Ứng dụng phép biến đổi wavelet packet trong xử lý ảnh siêu âm gan không xâm hại,luận văn thạc sỹ kỹ thuật điện tử

Tên đề tài luận văn: Ứng dụng phép biến đổi Wavelet Packet trong xử lý ảnh siêu âm gan không xâm hại.. Phương pháp nghiên cứu và kết quả đạt được: Nghiên cứu dựa trên các tài liệu nghi

LUẬN VĂN THẠC SĨ KỸ THUẬT

CÁN BỘ HƯỚNG DẪN: PGS TS NGUYỄN THANH HẢI

TRÍCH YẾU LUẬN VĂN CAO HỌC

Cơ quan công tác: Công Ty Xuất Nhập Khẩu Thiết Bị MCC

Khoá: 20.1

Cán bộ hướng dẫn: PGS.TS Nguyễn Thanh Hải Bộ môn:Kỹ thuật Viễn thông

1 Tên đề tài luận văn: Ứng dụng phép biến đổi Wavelet Packet trong xử lý ảnh

siêu âm gan không xâm hại

2 Mục đích nghiên cứu của đề tài:

- Tìm hiểu cơ chế làm việc của siêu âm không tổn hại

- Tìm hiểu về truyền sóng trong mô mềm (gan bình thường), mô bất

thường: chai gan xơ gan, mô biến dạng và u gan

- Nghiên cứu kỹ thuật xử lý tín hiệu dùng biến đổi Wavelet

- Ứng dụng biến đổi Wavelet trong siêu âm gan không xâm hại

- Xây dựng mô hình mô phỏng xử lý ảnh siêu âm gan không xâm hại

3 Phương pháp nghiên cứu và kết quả đạt được: Nghiên cứu dựa trên các tài

liệu nghiên cứu được công bố trên các tạp chí và hội thảo trong và ngoài nước

có liên quan đến lãnh vực chẩn đoán xơ gan không xâm hại đặc biệt là áp dụng các phép biến đổi Wavelet và thử nghiệm trên hình ảnh siêu âm elastography của khoảng 100 người khám

4 Điểm bình quân môn học: Điểm bảo vệ luận văn:

