Ứng Dụng Tính Toán Lưới Vào Việc Xử Lý Hình Ảnh Trong Lĩnh Vực Y Tế

Với một khối lượng dữ liệu lớn, các thông tin y tế nhạy cảm, sựphức tạp chung của tập dữ liệu y tế và các tính toán trong chẩn đoán lâm sàng, tháchthức của công việc này là lấp đầy khoản

PHÒNG SAU ĐẠI HỌC 

BÀI THU HOẠCH MÔN HỌC

TÍNH TOÁN LƯỚI

Đề Tài:

Ứng Dụng Tính Toán Lưới Vào Việc Xử Lý Hình Ảnh Trong Lĩnh Vực Y Tế

Giảng viên phụ trách:

PGS.TS Nguyễn Phi Khứ

Học viên thực hiện:

Trần Thanh Quốc Thắng MSSV: CH1101131

TP HCM, tháng 7/2013

I Giới thiệu 3

II Tổng quan 5

III Các dịch vụ y tế chính 7

1 Tương tác 7

2 Quản lý dữ liệu y tế 7

3 Các giao thức truy cập dữ liệu y tế 8

IV Các ứng dụng y tế 9

V Tính tương tác và tái tổ chức 11

1 Một trường hợp cho lưới tương tác 11

2 gPTM3D 12

VI Nén trực tuyến và phân vùng ảnh tim 14

1 Thuật toán AdOC 14

2 Thư viện AdOC 15

3 Kỹ thuật nén gần đúng (lossy compression) dùng trong truyền tải ảnh 15

4 Phân đoạn 3D của các hình ảnh tim bằng kỹ thuật chụp cộng hưởng từ 16

VII Quy trình quản lý và đánh giá các thuật toán biến đổi 21

VIII Quản lý dữ liệu y tế và tính nhân đạo trong y khoa 23

IX Kết luận 25

Tài liệu tham khảo 27

I Giới thiệu

Việc xử lý hình ảnh trong lĩnh vực y tế là một lĩnh vực ứng dụng đầy hứa hẹncho tính toán lưới Với một khối lượng dữ liệu lớn, các thông tin y tế nhạy cảm, sựphức tạp chung của tập dữ liệu y tế và các tính toán trong chẩn đoán lâm sàng, tháchthức của công việc này là lấp đầy khoảng cách giữa các tính năng còn hạn chế củalưới middleware và yêu cầu của các ứng dụng dùng trong chẩn đoán lâm sàng Dự ánnghiên cứu AGIR (Grid Analysis of Radiological Data) trình bày một phương pháptiếp cận kết hợp: một mặt, tận dụng các lưới middleware cùng với mạng lưới các dịch

vụ y tế trọng tâm hướng tới các yêu cầu xử lý dữ liệu của các ứng dụng trong y học;mặt khác, lưới cho phép một loạt các ứng dụng có thể hoạt động trên nó từ các thuậttoán cho đến các ứng dụng chẩn đoán lâm sàn

Việc xử lý hình ảnh trong lĩnh vực y tế yêu cầu phải tương tác với 1 lượng dữliệu rất lớn, có khi phải lên đến hàng Terabyte Thêm vào đó, nội dung của dữ liệu làrất quan trọng vì đó là các dữ liệu y tế và các dữ liệu này thường được thao tác nhưnhững tập dữ liệu có quan hệ với nhau Do đó việc lưu trữ và tìm kiếm trên các dữliệu y tế đòi hỏi các thao tác lên một khối lượng dữ liệu lớn và các metadata liên quan(các dữ liệu đã được xác định trước, dùng để chỉ ra cách thức để đọc được nội dungcủa các dữ liệu còn lại) Thao tác trên dữ liệu y tế còn đòi hỏi phải được bảo mật chặtchẽ vì chúng liên quan đến dữ liệu cá nhân của người bệnh

Các thuật toán để phân tích hình ảnh y tế và các công cụ hỗ trợ chẩn đoán đãđược phát triển trong nhiều năm qua Một số các thuật toán đã đạt đến một mức độcao về khả năng sử dụng và được chứng minh có tác dụng thực sự trong lĩnh vực lâmsàng Tuy nhiên việc áp dụng chúng vẫn chưa được rộng rãi

Sử dụng tính tóa lưới để xử lý dữ liệu là một cơ hội tốt để mở rộng tầm ảnhhưởng của các công cụ xử lý hình ảnh này và chuyển giao các nghiên cứu thựcnghiệm vào trong chẩn đoán lâm sàng

 Lưới cung cấp một cơ sở hạ tầng cho phép nhiều cộng đồng người sửdụng để truy cập và thao tác lên dữ liệu y tế

 Lưới cung cấp khả năng tính toán cần thiết để xác nhận các thuật toántrên bộ dữ liệu lớn và xử lý cơ sở dữ liệu hoàn chỉnh cho các ứng dụngđòi hỏi phải có số liệu thống kê như dịch tễ học

 Lưới cho phép ẩn việc truy cập tới các hệ thống tính toán, mỡ rộng khảnăng ứng dụng thực tế như một công cụ y tế thực sự.

