Xử lý ảnh x quang vú dùng cho viện phát hiện bệnh ung thư vú

Phương pháp này có thể phát hiện được một khối u ác tính trong vú hai năm trước khi cơ thể cảm nhận được nó.[3] Ở các nước phát triển, quá trình chẩn đoán ảnh X quang vú được hỗ trợ rất

LỜI CAM ĐOAN

Nội dung của luận văn này đã được lên ý tưởng từ chính thực trạng chẩn đoán bệnh ung thư vú qua việc sử dụng ảnh X-quang vú Dưới sự hướng dẫn chỉ bảo của

TS Nguyễn Thái Hà- Trường Đại học bách khoa Hà Nội, tôi đã nghiên cứu từ lý thuyết về bệnh ung thư vú, các sai sót trong quá trình chẩn đoán để từ đó xây dựng một chương trình hỗ trợ phát hiện bệnh ung thư vú trên ảnh X-quang vú Tuy nhiên thì quá trình xử lý X-quang vú phải trải qua rất nhiều bước, nên trong luận văn này tập trung chủ yếu vào việc khoanh vùng nghi ngờ, khai thác các đặc trưng ảnh X-quang vú để phân loại các vùng nghi ngờ là có bệnh hay không Tôi xin cam đoan nội dung của luận văn này là hoàn toàn trung thực, chính xác và chưa được ai công

bố trong các công trình nào khác

Tác giả

Nguyễn Hải Tuyên

LỜI CẢM ƠN

Để hoàn thành được luận văn này, tất nhiên không chỉ có công sức của bản thân

em bỏ ra mà còn có sự giúp đỡ của rất nhiều thầy cô giáo, người thân và bạn bè Đặc biệt em xin gửi lời cảm ơn sâu sắc nhất đến TS Nguyễn Thái Hà, cô đã trực tiếp hướng dẫn em thực hiện luận văn này Chính những sự chỉ bảo tận tình của cô

về mặt chuyên môn, đến những lời khuyên và động viên kịp thời của cô đã giúp đỡ

em rất nhiều trong cả quá trình hoàn thành luận văn

Em cũng xin được gửi lời cảm ơn chân thành đến ThS Nguyễn Việt Dũng và nhóm thành viên lớp chất lượng cao KTYS-K53 đã giúp đỡ và hỗ trợ cho em về mặt chuyên môn trong suốt quá trình làm luận văn

Cuối cùng, tôi xin gửi lời cám ơn chân thành đến gia đình, bạn bè và người thân, những người đã bên cạnh và động viên tôi trong suốt quá trình học tập và hoàn thành luận văn

MỤC LỤC

DANH SÁCH CÁC HÌNH VẼ 2

DANH SÁCH CÁC BẢNG BIỂU 4

DANH SÁCH CÁC TỪ VIẾT TẮT 5

CHƯƠNG 1: GIỚI THIỆU CHUNG 6

1.1 Mục đích của luận văn 6

1.2 Cấu trúc của luận văn 7

CHƯƠNG 2: GIỚI THIỆU CHUNG VỀ X-QUANG VÚ 9

2.1 Ung thư vú và các cách chẩn đoán, điều trị 9

2.1.1 Giới thiệu về bệnh ung thư vú: 9

2.1.2 Các cách chẩn đoán và điều trị 10

2.2 Ảnh chụp X-Quang vú: 12

2.2.1 Thiết bị tạo ảnh X- quang vú 13

2.2.1.1 Nguyên lý hoạt động của máy X- quang vú 14

2.2.1.2 Kỹ thuật chụp 15

2.3 Thực trạng việc chẩn đoán và điều trị ung thư vú 16

2.4 Ý tưởng và mục tiêu thiết kế hệ thống chẩn đoán ung thư vú 22

2.4.1 Cấu trúc của 1 hệ thống hỗ trợ phát hiện ung thư vú điển hình 22

2.4.2 Vai trò từng khối trong hệ thống 24

2.4.2.1 Khối tiền xử lý 24

2.4.2.2 Khối phát hiện 26

2.4.2.3 Tính toán và lựa chọn đặc trưng 28

2.4.2.4 Nhận dạng 28

CHƯƠNG 3: PHÂN LOẠI VÙNG NGHI NGỜ UNG THƯ DỰA TRÊN CÁC ĐẶC TRƯNG 29

3.1 Đặc trưng ảnh X-quang vú 29

3.1.1 Tính toán đặc trưng: 29

3.1.1.1 Thống kê bậc nhất 30

3.1.1.2 Các đặc trưng ma trận đồng mức xám 31

3.1.1.3 Các đặc trưng sai lệch xác suất ngược theo khối 35

3.1.1.4 Các đặc trưng biến thiên hệ số tương quan cục bộ theo khối 36

3.1.2 Lựa chọn đặc trưng 38

3.1.2.1 Lựa chọn tiến tuần tự 41

3.1.2.2 Lựa chọn lùi tuần tự 43

3.2 Nhận dạng và phân loại vùng nghi ngờ ung thư 44

3.2.1 Lý thuyết về nhận dạng và phân loại 44

3.2.2 Mạng nơ ron nhân tạo 46

3.2.2.1 Các phương pháp học trong mạng nơron 49

3.2.2.2 Học có giám sát trong các mạng nơron 50

3.2.2.3 Perceptron 51

3.2.2.4 Mạng nơron đa lớp 51

3.2.2.5 Phương pháp phân tích thành phần chính 56

3.2.3 Máy vector hỗ trợ 58

3.2.3.1 SVM tuyến tính 61

3.2.3.2 SVM phi tuyến 63

CHƯƠNG 4: KẾT QUẢ ĐẠT ĐƯỢC 65

4.1 Cơ sở dữ liệu ảnh x-quang vú 65

4.2 Khoanh vùng ảnh 67

4.3 Tính toán và lựa chọn đặc trưng 69

4.3.1 Các đặc trưng sử dụng cho mạng nơron nhân tạo 69

4.3.2 Các đặc trưng sử dụng cho máy hỗ trợ vector 72

4.4 Phần mềm lập trình và giao diện chương trình 81

CHƯƠNG 5: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 84

5.1 Kết luận 84

5.2 Hướng phát triển 84

DANH SÁCH CÁC HÌNH VẼ

Hình 2.1 - Ảnh giải phẫu vú ở phụ nữ trưởng thành 9

Hình 2.2 - Thiết bị chụp ảnh X-quang vú 14

Hình 2.3 - Khi vú được nén lại, ảnh X–quang sẽ rõ hơn và ngược lại 15

Hình 2.4 - Mối liên hệ giữa giữa các tỉ lệ TN,TP,FN,FP 19

Hình 2.5 - Đồ thị đường cong ROC và hệ số AUC 20

Hình 2.6 - Một số các giá trị AUC 21

Hình 2.7 - (a)Ảnh X-quang vú với khối u lành tính, (b) Ảnh X-quang vú với khối u ác tính 23