MỤC LỤC

TRÍCH YẾU LUẬN VĂN CAO HỌC i

MỤC LỤC iii

MỞ ĐẦU viii

DANH MỤC CÁC BẢNG BIỂU x

DANH MỤC CÁC HÌNH VẼ xi

CHƯƠNG 1: TỔNG QUAN VỀ PHƯƠNG PHÁP SİÊU ÂM TRONG Y HỌC 1

1.1 Kỹ thuật siêu âm gan không xâm hại 1

1.1.1 Nguyên tắc 1

1.1.2 Nguyên lý 1

1.1.3 Xử lý tín hiệu siêu âm gan 4

1.2 Các kết quả nghiên cứu đã công bố 9

1.3 Kết luận chương 14

CHƯƠNG 2: NGHIÊN CỨU KỸ THUẬT XỬ LÝ TÍN HIỆU DÙNG BIẾN ĐỔI WAVELET 15

2.1 Ba kiểu mode trong siêu âm 15

2.1.1 A mode 15

2.1.2 M mode 15

2.1.3 B mode 16

2.2 Các họ Wavelet dùng trong xử lý ảnh 17

2.2.1 Lịch sử của Wavelet 17

2.2.2 Giới thiệu về họ Wavelet 18

2.2.2.1 Harr 18

2.2.2.2 Daubechies 18

2.2.2.3 Nhị trực giao 19

2.2.2.4 Coiflets 20

2.2.2.5 Symlets 21

2.2.2.6 Morlet 21

2.2.2.7 Mexican Hat 22

2.2.2.8 Meyer 22

2.3 Không gian cửa sổ của biến đổi Fourier và Wavelet Packet 23

2.3.1 Miền chữ nhật tần số- thời gian 23

2.3.2 Nguyên lý bất định Heisenberg 24

2.3.3 Phép biến đổi Fourier được cửa sổ hóa 25

2.3.4 Giải pháp ô tần số thời gian biến đổi 27

2.3.5 Cơ sở trực giao của tần số thời gian 29

2.3.6 Cơ sở Wavelet Packet 29

2.4 Kết luận chương 30

CHƯƠNG 3: ỨNG DỤNG BIẾN ĐỔİ WAVELET TRONG SİÊU ÂM GAN 31

3.1 Giới thiệu về phép biến đổi Haar 32

3.1.1 Phép biến đổi Haar cổ điển rời rạc 33

3.1.2 Phép biến đổi Wavelet Haar rời rạc 36

3.1.3 Ảnh cơ sở Wavelet Haar 38

3.2 Giới thiệu về Gabor Wavelet 43

3.2.1 Phép biến đổi Gabor Wavelet 45

3.2.1.1 Phép biến đổi 1-D Gabor Wavelet 45

3.2.1.2 Phép biến đổi 2-D Gabor Wavelet 47

3.2.2 Nhận dạng kết cấu 50

3.3 Kết luận chương 54

CHƯƠNG 4 : XÂY DỰNG MÔ HÌNH MÔ PHỎNG XỬ LÝ ẢNH SİÊU ÂM GAN 56

4.1 Phân rã ảnh Wavelet Packet 56

4.2 Các nét đặc trưng được trích xuất 66

4.3 Đối tượng và phương pháp đánh giá 67

4.4 Phân rã ảnh dùng Gabor Wavelet 58

4.5 Phép biến đổi Gabor Wavelet hai chiều 69

4.5.1 Xác định độ xơ gan từ Gabor Wavelet 69

4.5.2 Xác định u gan hoặc gan có vật thể lạ 71

4.6 Kết luận chương 74

KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN CỦA ĐỀ TÀI 76

LỜI CAM ĐOAN 77

TÀI LIỆU THAM KHẢO 78

PHỤ LỤC 82

Đo độ đàn hồi rất có lợi vì không xâm nhập gan xơ hóa trong bệnh lý gan lan tỏa Kỹ thuật tạo hình đo độ đàn hồi là đóng góp đầy hứa hẹn của siêu âm thực hành Đây là một bước tiến hết sức lớn trong việc chẩn đoán không xâm hại

và không gây đau: không sinh khiết và không dùng tia X

Hướng nghiên cứu khi áp dụng ở nước ta là sử dụng giải pháp mềm cho các vùng sâu và vùng xa, nơi không có khả năng tài chính cao để trang bị các máy siêu âm chuyên dụng tiên tiến cao Thay vào đó ta sử dụng các đầu dò siêu

âm tiên tiến độ nhạy cao, còn phần máy chuyên dụng sẽ được thay thế bằng máy tính với các card DAQ (Data Aquisition) Dựa vào các cơ sở dữ liệu thu được cùng các hình ảnh siêu âm, ta sử dụng giải pháp phần mềm như xử lý ảnh, nhận dạng tối ưu và các thuật toán vi tính cao cấp để xử lý dữ liệu Kết quả là sẽ làm tăng cường ảnh giúp việc chẩn đoán dể dàng hơn Dùng các bảng tra thông số độ

xơ, chai gan từ các chuyên gia và bác sĩ kinh nghiệm, sẽ thay bác sĩ xét nghiệm cho kết luận chẩn đoán trên máy tính Đặc biệt một hệ thống cơ sở dữ liệu này sẽ

có thể lưu trữ, chuyển tải, xử lý trên hệ thống số nhằm giúp tốt cho việc thống

kê, nghiên cứu hay hội chẩn bệnh lý gan

Kỹ thuật tạo hình cần trợ giúp của máy tính có nhiều giải thuật trong xử lý hình ảnh Các giải thuật về nhận dạng khối u, so sánh ngưỡng của xơ gan, truy vấn ảnh thư viện về cấp độ xơ gan, phân đoạn gan nhằm tạo đường biên giữa các khu vực tổn thương và không tổn thương một cách chính xác Ta thường sử

dụng phân bố Gauss, lọc hình thái, gradient đa tỷ lệ về hình thái, mô hình đường viền tích cực, phân lớp khuôn mẫu Riêng về dùng các thuật toán liên quan đến phép biến đổi họ Wavelets: Haar, Meyer, Daubechies, Symlet, Coiflets, Biorthogonal, Gaussian, Mexican hat, Complex Gaussian, Shannon, Frequency B-Spline, Reverse biorthogonal, Complex Morlet, Gabor, và Morlet Chẳng hạn như thuật toán Gabor Wavelet cho lọc hạ thông nhằm lấy đường biên đặc trưng dùng cho nhận dạng và kích thước khối u, thuật toán Harr Wavelet cho cho lọc thượng thông nhằm lấy chi tiết khối tổn thương Phép biến đổi Wavelet Packet dùng cho cả hai lọc hạ thông để lấy đường biên (ước tính xấp xỉ) và thượng thông (cho chi tiết) khối tế bào gan bất thường

Đối tượng nghiên cứu là tìm hiểu các phép biến đổi Wavelet Packet chứ

không chỉ một họ Wavelet Mỗi phép biến đổi này có ưu điểm về hàm truyền bộ lọc của nó Qua thử nghiệm một số họ Wavelet như Bior 3.2, Gabor Wavelet, và Haar Wavelet là phù hợp cho việc phân tích tín hiệu siêu âm gan không xâm hại

2 chiều (ảnh siêu âm 2 chiều)

Phạm vi nghiên cứu là đề xuất một số họ Wavelet phù hợp cho siêu âm

gan không xâm hại, chẳng hạn dùng Gabor Wavelet cho biết mức độ xơ gan Một số họ Wavelet khác chỉ phù hợp cho phân tích ảnh MRI, CT hay X quang đặc biệt là cho lập thể khối u, thể tích khối u Nhưng không là phạm vi nghiên cứu của đề tài này vì nó là siêu âm xâm hại

Mục tiêu nghiên cứu của đề tài là xây dựng một số mô hình mô phỏng

dùng hàm truyền Wavelet nào phù hợp với siêu âm gan không xâm hại, từ đó có hướng phát triển cho tương lai là dùng phương pháp nhúng nhằm triển khai trên kit ARM, nhằm thay thế máy chẩn đoán siêu âm gan rất mắc tiền phù hợp cho chẩn đoán bệnh lý gan ban đầu để phục vụ cho những vùng sâu, vùng xa có tỷ lệ mắc bệnh gan cao, nhưng chưa có đủ tài chính để mua cả bộ thiết bị

