng xuất sắc phép biến đổi Wavelet hai chiều đa phân giải ba bậc giúp triệt tiêu khoảng 85% năng lượng nhiễu và loại bỏ hoàn toàn các biên giả.
• Đề xuất hai phương pháp tính diện tích và thể tích khối u đặc với sai số kiểm soát ở mức rất thấp, chỉ từ 1.2% đến 3.5%.
• Đóng góp giải pháp định lượng khách quan hỗ trợ đắc lực cho bác sĩ trong lập kế hoạch phẫu thuật và đánh giá hiệu quả tiếp nhận thuốc điều trị ung thư theo chuẩn RECIST.
• Hiện thực hóa thành công thuật toán trên môi trường Matlab với tốc độ xử lý nhanh dưới 2 giây mỗi ảnh cắt lớp.

Trong giai đoạn 12 đến 24 tháng tới, hướng phát triển trọng tâm là mở rộng thuật toán sang mô hình không gian 3 chiều và tích hợp trí tuệ nhân tạo nhận diện tự động. Các cơ sở y tế, viện nghiên cứu và chuyên gia công nghệ hãy cùng kết nối, ứng dụng giải pháp Wavelet để nâng tầm độ chính xác trong chẩn đoán và điều trị ung thư hiện đại.

Trích đoạn nội dung tài liệu

LỜI CAM ĐOAN Tôi cam đoan đây là công trình nghiên cứu của tôi. Các số liệu, kết quả nêu trong luận văn là trung thực và chưa từng được ai công bố trong bất kỳ công trình nào khác. Nếu không đúng tôi xin chịu trách nhiệm trước pháp luật. Hồ Chí Minh, ngày … tháng … năm 2014 Trần Thị Quỳnh Như iv CẢM ƠN Tôi xin chân thành cảm ơn!  Ts.

Nguyễn Thanh Hải, giảng viên hướng dẫn, đã tận tình hướng dẫn, tạo điều kiện thuận lợi và chia sẻ những kinh nghiệm quý báu trong suốt quá trình làm luận văn. Trần Thu Hà, cố vấn cao học, đã định hướng, góp ý cho đề tài trong thời gian qua  Cảm ơn Quý thầy cô phản biện đã cho những nhận xét quý báu để tôi hoàn thiện quá trình nghiên cứu  Cảm ơn các anh chị học viên cao học kỹ thuật điện tử khóa 2012 -2014 đã nhiệt tình giúp đỡ  Cảm ơn: Phòng đào tạo trường Đại học sư phạm kỹ thuật TP.HCM và Khoa điện – điện tử đã tạo điều kiện thuận lợi trong quá trình học tập và nghiên cứu  Cảm ơn bệnh viện Đa khoa khu vực Đồng Nai đã tạo điều kiện cho tôi sử dụng hình ảnh y tế.HCM, ngày…tháng…năm 2014 Trần Thị Quỳnh Như v TÓM TẮT Ung thư là nguyên nhân phổ biến thứ hai cho cái chết trên toàn thế giới với hơn 200 loại đã được định. Khối u rắn chiếmhơn 80% ung thư ở người [24]. Điều trị ung thư hiệu quả khi được phát hiện sớm.

Việc điều trị ung thư quan trọng nhất là phẫu thuật cắt bỏ khối u đó. Một điều cũng vô cùng quan trọng dẫn đến chữa trị thành công là việc phân phối hiệu quả thuốc chống ung thư vào các khối u sau khi phẫu thuật. Trong tất cả các vấn đề liên quan đến chữa trị ung thư hiệu quả như trên đều liên quan đến nâng cao chất lượng hình ảnh và xác định kích thước của khối u. Vì vậy, tác giả chọn đề tài: “Dùng phương pháp Wavelet tăng cường biên ảnh để xác định kích thước khối u đặc”.

Đề tài đã đạt được một số kết quả như sau: Sau khi đọc ảnh y tế đầu vào thực tế, khối tiền xử lý bao gồm lọc nhiễu cho ảnh và cân bằng Histogram cho kết quả ảnh tốt hơn, dễ quan sát hơn. Sau đó trích lọc trực tiếp vùng cần quan tâm trên ảnh đã được xử lý để tìm biên ảnh (dùng phương pháp Wavelet). Cuối cùng là xử lý biên ảnh hoặc đánh dấu biên ảnh để tìm kích thước khối u. Để tìm diện tích khối u, tác giả đề xuất hai phương pháp là: tìm tổng diện tích các pixels bên trong đường biên và chia nhỏ khối u thành nhiều lát cắt có cùng bề dày và tính tổng diện tích các lát cắt.