Hình 2.8– Sơ đồ các khối trong hệ thống phát hiện ung thư vú 24

Hình 2.9 - Ảnh X-quang vú được tiền xử lý loại bỏ các nhãn và tách giữa cơ ngực và vú 26

Hình 2.10 - Các vùng nghi ngờ và khối vi canxi 27

Hình 3.1 - Quá trình nhận dạng vùng bất thường và bình thường trong ảnh X-quang vú 29

Hình 3.2 - Tính toán đặc trưng 30

Hình 3.3 - Quá trình biến đổi sử dụng GLCM 31

Hình 3.4– 8 hướng liền kề trong GLCM 32

Hình 3.5- Ảnh gốc và ảnh sau khi sử dụng BDIP 36

Hình 3.6 - Quá trình dịch sử dụng BVLC với cửa sổ 2x2 37

Hình 3.7 - Ảnh sau khi sử dụng BVLC 37

Hình 3.8 - Lựa chọn đặc trưng 38

Hình 3.9 – Giải thuật các phương pháp lựa chọn đặc trưng 41

Hình 3.10 - Mạng nơ ron tự nhiên 46

Hình 3.11 - Mô hình mạng nơ ron nhân tạo 47

Hình 3.12 - Mô hình mạng perceptron 51

Hình 3.13 - Mạng MLP tổng quát 52

Hình 3.14 - Giải thuật thuật toán lan truyền ngược 53

Hình 3.15 - Thiết kế mạng nơ ron 54

Hình 3.16 - Xác định độ biến thiên tốt hơn trong trục tọa độ mới 57

Hình 3.17 - Độ rộng biên lớn nhất được tính toán bởi một SVMs tuyến tính 62

Hình 3.18 - Ánh xạ dữ liệu từ miền D sang miền D’ 63

Hình 4.1 - Một phần cơ sở dữ liệu Mini-MIAS được đưa vào Excel 66

Hình 4.2 – Phân bố các vùng TP, FP dựa trên 2 đặc trưng BDIP và BDIP2x2var 77

Hình 4.3 – Các đường cong ROC tương ứng với các đặc trưng BDIP được sử dụng tỉ lệ 40:60 để huấn luyện và kiểm tra 78

Hình 4.4– Đồ thị ROC với các đặc trƣng khối BVLC ixi tỉ lệ 40:60 80

Hình 4.5– Sử dụng 10-fold để chia dữ liệu huấn luyện 81

Hình 4.6 - Giao diện sử dụng mạng nơ ron nhân tạo cho việc nhận dạng 82

Hình 4.7 – Giao diện sử dụng SVM chia dữ liệu thành 2 lớp riêng biệt 83

DANH SÁCH CÁC BẢNG BIỂU

Bảng 2.1 - Các trường hợp có thể có trong xét nghiệm bệnh 17 Bảng 3.1 – Các hàm mục tiêu trong lựa chọn đặc trưng 40 Bảng 3.2- Các thông tin ảnh X-quang vú trong cơ sở dữ liệu Mini-MIAS 66 Bảng 4.1- Bảng trích dữ liệu ROI với việc huấn luyện 2 đặc trưng f1 và f2 của GLCM 71 Bảng 4.2 – Giá trị AUC với các phương pháp tính toán đặc trưng khác nhau 73 Bảng 4.3 – Các giá trị AUC với các đặc trưng được tính toán từ các khối BDIP ixi 78 Bảng 4.4- Giá trị AUC và ACC với các đặc trưng khối BVLC ixi 79

DANH SÁCH CÁC TỪ VIẾT TẮT

BDIP Block Difference of inverse probability BVLC Block Variance of Local Correlation Coefficients

CHƯƠNG 1: GIỚI THIỆU CHUNG 1.1 Mục đích của luận văn

Ung thư vú là loại ung thư thường gặp nhất và gây tử vong hàng đầu ở phụ

nữ nhiều nước công nghiệp Theo cơ quan nghiên cứu ung thư thế giới (IARC - International Agency for Research on Cancer) vào năm 1998 thì ung thư vú đứng đầu, chiếm 21% trong tổng số các loại ung thư ở phụ nữ trên toàn thế giới Cũng theo IARC, xuất độ chuẩn hóa theo tuổi của ung thư vú ở phụ nữ là 92,04 (trên 100

000 dân) ở châu Âu và 67,48 (trên 100 000 dân) trên toàn thế giới vào năm 1998, đều là cao nhất trong các loại ung thư ở nữ giới.[1]

Ung thư vú đang trở nên phổ biến tại các nước đang phát triển Tại Việt Nam, năm 1998, ở nữ giới, ung thư vú là loại ung thư có tần suất cao nhất ở Hà Nội với xuất độ chuẩn hóa theo tuổi là 20,3 (trên 100 000 dân) và cao thứ hai

ở Thành phố Hồ Chí Minh với xuất độ chuẩn hóa theo tuổi là 16 (trên 100 000 dân) sau ung thư cổ tử cung mà xuất độ chuẩn hóa theo tuổi là 28,6 (trên 100 000 dân).[2]

Đây là một bệnh hết sức phức tạp mà trong nhiều năm qua đã có nhiều nghiên cứu về nguyên nhân, bệnh sinh và điều trị Một điều quan trọng cần phải nhận thấy

là việc phát hiện sớm ung thư vú qua sự tầm soát ở những phụ nữ bình thường đã làm thay đổi rõ ràng bệnh sử tự nhiên của bệnh cũng như cải thiện đáng kể tiên lượng bệnh

Cho đến nay, phương pháp hiệu quả nhất để phát hiện ung thư vú ở phụ nữ là chụp nhũ ảnh – phương pháp sử dụng tia X để tạo ảnh vú Phương pháp này có thể phát hiện được một khối u ác tính trong vú hai năm trước khi cơ thể cảm nhận được nó.[3]