Phương pháp nghiên cứu dựa trên các tài liệu nghiên cứu được công bố

trên các tạp chí và hội thảo trong và ngoài nước có liên quan đến lãnh vực chẩn đoán xơ gan không xâm hại đặc biệt là áp dụng các phép biến đổi Wavelet Packet và thử nghiệm trên hình ảnh siêu âm không xâm hại của khoảng 100

người khám

Xây dựng mô hình mô phỏng và chọn được ba họ Wavelet có tính khả thi cho xử lý ảnh siêu âm gan không xâm hại

Kết cấu của luận văn gồm 4 chương:

CHƯƠNG 1 - TỔNG QUAN VỀ PHƯƠNG PHÁP SIÊU ÂM TRONG

KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN CỦA ĐỀ TÀI

Gần đây khi phép biến đổi Wavelet, Wavelet Packet hình thành và phát triển nhanh thì càng được áp dụng trong công nghiệp, y khoa đặc biệt và xử lý ảnh y sinh Phép biến đổi Gabor Wavelet rất phù hợp với phép đo vận tốc của siêu âm trong các vật thể trong công nghiệp hay cơ quan y học, nghĩa là tốc

độ truyền sóng thể hiện qua hệ số dốc của hàm khoảng cách thâm nhập sóng siêu âm theo thời gian Do đó hệ số ngưỡng giữa gan bình thường và gan bị xơ

là hoàn toàn xác định tùy thuộc vào tần số siêu âm phát của đầu dò của từng hãng sản xuất thiết bị Do đó, ta chỉ cần mua đầu dò cảm biến của một hãng y khoa nào đó, ta sẽ có thông số ngưỡng Sử dụng các phép biến đổi đã đề cập

trong luận văn này dùng máy tính thay thế cho thiết bị chính hãng để thực hiện phần xử lý tín hiệu siêu âm thì chúng ta sẽ đỡ tốn kém rất nhiều, và có khả năng trang bị cho các cơ sở hay trạm y tế vùng sâu, vùng xa để có thể chẩn đoán bệnh xơ gan, viêm gan hay u gan ban đầu

Do giới hạn của thời gian, luận văn này chỉ giải quyết việc xác định bất thường của gan là xơ gan và u gan vẫn dựa vào hình ảnh thị giác của bác sĩ Trong tương lai, luận văn này sẽ triển khai mở rộng theo hai hướng: phần mềm

và phần cứng

Về phần cứng, sẽ áp dụng nhựng kết quả có được triển khai trên kit ARM

32 bit AT91SAM9RL64 Dùng kỹ thuật nhúng viết bằng C++ kết quả xuất trở lại màn hình máy tính

Về phần mềm, sẽ tiếp tục thu thập đủ cơ sở dữ liệu, ứng dụng xác suất thống kê, đặc biệt dùng mạng neutral nhân tạo để huấn luyện cho máy học.sao cho kết quả chẩn đoán được in ra giấy mà không có sự đọc kết quả chẩn đoán trực tiếp từ bác sĩ

Cuối cùng, tôi xin gửi lời biết ơn chân thành nhất đến PGS.TS Nguyễn

Thanh Hải là người đã trực tiếp hướng dẫn tôi hoàn thành luận văn này Thầy

đã tận tình luôn theo dõi và định hướng tôi trong quá trình hoàn thành đề tài Xin cảm ơn quí Thầy Cô khoa Điện – Điện Tử, Trường Đại Học Giao Thông Vận Tải, những người đã tận tình chỉ bảo, cung cấp cho chúng tôi những kiến thức kỹ thuật nền tảng và chuyên sâu, là cơ sở quan trọng để tôi hoàn thành luận văn này và vững bước chuyên môn trong con đường sự nghiệp

TP.HCM, Ngày 24 tháng 05 năm 2014

Học Viên : Trịnh Hoàng Duy

DANH MỤC CÁC BẢNG BIỂU

DANH MỤC CÁC HÌNH VẼ

1.13 Hàm mật độ phổ công suất theo 2

2.10 Hàm Wavelet Mexican Hat 22

2.14 Hộp thời gian-tần số của 2 Wavelet W u s, và W u s0,0 28

3.20 Phép biến hình Wavelet với N f =9 và N 0 =9 54

CHƯƠNG 1 - TỔNG QUAN VỀ PHƯƠNG PHÁP SIÊU ÂM

Đ độ đ ồi là mộ ư c quan trọng trong chẩ đ á v q

đ n bệnh học và Shear Wave Elastography là k thu t siêu âm th hệ k ti p h a hẹn nhiều lợi ích trong chẩ đ á v ý ĩ

T ư c h t ta t p trung vào k thu t siêu âm không xâm h i

1.1.1 Nguyên tắc

Độ c ng và suấ đ ồ : ũ ư ấ Y được diễn đ ư đơ vị Pascal (P ) Độ c ng là thông số chính mà nó phụ thuộc vào tr ng thái bệnh lý của mô mềm Từ nhiều th kỷ á á ĩ ử dụ ươ á á ệnh gan bằng cách dung tay sờ v đè ụng