Để tìm thể tích khối u, tác giả sử dụng công thức tính khi đã biết chiều dài và chiều rộng khối u. Các kết quả trên có thể được ứng dụng giúp bác sĩ xác định kích thước khối u trong thực tế để chẩn đoán và điều trị bệnh ung thư. vi ABSTRACT Cancer is the second most common reason for worldwide death with over 200 kinds of one just identified. Solid tumors account more than 80% of human cancers [24].

Detecting early is the major in effective cancer treatment. The important cancer treatment is surgical removal of such tumors. The key leading to a successful cure often involves the efficient delivery of anticancer drugs to the tumor site after a surgery. The size of tumor in these cases needs to be determined.

Therefore, author choose the topic of this thesis: “Enhancement of the edge of biomedical image using Wavelet method to determine the size of Solid Tumor” This thesis has achieved some results as follows: After reading the input image, the preprocessing block includes noise filtering and Histogram equalization for better image results, more easily observed. Then extracted directly on the image region of interest was to find the edge of image processing (wavelet method). Finally, image processing or marked the edge of image directly is to calculate tumor size. Two methods are proposed to determine the size of tumor are:the first one is the calculation of the total area of tumor based on pixels of image; the second one is the division of tumor into many parts with the same distance is applied.To find the volume of the tumor, the author used the formula that we know the length and width of the tumor.

These numeric results can be applied to determine the size of tumor for diagnosis and treatment of cancer. vii MỤC LỤC Trang Trang tựa Quyết định giao đề tài. i Lý lịch khoa học. iii Lời cam đoan.

vi Tóm tắt luận văn.vii Mục lục. x Danh mục các từ viết tắt. xiii Danh mục các bảng. xiv Danh mục các hình vẽ, đồ thị.

xv Chƣơng 1. Tổng quan về xác định kích thƣớc khối u đặc 1. Tổng quan về xác định kích thƣớc khối u đặc. Mục tiêu nghiên cứu.

Nhiệm vụ của đề tài và phạm vi nghiên cứu. Phƣơng pháp nghiên cứu. Cơ sở lý thuyết về xử lý ảnh y tế 2. Khái niệm về ảnh y tế.

Khái niệm về ảnh. Cáchtạo ảnh y tế. Cách tạo ảnh y tế. Đặc điểm ảnh CT.

Xử lý ảnh y tế. Khái niệm xử lý ảnh y tế. Quá trình xử lý ảnh y tế. Biến đổi ảnh đơn sắc.

Biến đổi Wavelet. Khái niệm biến đổi Wavelet. Biến đổi Wavelet liên tục. Biến đổi Wavelet rời rạc.

Biến đổi Wavelet đa phân giải. Nâng cao chất lƣợng ảnh. Khái niệm nhiễu. Các phương pháp lọc nhiễu.

Lọc nhiễu dùng biến đổi Wavelet. Giá trị Entropy. Phát hiện biên ảnh. Khái niệm biên ảnh.

Phương pháp phát hiện biên. Quy trình và thuật toán phát hiện biên. Kỹ thuật Gradient. Toán tử la bàn.

Kỹ thuật Laplace. Phương pháp Canny. Ứng dụng biến đổi Wavelet trong tìm biên ảnh. Khái niệm về khối u đặc.

Nguyên nhân, triệu chứng và cách điều trị ung thư. Các giai đoạn của ung thư. 40 Kết luận chương 2:. 42 ix Chƣơng 3.

Xác định kích thƣớc khối u đặc 3. Quá trình xác định kích thƣớc khối u đặc. Đọc ảnh đầu vào. Cân bằng Histogram.

Trích lọc đối tƣợng. Tính kích thƣớc khối u. Tìm tổng diện tích các pixel. Chia nhỏ khối u.

Tìm thể tích khối u. 57 Kết luận chương 3. Quá trìnhxác định kích thƣớc khối u đặc và kết quả mô phỏng 4. Tìm diện tích các hình cơ bản.

Tìm diện tích khối u. Đọc ảnh đầu vào. Trích lọc đối tượng. Tìm diện tích khối u.

Tìm thể tích khối u. 73 Kết luận chương 4. Kết luận và hƣớng phát triển đề tài 5. Hƣớng phát triển của đề tài.