Ở các nước phát triển, quá trình chẩn đoán ảnh X quang vú được hỗ trợ rất nhiều từ hệ thống máy tính Tuy nhiên, ở Việt Nam, công việc chẩn đoán vẫn còn được thực hiện thủ công, phụ thuộc chủ yếu vào kinh nghiệm và trình độ của các

bác sĩ Việc sử dụng thêm bác sĩ có thể làm tăng độ chính xác chẩn đoán tuy nhiên điều đó làm cho tăng chi phí khám và với thực trạng của Việt Nam hiện nay đang thiếu bác sĩ có chuyên môn tốt thì việc tăng thêm bác sĩ để chẩn đoán cho 1 bệnh nhân là điều không thể Do vậy hệ thống máy tính hỗ trợ phát hiện ( Computer Aided Detection-CAD) đã được nghiên cứu, được coi như “ bác sĩ thứ hai” nhằm nâng cao độ chính xác trong quá trình phát hiện ung thư vú trên ảnh X-quang Mặc

dù vậy, trong quá trình khoanh vùng và nhận dạng vùng ung thư có rất nhiều trường hợp bị chẩn đoán nhầm là có bệnh, hay còn gọi là tỉ lệ dương tính giả Đã có nhiều phương pháp được đưa ra tuy nhiên hiệu quả vẫn chưa được cao Trong luận văn này tôi xin được đưa ra một phương pháp giúp làm giảm tỉ lệ dương tính giả trong việc phát hiện các vùng nghi ngờ ung thư

Bằng việc sử dụng các phương pháp lựa chọn đặc trưng như Block Diffrence of Inverse Probability (BDIP), Block Variantion of Local Correlation Coefficient (BVLC) để mô tả các khối nghi ngờ Sau đó sử dụng bộ nhận dạng máy vector hỗ trợ ( Support Vector Machine – SVM) để nhận dạng các khu vực ung thư Đánh giá với khoảng 2700 khu vực nghi ngờ ung thư được lấy từ cơ sở dữ liệu chuẩn Mini – MIAS với 322 ảnh X-quang vú ( Hiệp hội phân tích ảnh X – quang vú – Một tổ chức ở Vương Quốc Anh) đã tính toán được AUC ≥ 0,91 ( Diện tích dưới đường

cong hoạt động của bộ thu nhận - The area under the ROC curve) Với giá trị AUC

đã tính toán được thì ta có thể thấy hai phương pháp lựa chọn đặc trưng BDIP và BVLC cho hiệu quả rất tốt

1.2 Cấu trúc của luận văn

Chương 2: Tổng quan về ung thư vú: Chương này sẽ trình bày khái niệm tổng

quan về bệnh ung thư vú, các cách chẩn đoán và điều trị Giới thiệu tập trung về phương pháp chẩn đoán bệnh thông qua ảnh X-quang vú Thực trạng bệnh ung thư

vú tại Việt Nam, từ đó đề xuất ra ý tưởng và mục tiêu thiết kế chương trình hỗ trợ phát hiện ung thư vú

Chương 3: Giới thiệu về các phương pháp tính toán đặctrưng của ảnh X-quang

vú Trong các phương pháp đó lựa chọn các phương pháp, các đặc tính phù hợp Từ

đó sử dụng các bộ nhận dạng như mạng nơ ron nhân tạo hoặc máy vector hỗ trợ để tính toán hiệu suất phân loại dương tính giả trong ảnh X-quang vú

Chương 4: Các kết quả đạt được: cơ sở dữ liệu ảnh X-quang vú, các đặc trưng

sử dụng, giao diện chương trình thử nghiệm và kết quả của quá trình phát hiện giúp làm giảm tỉ lệ dương tính giả Các kết quả này được so sánh với nhau và so sánh với các kết quả trước đây để có thể đánh giá tính hiệu quả của phương pháp sử dụng

Chương 5: Kết luận và hướng phát triển trong tương lai

CHƯƠNG 2: GIỚI THIỆU CHUNG VỀ X-QUANG VÚ

2.1 Ung thư vú và các cách chẩn đoán, điều trị

2.1.1 Giới thiệu về bệnh ung thư vú:

Bầu vú gồm có các tuyến tạo sữa (gọi là tiểu thùy), các ống cực nhỏ dẫn sữa tới núm vú (gọi là tiểu quản), và mô mỡ Đa số trường hợp ung thư vú đều bắt đầu trong các tế bào niêm lót tiểu quản Đó gọi là ung thư tiểu quản Những trường hợp khác bắt đầu tại tế bào niêm lót tiểu thùy, và gọi là ung thư tiểu thùy Phần còn lại bắt đầu từ những mô khác ở vú Ảnh 2.1 thể hiện hình ảnh giải phẫu vú ở phụ nữ trưởng thành

Hình 2.1 - Ảnh giải phẫu vú ở phụ nữ trưởng thành Ung thư không chỉ là một loại bệnh Có nhiều dạng ung thư Nhưng mọi trường hợp ung thư đều bắt đầu khi một nhóm tế bào trong cơ thể tăng trưởng vượt ngoài tầm kiểm soát Tế bào ung thư cứ tiếp tục tăng lên thêm và lấn át tế bào bình thường Điều này khiến cho cơ thể khó hoạt động hiệu quả như thường lệ Ung thư

có thể bắt đầu tại bất cứ chỗ nào trong cơ thể Nơi bắt đầu có thể là vú, phổi, kết tràng, và kể cả máu Ung thư bắt đầu ở vú được gọi là ung thư vú Tế bào ung thư

có thể lan rộng tới những bộ phận khác của cơ thể Thí dụ: tế bào ung thư trong vú

có thể đi vào xương và tăng trưởng tại đó Khi tế bào ung thư lan rộng thì gọi là di căn Ung thư luôn luôn được đặt tên theo chỗ bắt đầu Vì vậy, khi ung thư vú lan tới xương (hoặc bất cứ nơi nào khác) thì vẫn gọi là ung thư vú Sẽ không gọi là ung thư xương, trừ khi bệnh bắt đầu tại xương

2.1.2 Các cách chẩn đoán và điều trị

Chẩn đoán xác định ung thư vú chủ yếu dựa vào bộ 3 cách chẩn đoán kinh điển:[5]

- Lâm sàng: khối u vú thường không gây đau, một số trường hợp có chảy dịch đầu

vú (dịch máu hoặc dịch vàng chanh) u có mật độ cứng rắn, mặt gồ ghề, ranh giới có thể rõ hoặc không Trong những trường hợp đến muộn, u có thể xâm lấn vào ngực làm hạn chế di động hoặc xâm nhiễm da tạo hình ảnh “sần da cam” hoặc vỡ loét, đôi khi ung thư vú cũng biểu hiện như một viêm tấy lan tỏa vùng vú (ung thư vú thể viêm)

Trong nhiều trường hợp bệnh nhân thường có hạch nách cùng bên, hạch có thể có các mức độ tổn thương từ mềm đến cứng hoặc xâm nhiễm dính vào xung quanh tùy theo mức độ tiến triển bệnh Trong mọi trường hợp đều phải lưu ý khám hạch thượng đòn và tuyến vú đối bên