Đ đ độ c ng trong các mô mề độ c ng tỷ lệ v i v n tốc của các

đ ồ được gọ đ ồi bi n d ng (Shear Wave)

Shear W v được sử dụng rộng rãi trong các mô sinh học: mô sinh họ xơ

c ng, thì sóng Shear Wave càng nhanh

Thí dụ về ười

Hình 1.2 - Sóng đàn hồi trong gan người

V = 1.1 m/s V = 1.7 m/s V = 3,6 m/s

Hình 1.3 - Vị trí đầu dò và điểm đo

Hình 1.4 - Sóng biến dạng lan truyền

1.1.3 Xử lý tín hiệu siêu âm gan

Một ng dụng lâm sàng tiên ti n có th phân tích dữ liệu tín hiệu echo ở

độ ly gi ơ 100 ần so v i những hình xá ường hoặc

ư ượng màu bằng cách sử dụng phần c đặc biệt mở rộng

ò ô ( issue harmonic ultrasonography) ự ệ

ượ ô í ( ) ủ í ệ

ề q ơ

Hình 1.5 - Bản đồ màu mã hóa tốc độ sóng biến dạng

đượ đ đơ vị / v ề ề ố độ

ộ độ ủ ô H đồ ố độ ã đổ

ố độ Y ’ M độ ô đ ằ Kilopascal

Hình 1 6 - Biên độ sóng âm

nh - Th t thời gian time sequence c c hòa tần số sóng m

T 1 1 ầ ố đơ K ề q ô ( 2) ị á ầ ủ v đượ í ợ ề

ầ ầ ố ở đ á ầ đượ ọ á ầ ố ò ( f q ) K ề đ ề ơ ( 3) v ề ầ ố ò ơ á ầ ố ò đượ

v í ụ ề q ô Mặ á ầ ố ò đượ v

v ò ơ độ ự ỏ đ

ệ (2f) ấ đô ầ ố ề ĩ (nominal)

ô ệ ệ ( ấ đô ầ ố ề ) đ T ằ á f q (độ ộ ầ ố ò ) ổ ầ ố ề đượ ọ

nh - h tần số của sóng truyền và sóng nhận

ă (f) ượ ở ề ặ đầ ò v í

ề q ơ ò (2f) đượ ă ề

q ơ ò ă ườ độ ư độ

ủ ô T ò ầ ố ò í ệ

ằ á ọ đ ổ ầ ố ề í ệ

Hình 1.9 - Ph trung b nh và độ lệch chuẩn

Hình 1.10 - Hàm Mật Độ Xác Suất

Hình 1.11 - Hàm phân bố tích lũy

Hình 1.12 - àm tương quan giữa DF và CDF

m R

1.2 Các kết quả nghiên cứu đã công bố

Một hệ thống chẩ đ á á í trợ đ mô t ườ v xơ gan bằng bộ mô t k t cấ đ đượ đề xuất Nghiên c đ được thực hiện t i 120 khu vự đ n quan tâm chi t xuất từ 31 hình nh siêu âm gan B-mode lâm sàng bộ mô t k t cấ đ độ lệch trung bình và tiêu chuẩ được trích rút bằng cách sử dụng bi đổi Wavelet 2D- rời r c và phép

bi đổi 2D- Gabor Wavelet đượ x xé đ phân tích và tìm ki m đầ đủ v i

13 tiêu chí về ự được sử dụ đ lựa chọ é đặ ư Ch ă ộ

mô t k t cấ đ được từ phép bi đ i Gabor Wavelet 2D ở độ tỷ lệ hình chọn lọ v đị ư ng cung cấp tính chính xác phân lo i cao

nhất là 98 33% v độ nh y 100% bằng cách sử dụng một bộ phân lo i hổ trợ vector (support vector machine)

Hình 1.14 - Hàm Phân Bố Tích Lũy theo 2

m

C

Hình 1.15 - Phân bố Rayleigh

Một vài nghiên c u trong tài liệu (Jeong và cộng sự ă 2007 Theo tác

gi Sun đã chủ ă 2005 - Wu và cộng sự 2011) á í đề nghị h trợ chẩ đ á ( A ) ệ thống phân lo i giữ ường và các l p khác nhau củ xơ ều nghiên c u khác (Mojsilovic và cộng sự, 1996; Huang chủ biên, 2009; Lu và cộng sự, 2008; Virmani chủ biên, 2011a, 2011b; Wan và Zhou, 2010; Zhou và cộng sự, 2006) là một hệ thố A đ

đ được phân lo i nhị phân giữ ườ v xơ đượ đề xuất Mojsilovic chủ biên (1996) đ đượ độ chính xác phân lo i 92% cho dự đ á

xơ ằng cách sử dụ á é đặ ư ă ượ được trích xuất từ lựa chọ á ă ọn lọc bằng cách dùng phép bi đổi Wavelet 2Nx1-D cùng v i bộ phân lo i kho ng cách Euclide