Tính toán lưới đã phát triển mạnh mẽ trong thập kỷ qua, lưới middleware và cácchuẩn giao thức trên lưới vẫn đang được tiếp tục nghiên cứu phát triển Lấp đầykhoảng trống giữa các ứng dụng lâm sàng và các lưới middleware đặt ra nhiều vấn đề

cụ thể, từ các nghiên cứu cơ bản về khoa học máy tính đến các vấn đề về pháp lý.Giải quyết những vấn đề này là một hoạt động nghiên cứu và là một lĩnh vực côngnghệ, và một cộng đồng khoa học mới đang dần xuất hiện

Hai mục tiêu chính của dự án AGIR là:

 Nghiên cứ và triển khai thuật toán Trong ngắn hạn, triển khai các thuậttoán đã biết lên các tập dữ liệu và sử dụng tính toán lưới sẽ đơn giản hóaviệc phát triển, tạo mẫu, và kiểm tra các thuật toán này

 Nghiên cứu các dịch vụ tính toán lưới mới nhằm giải quyết một số yêucầu xử lý hình ảnh y tế phức tạp và các ứng dụng xử lý dữ liệu

 Thúc đẩy việc nghiên cứu và phát triển phần mềm bởi các nhóm tham giatrong lĩnh vực xử lý hình ảnh y tế và tính toán lưới

Kết quả mong đợi là việc tích hợp được các giải pháp này vào trong thựcnghiệm, nâng cao kiến thức về các yêu cầu của ứng dụng y tế, các thuật toán và hệthống thông tin hướng đến lưới middleware và các thiết kế, bổ sung các thuật toánphân tích y tế mạnh hơn, tác động đến các dự án tính toán lưới tầm quốc gia và quốc

tế, bổ sung kinh nghiệm triển khai các chẩn đoán lâm sàng

II Tổng quan

Việc triển khai một ứng dụng y tế theo mô hình tính toán lưới có thể được cấutrúc thành 4 tầng như minh họa trong hình 1

Hình 1 Kiến trúc các tầng của ứng dụng y tế theo mô hình tính toán lưới

Tầng thấp nhất bao gồm các dịch vụ cơ bản chung của lưới Tầng thứ hai baogồm các dịch vụ cốt lõi dành riêng cho các ứng dụng y tế mà không có sẵn trong tầngmiddleware chung Tầng thứ ba là các thuật toán xử lý hình ảnh y tế dựa trên các dịch

vụ tính toán lưới cơ bản để xử lý một lượng lớn dữ liệu Tầng thứ tư ở vị trí trên cùngbao gồm các ứng dụng trong chẩn đoán lâm sàng được phát triển để giải quyết nhữngvấn đề trong lĩnh vực y tế AGIR chủ yếu hướng đến phát triển các dịch vụ y tế cốt lõi

và các thuật toán xử lý hình ảnh, và ở một mức độ mỡ rộng là các ứng dụng dùngtrong chẩn đoán lâm sàng

Lưới middleware đã có sẵn: các lưới này có quy mô lớn và cung cấp cơ sở hạtầng cả phần cứng lẫn phần mềm; lưới tính toán trong lĩnh vực y tế thực sự sẽ đượctriển khai dựa trên các lưới đã được kiểm chứng và được hỗ trợ Vì vậy, dự án nàykhông tập trung phát triển các lưới middleware cơ bản Ở tầng middleware chung này,mục tiêu là đánh giá khả năng tương thích (hoặc thiếu) của các sản phẩm hiện có hoặcnghiên cứu các middleware để đáp ứng các yêu cầu về xử lý hình ảnh y tế AGIR có

sự hợp tác mạnh mẽ với dự án EGEE của Châu Âu, đó là cơ sở ban đầu cho các thửnghiệm trong tương lai Tuy nhiên, kết quả của AGIR không phụ thuộc vào các

Ứng Dụng Y Tế

PTM

3D

Phân Khúc

Humanit arian

Dữ Liệu Ung

Các Thuật Luồng Xử Lý

Các Dịch

middleware chung bên dưới; thay vào đó các dịch vụ y tế cốt lõi phải tuân thủ WSRFmột cách chặt chẽ.