- Chụp X quang tuyến vú: tổn thương điển hình có dạng hình sao nhiều chân, co kéo

tổ chức tuyến vú, có nhiều chấm vi can xi hóa tập hợp thành đám

- Xét nghiệm tế bào học: thường thấy các tế bào ung thư mất sự kết dính, đa hình thái, tỷ lệ nguyên sinh chất tăng, nhiều nhân quái nhân chia, bào tương kiềm tính Khi cả ba phương pháp trong bộ 3 kinh điển đều cho kết quả dương tính thì có thể đi đến chẩn đoán xác định Nếu một trong ba phương pháp này nghi ngờ, bác sỹ

có thể chỉ định sinh thiết để khẳng định chẩn đoán

Để giảm tối đa tỷ lệ tử vong do căn bệnh này gây ra, người ta đưa vào máy chụp

X quang vú nhằm tăng khả năng phát hiện ung thư vú sớm nhất có thể Phụ nữ được khuyến khích kiểm tra ngực một cách định kỳ hoặc không định kỳ tùy theo độ tuổi

* Một số phương pháp điều trị bệnh ung thư vú:

- Quang tuyến trị liệu hay còn được gọi là xạ trị (Radiation Therapy): Đây là

phương pháp trị liệu bằng năng lực quang tuyến X cao độ để giết chết tế bào ung thư Cách trị liệu này được dùng để ngăn chặn ung thư tăng trưởng trước khi giải phẫu, hay tiêu diệt tế bào ung thư còn sót lại sau cuộc giải phẫu Quang tuyến trị liệu thường được sử dụng sau khi cắt bỏ khối u hay cắt bỏ 1 phần vú, nhưng đôi khi cũng được dùng sau khi cắt bỏ toàn bộ vú nếu ung thư quá lớn hay có nhiều hạch ở nách bị ung thư Quang tuyến trị liệu thường được chia ra làm nhiều ngày Mỗi ngày, một phần nhỏ của tổng số quang tuyến sẽ được chiếu vào cơ phận bị bệnh Đối với ung thư vú, bệnh nhân thường được chiếu quang tuyến khoảng từ sáu đến bảy tuần

- Hóa chất trị liệu (Chemotherapy): Hóa chất là những dược liệu đặc biệt được

dùng để tiêu diệt những tế bào ung thư Hóa chất trị liệu (chemotherapy) thường được dùng thêm với việc giải phẫu, quang tuyến trị liệu (radiation therapy) hay dùng để chống ung thư khi nó tái phát hay lây lan Hóa chất trị liệu được dùng sau hay trước khi mổ sạch ung thư thuộc thời kỳ I, II, hay III, đã được chứng minh là có thể gia tăng cơ hội chữa lành bệnh cho nhiều bệnh nhân

- Trị liệu bằng phương pháp chế ngự mục tiêu (Targeted Therapy): Những yếu tố di

truyền hay kết quả của những yếu tố di truyền trong cơ thể như những yếu tố gây ra bệnh ung thư có thể trở thành mục tiêu trị liệu Chẳng hạn như yếu tố di truyền Her2neu (hay erbB2) là yếu tố tăng trưởng các tế bào biểu bì, trong đó có các tế bào ung thư vú Ngoài yếu tố Her2neu, còn có yếu tố Her 1 hay erbB cũng có ảnh

hưởng trên sự tăng trưởng biểu bì Những tế bào ung thư vú có sự phát triển bất thường của Her 2 neu là những loại ung thư vú nguy hiểm nhất Thuốc Herceptin (trastuzumab) là một loại thuốc mới đặc biệt được dùng cho những bệnh nhân bị loại ung thư vú có sự phát triển bất thường của yếu tố Her 2 neu ( khoảng 25% tất

cả bệnh nhân ung thư vú)

- Trị liệu bằng kích thích tố (Hormonal Therapy): Trị ung thư bằng cách ngăn

chặn hay cho thêm kích thích tốvào cơ thể Nói chung, rất nhiều ung thư vú tăng trưởng dưới sự kích thích của các kích thích tố nữ Nếu ta chế ngự được sự kích thích này, các tế bào ung thư có thể ngưng phát triển hay bị tiêu hủy Vì ung thư vú

là một bệnh chịu ảnh hưởng của kích thích tố nữ, điều khiển kích thích tố nữ trong

cơ thể là một cách rất hữu hiệu để chữa ung thư vú loại nhạy cảm với kích thích tố

nữ Xin nhấn mạnh là cách chữa ung thư vú bằng cách điều khiển kích thích tố nữ

chỉ có hiệu quả cho các ung thư vú nào nhạy cảm với kích thích tố nữ mà thôi

2.2 Ảnh chụp X-Quang vú:

Mammography là một dạng đặc biệt của hiển thị hình ảnh sử dụng hệ thống tia

X liều thấp để kiểm tra vùng ngực Mỗi một phép kiểm tra X–quang tuyến vú được gọi là một phim X–quang vú (mammogram), từ ảnh mammogram này chúng ta có thể chẩn đoán những tổn thương vùng ngực của phụ nữ.[4]

Tia X là một dạng kiểm tra y học không gây đau đớn, nó hỗ trợ cho việc chẩn đoán và điều trị Kỹ thuật chụp X–quang (radiography) cho thấy hình ảnh bộ phận của cơ thể khi chiếu một liều nhỏ bức xạ ion đến những phần tương ứng bên trong

cơ thể Tia X đã được biết đến từ lâu và hầu hết được sử dụng trong hiển thị hình ảnh y học

Có 2 hình thức sử dụng X quang vú:

– Digital Mammography (chụp X–quang số tuyến vú): còn gọi là full-field digital mammography (FFDM), là hệ thống X–quang vú trong đó phim X–quang được thay thế bằng hệ thống đầu dò bán dẫn chuyển tia X thành tín hiệu điện Đầu dò này tương tự như camera Tín hiệu điện sẽ được chuyển thành hình ảnh có thể quan sát

được trên màn hình máy tính hoặc in trên phim tương tự như mammogram thông thường

– Computer-aided detection (CAD): hệ thống sử dụng hình ảnh số hoá, hình ảnh

đó thu được từ phim X–quang vú thông thường hoặc phim X–quang số Phần mềm máy tính sẽ kiểm tra những vùng không bình thường về tỷ trọng, khối lượng, hoặc

là sự vôi hoá, những bất thường này giúp phát hiện sự có mặt của ung thư, những điểm sáng trên hình ảnh sẽ cảnh báo cho bác sĩ cần kiểm tra kỹ hơn