Ông Huang và cộng sự (2009) đ t 82,5% độ chính xác phân lo đ chẩn

đ á xơ ằng cách sử dụ é đặ ư đồng cấ độ màu xám (GLCM) và một bộ phân lo i m ng meural xác suất (PNN) Báo cáo nghiên c u của họ được c i thiện hiệu suất phân lo i của tiền xử lý hình nh v ươ pháp gi m nhiễu Wavelet Packet Lu và cộng sự (2008) đã t k một hệ thống CAD cho chẩ đ á xơ ằng cách bắt các bi n th k t cấu của mẫu hồi âm

ườ v xơ q đ n k t cấu echo củ á á đ è

Họ báo cáo chính xác phân lo i 94,7% bằng cách sử dụ á é đặ ư trong miền không gian-tần số v i việc chọm lọ é đặ ư ằng cách sử dụng phân tích thành phần chính và phân lo i bằng cách sử dụng cây phân lo i

Ông W v Z (2010) đã ố gắ đ phân lo i gan bìn ườ v xơ gan bằng cách sử dụ v á é đặ ư t cấ ă ượ ư c tính từ hai chiều Wavelet rời r c (2D-DWT) và hai chiều Wavelet Packet rời r c (2D-WPT) hình ă được bằng cách sử dụng bộ lọc Wavelet DB4 trên dữ liệu của họ Họ á á độ chính xác phân lo i cao nhất 85,79% bằng cách sử dụ é đặ ư 2 -WPT cùng v i bộ phân l p máy h trợ vector Ông Zhou và cộng sự, (2006) sử dụ á é đặ ư t xuất từ hình nh siêu âm M-mode và B-mode cho chẩ đ á xơ

Họ đã ử dụ á é đặ ư t cấu bao gồm c số liệu thống kê th

tự đầu tiên, thống kê chiều dài cấ độ màu xám ch y, thống kê sự khác biệt m c

độ xám (GLDS) trích xuất từ hình nh B- ũ ư á é đặ ư được trích xuất từ đường cong chuy độ được từ M-mode hình nh siêu âm gan Nghiên c u của họ cho thấy rằ 100% độ chính xác phân lo i có th đ t được bằng cách sử dụ 20 é đặ ư được lựa chọn bằng cách sử dụng tìm

ki m truyền thẳng liên tục và quy tắc quy định tuy đ lựa chọ é đặc

ư T á í ệm của họ đã được thực hiện trên dữ liệu h n ch thi t l p, thí dụ tổng số 43 R (13 xơ v 30 ườ ) v ươ á này đò ỏi c hình nh M-mode và B-mode của bệnh nhân

Kh o sát tổng quát về phân lo i k t cấu trong miền chuy đổi bằng cách

sử dụ ươ á p c đ ư 2 -DWT, WPT và GWT cho thấ é đặ ư độ lệch chuẩ v ườ được sử dụng không ch đặc tính k t cấu của k t cấu tự nhiên t c là, ơ ở dữ liệu hình nh Brodatz (Avci, 2008; Chang và Kuo, 1993; Mojsilovic và cộng sự, 2000) mà còn cho hình nh y t (Tsiaparas et al 2011, Wan và Zhou, 2010; Yoshida và cộng sự, 2003)

2D-Trong công việc hiện t i, bộ mô t k t cấu lệch (TDs) chuẩn và trung bình đượ đá á ừ các hình é đặ ư ă á được bằng các phép bi đổi 2D-DWT, 2D-WPT và 2D- WT được xem xét cho x p lo i

ườ v xơ T t k phân lo i mà sử dụng qui chuẩ ư á

h trợ vector (SVM) ường í ư ng phù hợ v được hiệu suất tổng quát tố đ n một m độ nhấ định đ ngay c khi không gi é đặc

ư ô ều (Burges, 1998) Trong công việc hiện nay SVM phân

lo được chọ đ phân lo ườ v xơ

ơ đồ khối của hệ thố A đượ đề xuất cho dự đ á ủa bệ xơ được th hiện trong hình 3 hệ thố A đượ đề xuất

Thực hiện của hệ thố A đề xuất hiệ H 1.16 ơ ở dữ liệu của 120 không chồ é ROI được t o ra từ 31 hình nh siêu âm được trên lâm sàng Hệ thống CAD bao gồm trích xuấ é đặ ư ựa chọ é đặc

gi m vector bao gồ ă độ lệch chuẩn (TDs) phân biệt nhấ được lựa chọn bởi thủ tụ é đặ ư ựa chọn

Những phân lo i nhị VM được thực hiện bằng cách sử dụ ư viện LibSVM (Chang và Lin, 2011)

Hình 1.16 - Sơ đồ khối của hệ thống CAD cho chẩn đo n xơ gan [10]

Cơ sở dữ liệu siêu âm gan mode- B bao gồm

15 ảnh bình thường và 16 ảnh viêm gan

Sự phân lớp hóa

Bộ phận lớp SVM1 Bộ phận lớp SVM 2 Bộ phận lớp SVM3

LỚP ẢNH XUẤT LỚP ẢNH XUẤT LỚP ẢNH XUẤT

Độ phân lớp chính xác 98,33% Độ phân lớp chính xác 96,66% Độ phân lớp chính xác 95,09%