III Các dịch vụ y tế chính

Để đạt đến mức độ cao trong việc tích hợp dữ liệu và các tài nguyên tính toáncần thiết cho các ứng dụng y khoa phức tạp đòi hỏi phải giải quyết những thách thứcđáng kể Mở hệ thống cho nhiều cộng đồng người sử dụng đặt ra vấn đề bảo mật dữliệu y tế Chia sẻ bộ dữ liệu y tế để thao tác dẫn đến vấn đề tiếp cận minh bạch cácnguồn dữ liệu không đồng nhất và phân tán Tích hợp các dịch vụ tính toán lưới vàocông việc hàng ngày hoặc các công cụ của bác sĩ hay các nhà nghiên cứu y tế đòi hỏiphải kết hợp đồng nhất nhiều tác vụ vào trong các mô hình khai thác tính toán lưới

1 Tương tác

Yêu cầu quan trọng đối với hệ thống là cần phải di chuyển việc tính toán củalưới từ việc chỉ dùng cho một tính toán riêng nào đó sang dùng cho việc tính toánchung, bao gồm cả nhiệm vụ tương tác Đây là điều cần thiết cho bất kỳ hoạt độngnào cần có sự tương tác của người dùng, chẳng hạn như việc yêu cầu tạo dữ liệu, khảosát tập dữ liệu và hiển thị Ví dụ, trong vấn đề tối ưu hóa như là việc định màu sắc củacác hình ảnh phi tuyến hoặc lập kế hoạch xạ trị, việc điều phối tính toán có thể được

sử dụng để giúp các thuật toán tránh cực tiểu cục bộ Những tương tác này có thể kíchhoạt tính không đồng bộ hoặc các hoạt động phục hồi dữ liệu

2 Quản lý dữ liệu y tế

Lưới truy cập đến hình ảnh y khoa đòi hỏi phải truy xuất liên tục các tập dữ liệurất lớn: hình ảnh 3D hay thậm chí là chuỗi của các hình ảnh 3D Hơn nữa, dữ liệu y tếkhông chỉ bao gồm hình ảnh y tế mà còn có một số lượng lớn các metadata, ví dụ như

hồ sơ bệnh án của bệnh nhân Công việc quản lý dữ liệu y tế vì thế cần phải tạo điềukiện cho phép nhận ra một cách dễ dàng bộ dữ liệu theo các tiêu chí nghiên cứu lâmsàng bao gồm cả metadata và nội dung hình ảnh Mặt khác, lõi middleware quản lý dữliệu cho lưới (như giao thức Backplane trên Internet hoặc EGEE SRM) cung cấp cácchức năng cơ bản để lưu trữ, sao chép hoặc lưu tạm thời tập tin cá nhân Bước khởiđầu để thu hẹp khoảng cách này là lưới cho phép truy cập đến các máy chủ DICOM.Một EGEE cho phép giao diện DICOM dựa trên DCMTK đang được thực hiện, đượcxây dựng từ các thí nghiệm trước đó trong dự án MEDIGRID Bước tiếp theo sẽ làviệc đáp ứng các yêu cầu về tốc độ của các ứng dụng y tế, đặc biệt là liên quan đếnngữ nghĩa của các truy vấn và thời gian để đưa vào các bộ dữ liệu để tính toán trên

lưới (độ trễ) và việc truy cập đồng thời đến các máy chủ DICOM (băng thông) Cuốicùng, vấn đề bảo mật trên lưới phải được nâng cao để thực sự thu được những lợi íchtrong việc chăm sóc sức khỏe dựa trên các ứng dụng của tính toán lưới Hiện tại các

hệ thống Virtual Organization có thể cung cấp một sự bảo vệ cho tính riêng tư củabệnh nhân (toàn bộ hoặc từ chối truy cập)

3 Các giao thức truy cập dữ liệu y tế

Truyền tải số lượng lớn dữ liệu y tế cho các ứng dụng y tế có thể dễ dàng làmtràn các hệ thống hiện nay Mục tiêu chung của nhiệm vụ này là định nghĩa các giaothức mới để sử dụng trong việc truyền tải các dữ liệu đa phương tiện này đến các truyxuất từ xa, có thể được gọi là một giao thức truyền phát y tế Như trong các giao thức