Phim X–quang tuyến vú được sử dụng như là một công cụ hình ảnh giúp phát hiện sớm bệnh ung thư vú ở phụ nữ khi chưa có triệu chứng Nó cũng giúp phát hiện và chẩn đoán những bệnh về vú ở phụ nữ, biểu hiện với những triệu chứng như: có hạt cứng, đau đớn hoặc chảy mũ từ đầu vú Có 2 hình thức chụp ảnh X quang vú:

– Screening mammogram: Chụp X–quang tuyến vú là công cụ giúp phát hiện sớm ung thư vú bởi vì nó cho thấy những bất ổn của tuyến vú trước 2 năm khi bệnh nhân có thể cảm nhận được Các tổ chức ở Mỹ như: American Cancer Society (ACS), American Medical Association (AMA) và American College of Radiology (ACR) thu thập hình ảnh X–quang tuyến vú từ phụ nữ mỗi năm, bắt đầu vào độ tuổi

40 kết quả cho thấy hàng trăm ca ung thư vú đã được phát hiện sớm, hầu hết các ca

là chữa trị được và không làm nguy hại đến vùng vú

– Diagnostic mammogram: là đánh giá tình trạng bệnh nhân với những bất thường tìm thấy như: những khối u hay là những hạt bên trong vú Chúng được tìm thấy bởi bệnh nhân hay bác sĩ của cô ta Chẩn đoán X–quang tuyến vú cũng là công việc sau khi phát hiện những bất thường về hình ảnh X–quang tuyến vú, từ đó ta xác định rỏ nguyên nhân của vùng liên quan trên vùng hình ảnh bất thường đó

2.2.1 Thiết bị tạo ảnh X- quang vú

Bộ phận chính của máy X–quang tuyến vú là một hộp hình chữ nhật, bên trong

có chứa ống phát tia X Bộ phận được sử dụng cho việc kiểm tra vùng ngực có cấu tạo đặc biệt, bộ phận này giúp nén và giữ chặt bộ ngực, định vị bộ ngực sao cho tia

X có thể chiếu ở những góc khác nhau

Hình 2.2 - Thiết bị chụp ảnh X-quang vú

Hình 2.2 thể hiện một thiết bị chụp ảnh X-quang vú điển hình với ống phát tia

X, giá nén vú, tấm phim thu nhận ảnh…

2.2.1.1 Nguyên lý hoạt động của máy X- quang vú

Nguyên lý hoạt động của máy quang vú cũng giống như tất cả các máy quang thông thường, đó là tạo ảnh thông qua sự suy giảm của tia X Ảnh X-quang

X-vú số được tạo nên nhờ sự suy giảm tia X khi đi qua cơ thể, tuy nhiên nó chỉ sử dụng hệ thống tia X liều thấp ( 25- 35kvp) Tia X là một loại bức xạ giống như ánh sáng hoặc sóng radio Tia X xuyên qua hầu hết các vật thể, kể cả cơ thể Nên cẩn thận khi chiếu tia X vào bộ phận cơ thể kiểm tra, tia X sẽ tương tác với các cơ quan xuyên qua cơ thể, hình ảnh được hiển thị trên phim hoặc trên màn ảnh

Những bộ phận khác nhau của cơ thể có độ hấp thụ tia X khác nhau tại những nhiệt độ khác nhau Xương hấp thụ nhiều bức xạ trong khi các mô mềm như là cơ,

mỡ, các cơ quan sẽ cho bức xạ đi qua nhiều hơn Xương tương ứng với màu trắng,

mô mềm tương ứng với màu xám, không khí tương ứng với màu đen trên phim Hình ảnh thu được sẽ được lưu giữ dưới dạng phim hoặc dạng hình ảnh số và dễ dàng sử dụng lại

2.2.1.2 Kỹ thuật chụp

Khi chụp X–quang tuyến vú, nhân viên chụp X–quang sẽ đặt bộ ngực của bạn trên một bệ đặc biệt của máy và bộ ngực của bạn sẽ đƣợc ép lại bằng bàn đạp Nhân viên chụp X–quang sẽ từ từ nén bộ ngực của bạn bằng bàn đạp

– Liều tia X sử dụng sẽ thấp hơn

– Bộ ngực đƣợc giữ chặt để loại trừ sự mờ đi của ảnh do sự di chuyển của bô ngực

– Giảm bớt sự khuếch tán của tia X để làm tăng độ sắn nét của ảnh

– Kỹ thuật viên sẽ đứng phía sau kính chắn khi phát tia X Mỗi bên vú sẽ đƣợc chụp 2 lần, một lần chụp từ trên xuống và 1 lần chụp xiên

Bệnh nhân phải đứng yên và đƣợc yêu cầu nín thở trong vòng vài giây khi tia X

đi qua, để làm giảm khả năng gây nhiễu ảnh thu đƣợc

Hình 2.3 - Khi vú đƣợc nén lại, ảnh X–quang sẽ rõ hơn và ngƣợc lại

2.3 Thực trạng việc chẩn đoán và điều trị ung thư vú

Để biết một phụ nữ bị ung thư vú hay không, cách chính xác nhất là qua giải phẫu, hay trong trường hợp những người đã chết, là qua giảo nghiệm tử thi Nhưng giải phẫu là một thuật mang tính xâm phạm thân thể cao, và tốn kém Do đó, các nhà khoa học phát triển nhiều phương pháp để có thể chẩn đoán ung thư mà không cần đến giải phẫu để biết bệnh trạng của của bệnh nhân Trong trường hợp ung thư

vú, một phương pháp công nghệ cao là chụp X-quang tuyến vú, hay còn gọi

là mammography

Kết quả của việc khám nghiệm bằng X-quang tuyến có thể là dương tính (positive), hay âm tính(negative) Một kết quả dương tính có nghĩa rằng bệnh nhân có thể bị ung thư vú, và một kết quả âm tính cho biết bệnh nhân có thể không

bị ung thư vú (Hai chữ “có thể” ở đây rất quan trọng, vì nó nói lên một sự bất định trong việc chẩn đoán ung thư vú bằng X-quang tuyến.)