Cơ sở dữ liệu của 120 khu trú không chồng lấn

60 khu trú từ 15 ảnh gan bình thường.60 khu trú từ 15 ảnh gan bình thường

15 ảnh bình thường và 16 ảnh viêm gan

Cơ sở dữ liệu của 120 khu trú không chồng lấn

60 khu trú từ 15 ảnh gan bình thường.60 khu trú từ 15 ảnh gan bình thường

15 ảnh bình thường và 16 ảnh viêm gan

30 khu trú bình thường

30 khu trú viêm gan

15 ảnh bình thường và 16 ảnh viêm gan

30 khu trú bình thường

30 khu trú viêm gan

15 ảnh bình thường và 16 ảnh viêm gan

Dữ liệu kiểm tra

15 ảnh bình thường và 16 ảnh viêm gan

Dữ liệu kiểm tra

15 ảnh bình thường và 16 ảnh viêm gan

21 ảnh nét đặc trưng đựơc tạo ra khi áp dụng 2D-GWT với 3 tỉ lệ và 7 hướng

10 ảnh nét đặc trưng đựơc tạo

ra khi áp dụng phân ảnh 3 mức 2D-DWT khi sử dụng bộ lọc

Haar Wavelet

16 ảnh nét đặc trưng đựơc tạo

ra khi dùng phép phân rã ảnh 2D-WPT khi sử dụng bộ lọc

1.3 Kết luận chương

Ngoài những phần lý thuy đã về k thu t siêu âm gan trong y khoa, các k thu t nghiên c u xử lý tín hiệu dùng phép bi đổi Wavelet và ng dụng của nó trong siêu âm gan s trình bài ở á ươ P ần k t qu mà

lu vă thực hiện là xây dựng mô hình hóa mô phỏng xử lý nh siêu âm gan không xâm h i cụ th ư :

K t qu đầy h a hẹn cho thấy rằng tần số có chọn lọ v đặ í định

ư ng của các bộ lọc Gabor là cực kỳ hữu ích cho việc cung cấp mô t k t cấu

đ ỷ lệ và chẩ đ á xơ ằng cách sử dụ é đặ ư đồng cấp

độ màu xám S hi n thị rõ nét gờ biên nhằ xá định có u gan

Bộ lọc Gabor là bộ lọc h thông s cho th hiệ đường hệ số Đường

hệ số góc tỷ lệ nghịch v i hệ số truyền sóng của m độ xơ ệ số truyền sóng này càng l độ xơ

Sử dụ á é đặ ư ền không gian-tần số v i việc chọn lọc

é đặ ư ằng cách sử dụng phân tích thành phần chính và phân lo i bằng cách sử dụng cây phân lo i trong phần phân rã nh v i hai họ Bior 3.2 và Haar

Sử dụ á é đặ ư ă ượ được trích xuất từ lựa chọn cá ă thu có chọn lọc bằng cách dùng phép bi đổi Wavelet 2N x1-D cùng v i bộ phân lo i kho ng cách Euclide

Kh o sát tổng quát về phân lo i k t cấu trong miền chuy đổi bằng cách

sử dụ ươ á p c đ ư 2 H Wavelet, 2D Bior 3.2 Wavelet cho thấ é đặ ư độ lệch chuẩ v ườ được sử dụng không ch đặc tính k t cấu của k t cấu tự nhiên mà còn cho nh y t

CHƯƠNG 2 - NGHIÊN CỨU KỸ THUẬT XỬ LÝ TÍN HIỆU DÙNG

BIẾN ĐỔI WAVELET

2.1 Ba kiểu mode trong siêu âm

2.1.1 A mode

A-Mode, hoặc Amplitude Modulation, là màn hình hi n thị của gai biên

độ cao khác nhau A-Mode gồm trụ x v đ x đ i diện cho chiều sâu và

đ i diệ độ Những hình nh trên cho thấy một thí dụ về hi n thị Mode

A-Hình 2.1- Ảnh siêu âm A-mode

2.1.2 M-Mode

M-Mode, hoặc ch độ chuy n động (còn gọi là chuy động theo thời gian hoặc TM-Mode), là màn hình hi n thị của hình nh một chiều được sử dụng

đ phân tích bộ ph ơ di chuy n phổ bi n trong hình nh tim và thai nhi

Đ ều này có th được thực hiện bằng cách ghi l i độ và tố độ chuy động trong thời gian thực bằng cách liên tục đ ng cách của á đố ượng từ các

bộ chuy đổi hoặc c m bi đơ t i một thờ đ m nhấ định Chùm âm thanh

đơ được truyề đ v những echo được ph n x hi n thị ư những chấm

ườ độ khác nhau, đ o ra dòng hi n thị trên màn hình ư đ

nh một chiều của ch độ TM

Hình 2.2 - Ảnh siêu âm M-mode

2.1.3 B Mode

B-Mode hoặ độ á đ ều ch là màn hình hi n thị b đồ 2D về dữ liệu B-Mode Hình th c phổ bi n nhất của nh siêu âm không giố ư A-Mode, B-M được dự độ sáng v i sự vắng mặt của gai dọ đ độ sáng phụ thuộ v độ hoặc ườ độ của sóng echo Không có trục y trên B-Mode, thay vào đ có một trụ z đ i diệ ườ độ tín hiệu dội l i hoặ độ