đa phương tiện, ý tưởng cốt lõi là tập trung vào việc sử dụng tài nguyên trên các dữliệu hữu ích nhất, trong khi hệ thống tính toán lưới có thể khai thác sự chậm trễ liênquan đến thao tác xử lý của con người hoặc việc xử lý từ xa để tinh chỉnh các thôngtin cuối cùng được giao

Ba thành phần của các giao thức này là các thuật toán nén, khớp nén và chuyểngiao, và cuối cùng là tối ưu hóa tìm kiếm hình ảnh y khoa Nén có thể được tối ưu hóatùy thuộc vào việc sử dụng ứng dụng của dữ liệu: các thuật toán mã hóa và giải mãnhanh nên được ưu tiên dùng cho việc truyền dữ liệu trong khi các thuật toán chậmhơn nhưng hiệu quả hơn thích hợp cho việc lưu trữ lâu dài Vì thế, cần vận dụng mộtcách mềm dẻo các phương pháp nén và tỷ lệ phụ thuộc vào tốc độ của tài nguyên vàyêu cầu của ứng dụng Các thuật toán chuyên về nén hình ảnh y khoa hoặc tập dữ liệucung cấp nhiều ưu điểm hơn so với các thuật toán nén tổng quát Các thuật toán nénnhằm giúp loại bỏ các dữ liệu dư thừa và chỉ lưu trữ các dữ liệu hữu ích nhất cho quátrình xử lý hình ảnh Hơn nữa, một số ứng dụng cần phải cho chất lượng tối đa trongmột vùng đang được quan tâm (ROI) trong một hình ảnh hoặc tập hợp các hình ảnh

đã được chọn

IV Các ứng dụng y tế

Mục tiêu chính của AGIR là tập trung phát triển 4 ứng dụng y tế chính: PTM3D,một phần mềm phân tích y tế tương tác tập trung vào xây dựng lại và đo đạc dữ liệu;phân đoạn ảnh tim; dịch vụ y tế từ xa; và biến đổi hình ảnh áp dụng cho chữa trị ungthư

Tập ứng dụng này là cơ sở cho việc nghiên cứu và phát triển các dịch vụ lướicần thiết cho việc lưu trữ, tìm kiếm và xử lý dữ liệu y tế trên lưới Các ứng dụng y tếkhác nhau có những yêu cầu chung cơ bản mà chưa được xem xét bởi hiệnmiddleware hiện tại Mục đích là đưa các ứng dụng này vào lưới nơi mà chúng có thểđược sử dụng đúng với khả năng của chúng

Nghiên cứu và triển khai các thuật toán Đầu tiên, các thuật toán có thể được

phát triển và thử nghiệm trên tập dữ liệu lớn hơn Thứ hai, đơn giản hóa việc chia sẻcác thuật toán, cho phép người dùng thử nghiệm và so sánh các kỹ thuật hiện có trêncác tập dữ liệu chung Trong tương lai, thuật toán lưới sẽ được triển khai dễ dàng hơntrong giới y khoa để sử dụng trong chẩn đoán lâm sàng Điều này sẽ giúp phổ biếncác kỹ thuật xử lý hình ảnh và tăng quy mô thử nghiệm thực tế Cuối cùng, các ứngdụng mới được mong đợi sẽ xuất hiện từ một cơ sở hạ tầng sử dụng tính toán lưới

Chẩn đoán hình ảnh và lập kế hoạch phẫu thuật Phân tích hình ảnh tương tác

có khả năng là đối tượng hưởng lợi chủ yếu từ việc tính toán hiệu năng cao dựa trêntính toán lưới Kết hợp chuyên môn y tế và tài nguyên của lưới trong việc tính toán làmột con đường đầy hứa hẹn để lần đầu tiên chuyển việc nghiên cứu thực nghiệm vàotrong chẩn đoán lâm sàng thực tế

Công nghệ tương tác thực (Augmented Reality): Dữ liệu trước phẫu thuật, hình

ảnh trong lúc mổ và cơ thể bệnh nhân có thể được kết hợp để tối ưu hóa một can thiệpphẫu thuật hoặc lập kế hoạch điều trị ( Hình 2) Công nghệ tương tác thực cho phéphiển thị dữ liệu vào trong không gian thực nhằm phục vụ cho quá trình phẫu thuật