77 Tài liệu tham khảo. 81 xi DANH MỤC CÁC TỪ VIẾT TẮT CT computed tomography MRI Magnetic Resonance Imaging PET Positron Emission Tomography SPECT Single Photon Emission Computed Tomography DSA Digital Subtraction Angiography ROI Region object interest PACS Picture archiving and communication system xii DANH SÁCH CÁC BẢNG BẢNG TRANG Bảng 2. Bảng đơn vị HU trong ảnh CT. Kết quả hai điểm biên lân cận theo các hướng biên khác nhau.

Các giai đoạn của ung thư. Kết quả tìm diện tích các hình giả lập khối u. 60 xiii DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ HÌNH TRANG Hình 1.1: Hình ảnh Xquang ung thư vú .2: Hình ảnh MRI hiển thị não trái bị chuyển động (trái) và sau khi chỉnh sửa (phải). Ảnh nhị phân.

Hình ảnh siêu âm (trái) và siêu âm màu Doppler (phải). Hình ảnh SPECT. Ảnh chụp CT não. Quá trình ánh xạ ảnh CT.

Sơ đồ khối xử lý ảnh y sinh. Hình dạng hàm sinusoid và hàm Wavelet. Các hình dạng Wavelet phổ biến. Biến đổi Wavelet rời rạc một chiều.

Biến đổi Wavelet rời rạc hai chiều cho ảnh. Phân tích đa phân giải sử dụng phép biến đổi Wavelet rời rạc. Biến đổi Wavelet rời rạc 3 bậc. Bộ lọc khôi phục dựa trên lý thuyết DWT 1D.

Các loại đường biên của ảnh. Quy trình phát hiện biên. Thuật toán phát hiện biên. Mặt nạ sử dụng tách biên của bộ lọc Sobel.

Hình mô tả các điểm biên lân cận .Sơ đồ khối quá trình xác định kích thước khối u đặc. Ảnh gốc và ảnh biểu đồ Histogram, Histogram chuẩn hóa tương ứng. Một số kết quả tách ảnh sử dụng các hệ số khác nhau. Ảnh gốc và ảnh biến đổi Wavelet bậc 1.

Hình gốc và thêm nhiễu Gaussian. Biên ảnh khi ảnh gốc khi không bị nhiễu và bị nhiễu Gaussian. Biến đổi Wavelet ảnh nhiễu. Kết quả sau khi xử lý nhiễu.

Hình gốc và hình sau khi thêm nhiễu Gaussian. Kết quả xử lý nhiễu dùng phương pháp Wavelet, Invariant, lọc trung bình và lọc Wien. Ảnh trước và sau khi thực hiện tiền xử lý. Ảnh gốc và biên ảnh tìm được sử dụng các phương pháp khác nhau.

Biến đổi Wavelet của ảnh. Tìm biên sử dụng phương pháp Sobel, Gradient và Wavelet. Quét 4 hướng theo từng hàng và cột để dò biên trong giải pháp 1. Quá trình tìm diện tích khối u bằng giải pháp xác định biên bằng thao tác trực tiếp trên hình.

Tìm diện tích bằng phương pháp chia nhỏ khối u thành nhiều lát cắt. Ảnh trước và sau khi chuyển thành ảnh Grayscale 8 bit. Ảnh gốc và Histogram chuẩn hóa tương ứng. Tách ảnh với hệ số 0.

Ảnh sau khi được tăng cường sử dụng Histogram. Hình trích lọc vùng quan tâm. Khối u và đường biên của khối u dùng phương pháp biến đổi Wavelet. Biên ảnh sau khi xử lý.

Đường biên và đánh dấu đường biên. Kết quả sau khi chuyển đổi. Quá trình xử lý ảnh tìm kích thước khối u. Xác định vùng quan tâm và trích lọc đối tượng.

Khối u và biên ảnh của khối u. Đường biên sau khi loại bỏ các thành phần không quan tâm. Sai số trong phương pháp quét đường biên theo hàng và cột. Sai số trong phương pháp chia nhỏ khối u.

Ảnh đường biên (a) và sau khi đánh dấu đường biên (b). Kết quả chuyển đổi các pixel bên trong thành mức 1. Phân tích sai số trong giải pháp 1. 75 xvi CHƢƠNG 1 TỔNG QUAN 1.1 Tổng quan về nâng cao chất lƣợng hình ảnh xác định kích thƣớc khối u đặc Càng ngày khoa học kỹ thuật càng phát triển và hình thành nên nhiều các giao ngành như lý sinh, hóa sinh, và một số ngành khác trong đó có ngành kỹ thuật y sinh.