và trụ x đ i diện cho chiều sâu B-Mode s hi n thị một hình nh của dấu chấm

l n và nhỏ trên hình đ i diện cho sóng echo m nh m và y u ươ ng

ư đ ột thí dụ về hình nh B-Mode của một khố ă ội trong mộ ơ q ụ th

Hình 2.3 - Ảnh siêu âm B-mode

Siêu âm B- đã được sử dụng rộng rãi trong việc phát hiện và chẩn

đ á á ệnh gan có liên quan bởi vì hình nh siêu âm có th ph n ánh rõ ràng những bấ ường trong các mô gan Thực t là hình được ki m tra bằng mắ á ĩ á ủ q á á ĩ kinh nghiệm khác nhau nên việc chẩ đ á ệnh của cùng một bệnh nhân có th khác nhau.Vì v y làm th đ việc chẩ đ á đá tin c ơ ấ q á v á q đã ở thành tiêu chí nghiên c u

Do sự phát tri n của công nghệ máy tính và nh n d ng k t cấu, việc chẩn

đ á dùng máy tính trợ giúp s cung cấp những hi u bi t tri n vọng vào phát hiện bệnh gan và khám gan Hai nhiệm vụ quan trọ q đ n chẩ đ á máy tính h trợ là trích xuấ é đặ ư v i Trong nhữ ă q các nhà khoa họ đã i thiện các thu t toán cho việc trích xuấ é đặ ư

Về ơ n, chúng có th được phân thành ba lo i: các thu t toán dựa trên miền không gian, các thu t toán dựa trên miền tần số và một số thu t toán khác dựa

Sự chú ý của các nhà nghiên c u dần dần chuy n từ phân tích dựa trên tần

số sang phân tích dựa trên tỷ lệ khi nó bắ đầu trở nên rõ ràng rằng một cách ti p

c đ động trung bình ở các quy mô khác nhau có th ch ng minh ít nh y

c m v i nhiễu

Việ đề c đ đầ được ghi l i những gì chúng ta gọi là "Wavelet"

có l ă 1909 ột lu n án của Alfred Haar Các khái niệm về Wavelets ở d ng lý thuy t hiện t i của nó lầ đầ đượ đề xuất bởi Jean Morlet và nhóm nghiên c u của Trung tâm V t lý lý thuy t Marseille làm việc

ư i sự dẫn dắt của Alex Grossmann t i Pháp

Các khái niệm về phân tích Wavelet đã được phát tri n chủ y u là do Y

M v á đồng nghiệp, nhữ ười đ m b o phổ bi ươ á này Các thu t toán chính củ M v ă 1988 K từ đ u trên Wavelet đã ở thành quốc t Nghiên c ư v đặc biệt ho động t i

Hoa Kỳ ơ được dẫ đầu bởi công việc của các nhà khoa họ ư I grid Daubechies, Ronald Coifman và Victor Wickerhauser

Miền Wavelet đ được ă ất nhanh chóng Rất nhiều tài liệu toán

học và thử nghiệm thực t được công bố hàng tháng

2.2.2 Giới thiệu về các họ Wavelet

Một số họ của Wavelet đã được ch đặc biệt hữu ích có trong hộp công cụ này Gi i thiệu một số họ Wavelet là đ khám phá tất c các họ Wavelet cho của riêng m ười sử dụng, hãy ki m tra các công cụ hi n thị Wavelet

2.2.3.1 Haar

Bất kỳ cuộc th o lu n về Wavelets đều bắ đầu v i Haar Wavelet ười

đầ v đơ n nhất Haar Wavelet là không liên tục v ươ ự ư ột hàm ư N đ i diện cho cùng tên Wavelet ư 1

Tên của các họ Wavelet được vi t là dbN, đ Nis là

b c và db là "họ" của Wavelet Các db1 Wavelet ư đã đề c p ở ũ giố ư H Wavelet ư đ các hàm Wavelet của chín thành viên ti p theo của họ ư :

đơ ống nhau, tính chất qua được trích xuất

Ta có th được một cuộc kh o sát của các thuộc tính chính của họ này bằng cách gõ waveinfo ('bior') từ dòng lệnh MATLAB

Hình 2.6 - Họ Wavelet nhị trưc giao Bior

2.2.3.4 Coiflets

Được xây dựng bởi I Daubechies theo yêu cầu của R Coifman Hàm Wavelet có 2N kho nh khắc bằng 0 và các hàm tỷ lệ có 2N-1 kho nh khắc bằng

0 Hai hàm có h trợ chiều dài 6N-1 Ta có th được một cuộc kh o sát của các thuộc tính chính của họ này bằng cách gõ Waveinfo ('mu') từ dòng lệnh MATLAB

Ta có th được một cuộc kh o sát của các thuộc tính chính của họ này bằng cách gõ waveinfo ('morl') từ dòng lệnh MATLAB

Hình 2.9 - Hàm Wavelet Morlet

2.2.3.7 Mexican Hat

Wavelet này không có hàm mở rộng tỷ lệ, có nguồn gốc từ một hàm mà

nó tỷ lệ thu n v i hàm phát sinh th hai của hàm m độ xác suất Gauss

Hình 2.10 - Hàm Mexican Hat

Ta có th được một cuộc kh o sát của các thuộc tính chính của họ này bằng cách gõ waveinfo ('mexh') từ dòng lệnh MATLAB