Không có một phương pháp xét nghiệm gián tiếp nào, dù tinh vi đến đâu đi nữa

là hoàn hảo và chính xác tuyệt đối Một số người có kết quả dương tính nhưng thực

sự không có ung thư Và một số người có kết quả âm tính, nhưng trong người lại mang bệnh ung thư Đến đây chúng ta có 4 khả năng :

 Bệnh nhân có bệnh, nhưng kết quả thử nghiệm là dương tính Đây là trường

hợp dương tính thật (sensitivity hay true positive - TP)

 Bệnh nhân không có bệnh, nhưng kết quả thử nghiệm là dương tính Đây là

trường hợp dương tính giả (false positive –FP )

 Bệnh nhân không có bệnh, nhưng kết quả thử nghiệm là âm tính Đây là

trường hợp của âm tính thật (specificity hay true negative- TN)

 Và bệnh nhân có bệnh, nhưng kết quả thử nghiệm là âm tính Đây là trường

hợp âm tính giả ( false negative - FN)

Bốn khả năng có thể tóm gọn trong bảng sau:

False negative

Âm tính thật Specificity, true negative

Bảng 2.1- Các trường hợp có thể có trong xét nghiệm bệnh

Bảng 2.1 thể hiện cụ thể các trường hợp có thể có trong một xét nghiệm Một phương pháp chẩn đoán hoàn hảo là phương pháp có tỉ lệ dương tính thật và âm tính thật 100% (tức tỉ lệ dương tính giả và âm tính giả là 0%) Nhưng trong thực tế, không có phương pháp thử nghiệm nào là hoàn hảo cả Thực vậy, bất cứ một phương pháp thử nghiệm y khoa nào, kể cả X-quang tuyến vú, cũng đều có, không

ít thì nhiều, tỉ lệ dương tính giả và âm tính giả Hai sai sót này là đầu mối của nhiều vấn đề trong việc khám nghiệm ung thư vú

Về mặt kĩ thuật và đứng trên quan điểm nghiên cứu, một phương pháp có tỉ lệ dương tính thật và âm tính thật là 99% (tức chỉ sai sót 1%) được xem là phương pháp có độ chính xác cao; nhưng đứng trên quan điểm của người bệnh và xã hội, một sai sót 1% vẫn có thể gây ra nhiều tác hại không lường được Có người tìm cách tự sát chỉ vì bị chẩn đoán sai Có người phải sống suốt đời trong nỗi lo sợ bị ung thư vú, dù thật hay giả Trong thực tế, rất ít cho phương pháp nào chính xác đến 99% Trong trường hợp chẩn đoán ung thư vú bằng quang tuyến X, tỉ lệ sai sót cao hơn 1% Do đó, trước khi quyết định đi khám nghiệm ung thư, người bệnh cần phải biết và hiểu những bất trắc này

Để đánh giá độ chính xác của một phương pháp xét nghiệm, các nhà nghiên cứu thường ước tính tỉ lệ dương tính thật ( sensitivity probability) và tỉ lệ âm tính thật (specificity probability) Cách tính các tỉ lệ như sau:

Trong việc chẩn đoán thì mục tiêu quan trọng nhất là có thể tối đa việc xác định

tỉ lệ dương tính thật và âm tính thật, đồng thời cũng phải tối thiểu xác định dương tính giả và âm tính giả

Trong luận văn này tập trung vào việc xây dựng một chương trình có thể xác định tối đa tỉ lệ dương tính thật, đồng thời cũng phải giảm tối thiểu tỉ lệ dương tính giả Đây là hai tỉ lệ sau khi qua bước xét nghiệm, chẩn đoán thì sẽ được biển hiện trên ảnh x- quang vú

Trong hình 2.4 thể hiện mối liên hệ giữa giữa các tỉ lệ TP, FN,FP và TN Tùy vào giá trị ngưỡng được chọn, ta được tỉ lệ các thành phần trên khác nhau tuy nhiên

nó vẫn phải thỏa mãn: TP + FN = 1 và FP + TN = 1

Hình 2.4 - Mối liên hệ giữa giữa các tỉ lệ TN,TP,FN,FP Một cách khác để mô tả mối liên hệ giữa độ nhạy (sensitivity) và độ đặc hiệu (specificity) ở trên là đường cong ROC (receiver operating characteristic) Đường cong ROC có nguồn gốc quân sự, vì nó được ứng dụng trong việc phát hiện tàu của địch trên màn hình radar trong Thế chiến thứ II, nhưng trong thời gian 3 thập niên qua, đường cong ROC đã được ứng dụng trong chẩn đoán và tiên lượng y khoa rất thành công

Đường cong ROC có trục tung (y-axis) là tỉ lệ dương tính thật, và trục hoành axis) là tỉ lệ dương tính giả (tức 1 trừ cho độ đặc hiệu) Cả hai tỉ lệ dĩ nhiên có giá trị dao động từ 0 đến 100 (hay từ 0 đến 1, nếu dùng xác suất) Hai tỉ lệ này được ước tính cho từng giá trị tham chiếu

Phương pháp xét nghiệm tốt sẽ có những điểm tham chiếu tập trung vào những điểm ở góc trái thuộc phía trên của đường cong Những điểm này cho chúng ta biết

đó là những giá trị tham chiếu có độ nhạy cao và độ dương tính giả thấp

Hình 2.5 - Đồ thị đường cong ROC và hệ số AUC Bằng cách nối các điểm với các tỉ lệ TP và FP trong các lần xét nghiệm, chúng

ta sẽ có một biểu đồ ROC liên tục như ở hình 2.5 Nhưng ở đây chúng ta có hai chỉ

số (độ dương tính giả và độ nhạy), và chúng biến thiên ngược chiều nhau Do đó, chúng ta cần một “chỉ số dung hòa” cả hai chỉ số này Một cách quân bình hóa tốt nhất là ước tính diện tích dưới đường biểu diễn ROC (còn gọi là area under the curve – AUC)

Đường cong càng tiến tới thành đường chéo 45o trong không gian ROC, thì độ chính xác của kiểm tra càng kém Hệ số góc của đường thẳng tiếp tuyến tại một

điểm cutpoint cho ta tỉ lệ likelihood ratio (LR) của giá trị cutpoint đó của lần kiểm

tra Diện tích phía dưới đường cong, giới hạn trong không gian ROC, là thước đo cho độ chính xác của lần kiểm tra, chẳng hạn: 1 là tối ưu, 0.5 là kém

Nhìn vào biểu đồ trên, chúng ta thấy có diện tích tối đa của biểu đồ là 1 (vì biểu

đồ hình vuông, với mỗi “cạnh” bằng 1) Diện tích dưới đường biểu diễn có thể tính toán bằng phương pháp tích phân, nhưng trong thực tế thì có những chương trình máy tính tính chính xác hơn

Nếu phương pháp xét nghiệm vô dụng thì tất cả các điểm tham chiếu đều nằm trên đường thẳng nối hai điểm (0, 0) và (1, 1), tức đường 45 độ Trong trường hợp này, diện tích dưới đường biểu diễn ROC phải bằng 0.5

Hình 2.6 - Một số các giá trị AUC

Một phương pháp xét nghiệm có ích phải có diện tích AUC trên 0.5 Theo quy ước thì một phương pháp xét nghiệm với AUC trên 0.9 được xem là rất tốt; còn