Hình 2 Công nghệ tương tác thực áp dụng trong phẫu thuật

V Tính tương tác và tái tổ chức

1 Một trường hợp cho lưới tương tác

Nhiều ứng dụng trong xử lý hình ảnh y tế dùng trong chẩn đoán lâm sàng đòi hỏi các tính toán hiệu năng cao và lưu trữ dữ liệu lớn, và phải có sự giám sát của con người Không giống như việc sử dụng các lưới điện để chạy các máy tính để bàn, khi máy tính không đủ điện thì cần phải được kiểm tra lại, đây không phải là khái niệm của lưới, nhưng đó cũng là một số xu hướng trong phần mềm tính toán lưới Thiên về các mô hình tính toán làm trọng tâm tức là không chỉ nhấn mạnh vào hiệu suất tính toán, mà còn phải quan tâm đến thời gian phản hồi ở tất cả các mức độ của bộ giao thức tính toán lưới, trong khi vẫn giữ lại những tiến bộ quan trọng của công nghệ lưới cho phép xây dựng các trạm ảo: bảo mật, đăng nhập, truy cập chuyển tiếp… Mục tiêu chung là để tích hợp các ràng buộc thời gian đáp ứng vào bộ giao thức lập lịch của lưới

Hai nhóm dịch vụ có thể được xem xét để giải quyết vấn đề này

Lập lịch ở mức ứng dụng: Nhiều ứng dụng tương tác dựa trên tính toán lưới bao

gồm các xử lý song song Các ứng dụng này thường yêu cầu bộ lập lịch động, với khảnăng lập lịch tốt hơn so với bộ lập lịch thông thường trên lưới Tầng ứng dụng ở đây

có độ ưu tiên tương ứng với thread mức người dùng so với mức kernel trong việc lập lịch của bộ vi xử lý Giống như bộ lập lịch cho thread mức người dùng tránh sự vi phạm các lời gọi bên dưới kernel, một bộ lập lịch ở mức ứng dụng trên lưới sẽ tránh được những mâu thuẫn của hệ thống thông tin trên lưới để thực hiện từng nhiệm vụ song song nhỏ

Lập lịch theo thời gian thực: Một mặt các nguồn tài nguyên trên lưới phải được

chia sẻ giữa các công việc, mặt khác chia sẻ giữa các khối công việc Tuy nhiên, những ràng buộc về cách thức lập lịch cho sự tương tác giữa các công việc có thể nghiêm ngặt hơn Thông thường, độ trễ phát sinh bởi các khối công việc nên có giới hạn và nhỏ, các công việc tương tác không nên làm giảm việc sử dụng tài nguyên cũng không cần mở rộng việc việc tổ chức lại các cách thức lập lịch đã có và đang được điều hành bởi các khối công việc

Chất lượng dịch vụ cho lưới (Quality of Service) hiện tại đã được giải quyết nhờvào giao thức GGF Trong khi một số thành phần của lưới theo mô hình lập lịch thời

gian thực có thể đáp ứng theo Framework này, ví dụ như việc kiểm soát quá trình nạp cho các ứng dụng (nếu có đủ tài nguyên sẽ cho phép một phiên hoạt động), một số thành phần khác cần phải cải thiện hơn.

2 gPTM3D

PTM3D là một bộ phân tích ảnh được phát triển tại LIMSI PTM3D chuyển, lưutrữ và hiển thị dữ liệu mã hóa DICOM, ngoài chuyển động độc lập dọc theo ba trục thông thường, người sử dụng có thể xem các mặt cắt ngang của hình ảnh DICOM cùng một mặt phẳng tùy ý và di chuyển nó PTM3D cung cấp hỗ trợ tính toán thế hệ

ba chiều từ CT, MRI, PET-scan, hoặc chụp siêu âm dữ liệu 3D Dữ liệu tái tạo (cơ quan, khối u) được hiển thị trong chế độ xem 3D Việc tái tạo cũng cung cấp khả năngđánh giá, cần thiết cho quyết định điều trị Hệ thống này hiện đang chạy trên các máy tính tiêu chuẩn và nó được sử dụng trong các trung tâm chẩn đoán hình ảnh

Bước đầu tiên trong mô hình tính toán lưới PTM3D (gPTM3D) làm nhiệm vụ tăng tốc độ tính toán chuyên sâu, chẳng hạn như việc xây dựng lại dữ liệu của toàn bộ

cơ thể được sử dụng trong việc lập kế hoạch điều trị sỏi thận Các mô-đun tái tạo dữ liệu đã được kết hợp với EGEE cho kết quả như sau:

 Thời gian phản ứng tổng thể là tương thích với yêu cầu của người sử dụng (ít hơn 2 phút), trong khi thời gian tuần tự trên một máy tính 3GHz, 2MB bộ nhớ thường là 20 phút

 Các cơ chế tương tác cục bộ (dừng, khởi động lại, cải thiện các phân khúc) còn lại hoàn toàn chưa bị thay đổi