2.3 Không gian cửa sổ của biến đổi Fourier và Wavelet Packet

2.3.1 Miền chữ nhật tần số- thời gian

Thúc đẩy bở ơ ọ ượng tử v ă 1946 v ý đề xuất phép phân rã tín hiệu trên miền chữ nh t của d ng sóng ơ ấp mà ông gọi là các phần tử thời gian tần số mà có trãi phổ tối thi u trong một mặt phẳng thời gian tần số Bằng cách hi n thị phép phân rã ư v y, có liên quan chặt ch v i nh n

th c của chúng ta về âm thanh, và chúng th hiện cấu trúc quan trọng trong lời nói và ghi âm nh đã ng minh tầm quan trọng của xử lý tín hiệu thời gian tần số cục bộ Ngoài âm thanh, các l p học l n có tín hiệu của phép phân rã

ư ư là các tổng của các phần tử thời gian tần số được lựa chọn miền chữ nh t thích hợp Vấ đề quan trọng là ph i hi u làm th đ xây dựng miền chữ nh t giữa các phần tử thời gian thích nghi v i đặc tính tần số tín hiệu

2.3.2 Nguyên lý bất định Heisenberg

Một miền chữ nh t thời gian tần số D{ }y y

bao gồm d ng sóng của chuẩ đơ vị y 1 đ ột cục bộ hoá hẹp trong miền thời gian và tần

số Cục bộ hóa thời gian u của y

ư ộ " ượng tử thông tin" trên một ô phân gi i ơ ấp Định lý nguyên lý

bấ định ch ng tỏ hình chữ nh t này có bề mặt tối thi u mà nó gi i h độ phân

gi i thời gian tần số k t nối này:

, ,

1 2

  

Hình 2.12 – Hộp Heisenberg biểu diễn một phần tử 

Xây dựng một miền chữ nh t của một phần tử thời gian-tần số đ

th đượ ư ồm các mặt phẳng thời gian tần số v i các ô có độ phân

gi i có độ rộng thời gian  , 

và chiều rộng tần số    ,

mà nó có th đổi v i một bề mặt l ơ ột nửa Cửa sổ Fourier và bi đổi Wavelet là hai thí dụ quan trọng

2.3.3 Phép biến đổi Fourier đƣợc cửa sổ hóa

Một miền chữ nh t Fourier được cửa sổ hóa được xây dựng bằng cách dịch thời gian và tần số một thời gian cửa sổ g (t), của chuẩ đơ vị g 1

, trung tâm t i t=0 :

u

g 

ươ ng v i một hình chữ nh t Heisenberg có mộ í ư c  t  độc

l p v i vị trí ( , )u  của nó ư hiện trong Hình 1.4 Phép bi đổi Fourier

được cửa sổ hóa l p f trên m i phần tử miền chữ nh tg u,

Nó có th được hi ư ột bi đổi Fourier của f ở tần số này, cục

bộ hóa bằng cửa sổ g (tu) trong lân c n của u Này phép bi đổi Fourier được cửa sổ hóa là rấ ư ừa và bi u diễn cho các tín hiệu một chiều bởi một hình

nh thời gian tần số trong ( , )u  Vì th , cần thi đ hi u làm th đ chọn

nhiều hệ số tần số thờ í ơ đ i diện cho tín hiệu này một cách hiệu qu

Hình 2.13 - Hộp thời gian – tần số trải ph năng lượng

Các hộp thời gian-tần số (“ ữ nh H ”) u diễn trãi phổ ă ượng của các phần tử F đượ ượng tử hóa

T địa chấn học ph n ánh, Morlet bi t rằng các d ng sóng ngầm gửi

ư đất có thời gian quá dài ở tần số đ tách các l địa v t lý gần nhau

D ư v được gọi là Wavelet địa v t lý Thay vì phát ra các xung thời gian bằ ô ĩ đ n việc gửi d ng sóng ngắ ơ ở tần số cao Các d được bằng cách lấy tỷ lệ v i các Wavelet mẹ đ nó đượ đặt tên cho bi đổi này Mặ đã được làm việc trong lý thuy t v t lý, ông được công nh n trong cách ti p c n Morlet của một số ý ki n cho rằ đã ầ đ n công việc của mình về tr á ượng tử thống nhất

Gần bố ươ ă M v tái kích ho t một

sự hợ á ơ n giữa lý thuy t v t lý và xử lý tín hiệu, dẫ đ n việc chính th c hóa của các phép bi đổi Wavelet liên tục Nhữ ý ưởng này không ph i là hoàn toàn m i cho các nhà toán học làm việc trong phân tích hài hòa, hoặc các nhà nghiên c u thị giác máy tính, xử lý nh đ ỷ lệ Đ ch là khở đầu của một chất xúc tác nhanh chóng mà các nhà khoa họ đã p hợp trên nền t ng khác nhau

Một miền chữ nh t Wavelet được xây dựng từ một Wavelet mẹ  của

trung bình zero