AUC dưới 0.6 được xem là không tốt và không thể áp dụng vào lâm sàng

Tuy AUC (diện tích dưới đường biểu diễn ROC) là một chỉ số quan trọng và có ích cho việc đánh giá sự hữu hiệu của một xét nghiệm, nhưng phần lớn diện tích này xuất phát từ các giá trị dương tính giả

Bác sĩ có thể tìm cách giảm tỉ lệ âm tính giả, nhưng với một cái giá Để tối thiểu hóa xác suất âm tính giả, bác sĩ có thể phân loại u vào hạng “nghi ngờ” (tức dương tính), và do đó làm tăng tỉ lệ dương tính giả! Âm tính giả và dương tính giả

là hai mặt của việc “tiến thoái lưỡng nan” trong chẩn đoán Giảm cái này sẽ làm tăng cái kia Nghiên cứu cho thấy các bác sĩ quang tuyến có tỉ lệ phát hiện ung thư

vú chính xác (tức tỉ lệ âm tính giả thấp) thường có tỉ lệ dương tính giả

2.4 Ý tưởng và mục tiêu thiết kế hệ thống chẩn đoán ung thư vú

Nhằm giảm thiếu tối đa những sai sót trong quá trình sàng lọc bệnh ung thư vú,

hệ thống CAD giúp cho bác sĩ có 1 cái nhìn tổng thể về các khu vực nghi ngờ bệnh Thông qua việc hội chẩn và dựa trên kinh nghiệm thì bác sĩ có thể xác định chính xác hơn vùng nghi ngờ ung thư Nhờ điều đó mà số lượng các bác sĩ hội chẩn cũng

có thể được giảm bớt

2.4.1 Cấu trúc của 1 hệ thống hỗ trợ phát hiện ung thư vú điển hình

Một hệ thống hỗ trợ phát hiện ung thư vú được đặc trưng bởi mục tiêu phát hiện với tỉ lệ cao các khối u cũng như vùng bất thường Mặt khác nó tìm cách giảm

tỉ lệ nhầm lẫn dương tính giả Tuy nhiên thì mục tiêu này không phải là quan trọng của hệ thống này

Hình 2.7 - (a)Ảnh X-quang vú với khối u lành tính, (b) Ảnh X-quang vú với khối u

ác tính Một hệ thống hỗ trợ phát hiện thông thường được đặc trưng bởi mục tiêu phát hiện các khu vực bình thường trong ảnh X-quang vú với tỉ lệ cao nhất và tương ứng với nó là tỉ lệ thấp nhất khu vực bình thường mà bị nhầm lẫn thành bất thường Việc xác định với tỉ lệ thấp khu vực bình thường bị nhầm lẫn bất thường là mục tiêu quan trọng trong việc phát hiện Phát hiện một khu vực bình thường khó khăn hơn so với phát hiện một khối u vì phát hiện khu vực bình thường phải tập trung cả vào việc xác định khu vực đó có phải bình thường không nhưng cũng đồng thời phải giảm khả năng tỉ lệ nhầm sang bất thường Trên lý thuyết thì ta có thể sử dụng

hệ thống phát hiện các khu vực bình thường để sử dụng phát hiện cả khu vực bình thường và bất thường trên ảnh X-quang vú

Hệ thống hỗ trợ phát hiện ung thư vú bao gồm 4 phần: (1) Tiền xử lý ảnh

X-quang vú, (2) Khoanh vùng nghi ngờ, (3) Lựa chọn các đặc trưng ảnh cho việc nhận dạng, (4) Nhận dạng và phát hiện vùng ung thư

Hình 2.8– Sơ đồ các khối trong hệ thống phát hiện ung thư vú

2.4.2 Vai trò từng khối trong hệ thống

2.4.2.1 Khối tiền xử lý

Nhiệm vụ chính của khối này là : Loại bỏ những phần thừa của ảnh như các nhãn, vùng cơ ngực….Giảm nhiễu ảnh và tăng cường chất lượng hình ảnh Trong ảnh X- quang vú, khu vực vú chỉ chiếm một phần trong ảnh ảnh X quang vú được chia thành vùng cơ bản: vùng nền, vùng mô mỡ, vùng mô tuyến và cơ ngực Các khối u hay những điểm bất thường ở vú chủ yếu xuất hiện ở vùng mô tuyến

Do vậy để giảm thời gian tính toán xử lý và tăng hiệu suất cho việc phát hiện các khu vực nghi ngờ, cần phải loại bỏ những khu vực không cần thiết và phải trích xuất được khu vực mô tuyến khỏi nền ảnh Vì vậy việc phân vùng mô tuyến là một bước quan trọng, ảnh hưởng trực tiếp đến các bước phía sau

Các bước tiền xử lý được thực hiện như sau:

 Sử dụng một ngưỡng toàn cục cố định T để chia ảnh X quang vú thành các phần riêng biệt

 Dán nhãn cho từng khu vực bằng phương pháp dãn nhãn thành phần liên kết

 Tính số điểm ảnh trong từng khu vực

 Giữ lại các khu vực lớn nhất, loại bỏ các khu vực khác

Mỗi điểm ảnh trong ảnh đồng nghĩa với xác suất có một điểm vi can xi hóa 0,22mm và bất kì sự thay đổi trong mức xám của điểm ảnh cũng sẽ ảnh hưởng tiêu cực đến việc phân vùng ảnh Do đó, cần một thuật toán xử lý ảnh để loại bỏ khiếm khuyết hoặc nhiễu ảnh

Ảnh X-quang vú được lấy từ cơ sở dữ liệu ảnh bao gồm các vi can xi hóa ác tính

và lành tính, và các ảnh X quang vú bình thường không có vi can xi hóa được đưa qua quá trình kéo giãn tuyến tính trong khoảng giá trị từ 0-255

Kéo giãn biểu đồ xám được thực hiện để tăng khả năng nhìn thấy cấu trúc của các vi can xi hóa trong ảnh số hóa X quang vú, tăng độ phân biệt giữa các mức xám khác nhau bởi việc tái tạo tuyến tính giá trị điểm ảnh từ tối thiểu tới tối đa được đưa

ra trong phương trình (2.1):

I o (x, y) = 255 x ( )

(2.1)

Với I o (x, y) là mức xám đầu ra của điểm ảnh tọa độ (x, y) sau quá trình kéo giãn

I i (x, y) là giá trị cường độ một điểm ảnh tọa độ (x, y) trong ảnh x quang vú

được số hóa và max, min là giá trị lớn nhất, nhỏ nhất mức xám của ảnh x quang vú được số hóa

Ranh giới giữa các khu vực sẽ rõ hơn rất nhiều, qua đó ta có thể trích tách được phần ảnh cần để xử lý cho các bước phía sau

Hình 2.9 - Ảnh X-quang vú được tiền xử lý loại bỏ các nhãn và tách giữa cơ ngực

và vú

2.4.2.2 Khối phát hiện

Mục đích chính của bước này là trích xuất ra được các khu vực nghi ngờ tổn thương sau khi ta đã có được ảnh qua bước tiền xử lý Ta cần phải phân tách được các bộ phận, xác định được kích thước vị trí hình dạng của vùng nghi ngờ, ngoài ra còn cần phải tính toán giá trị mức xám trung bình bên trong khu vực nghi ngờ Đây không phải là một công việc đơn giản sau khi đã có ảnh qua bước tiền xử lý, vì ranh giới không rõ ràng gây khó khăn cho việc phân biệt các cấu trúc nhu mô Thông thường phương pháp phân vùng có thể chia thành 2 loại chính: Dựa trên khu vực và dựa trên đường đồng mức Trong nghiên cứu này sử dụng phương pháp dựa trên đường đồng mức Việc tìm kiếm đường đồng mức thực hiện bằng cách sử dụng bộ điều ngưỡng với việc gán giá trị I+ với pixel cường độ lớn hơn ngưỡng và I- với pixel có cường độ xám thấp hơn ngưỡng:

Với I(x, y) ≥ ngưỡng T => I(x, y) = I+với I(x, y) < ngưỡng T => I(x, y) = I- Giá trị ngưỡng có thể được xác định như cường độ tương ứng với đường chéo giữa 2 đỉnh của cường độ điểm ảnh trên toàn bộ ảnh Và trên thực tế biểu đồ này thường có 2 đỉnh: đỉnh đầu tiên có liên quan đến nền ảnh và đỉnh thứ hai liên quan đến các vùng nghi ngờ tổn thương Giá trị ngưỡng này là giá trị cố định Tuy nhiên,

để tăng tính linh hoạt cho việc phát hiện các vùng nghi ngờ ngưỡng giá trị động được sử dụng trong luận văn này Các bước phát hiện khu vực nghi ngờ như sau:

 Xác định mức xám tối đa IM trên ảnh

 Một đường đồng mức bao gồm cả pixel có cường độ tối đa được vẽ tại giá trị ngưỡng I T = IM/2, nó sẽ phân định một khu vực quan tâm AROI

 Các khu vực quan tâm được lưu lại để lựa chọn các đặc trưng và nhận dạng

Hình 2.10 - Các vùng nghi ngờ và khối vi canxi

Trong hình 2.10 thể hiện các khu vực ROI và mass ROI là các khu vực nghi ngờ

do các thiết bị hỗ trợ chẩn đoán khoanh vùng được, mass là khu vực thực sự có

bệnh được các bác sỹ chẩn đoán Mục đích của chương trình hỗ trợ ở đây là loại bỏ các trường hợp dương tính giả, các khu vực ROI được khoanh vùng nhưng thực tế thì không bị tổn thương

CHƯƠNG 3: PHÂN LOẠI VÙNG NGHI NGỜ UNG THƯ DỰA TRÊN CÁC

ĐẶC TRƯNG

Trong chương này, phương pháp lựa chọn đặc trưng của và phương pháp nhận dạng vùng nghi ngờ được đề xuất Việc lựa chọn các đặc trưng có tác động rất lớn đến hiệu suất của hệ thống Tuy nhiên việc lựa chọn quá nhiều đặc trưng sẽ làm chậm khả năng tính toán của hệ thống

Hình 3.1 - Quá trình nhận dạng vùng bất thường và bình thường trong ảnh X-quang

Hình 3.2 - Tính toán đặc trưng

3.1.1.1 Thống kê bậc nhất

Thống kê bậc nhất (First order statistic – FOS) bao gồm sáu đặc trưng : giá trị trung bình của mức độ xám ( μf ) , độ lệch chuẩn ( σf ) , hệ số phương sai ( cv ) , entropy ( ent ) , skewness ( sk ) , độ nhọn ( Kur ) Chúng được tính như sau:

Kur =

( ) (3.6) Với: p(l) là xác suất xuất hiện mỗi mức độ xám trong khu vực quan tâm:

Mỗi cặp (i, j) của ma trận ở hàng i, cột j là tần suất tương đối xuất hiện của các mức độ màu xám cặp (i, j) cách nhau bởi một khoảng cách d và một hướng α Khoảng cách d có thể được điều chỉnh để phù hợp với kích thước của các yếu tố cấu trúc cơ bản trong hình ảnh Tham số hướng có thể được xác định theo hướng các chu kỳ lặp lại không gian của các yếu tố cấu trúc cơ bản

Hình 3.3 - Quá trình biến đổi sử dụng GLCM

Trong ảnh I hình 3.3, cặp có mức độ xám liền kề (1, 1) xuất hiện 1 lần, qua biến đổi GLCM có giá trị là 1 Cặp mức độ xám liền kề (1, 2) xuất hiện 2 lần nên qua biến đổi GLCM có giá trị là 2

Với GL (m, n) là mức độ xám của pixel (m, n); P( i, j, d, α) là số lần xuất hiện của các cặp mức xám ( i, j) với khoảng cách d và hướng α; p( i, j, d, α) là tần số tương đối với P( i, j, d, α)

p(i, j) = ( p(i, j, 1, 0o) + p(i, j, 1, 45o) + p(i, j, 1, 90o) + p(i, j, 1, 135o) ) (3.7)

Hình 3.4– 8 hướng liền kề trong GLCM Chúng ta có thể có được xác suất cận biên p( i, j):

Haralick đã lựa chọn ra đƣợc 13 đặc trƣng GLCM cho ảnh [6] , bao gồm:

+Mô men góc:

Đƣợc biết nhƣ là tính đồng nhất hoặc năng lƣợng Nó tính toán đƣợc tính đồng nhất của 1 ảnh Khi các điểm ảnh gần giống nhau, giá trị này rất lớn

f1 = ∑ ∑ ( ) (3.8) với Ng là số lƣợng các mức xám sau khi ảnh đã đƣợc lƣợng tử hóa

∑ ∑ ( ) , ∑ ∑ ( )

= √∑ ∑ ( ) ( ) , = √∑ ∑ ( ) ( )Với GLCM đối xứng, = và

+ Mômen sai lệch ngược: tính toán độ đồng nhất cục bộ của ảnh

f6 = ∑ ∑ ( )

( ) (3.13)

+ Tổng trung bình:

f7 = ∑ ( ) ( ) (3.14) Với px+y(k) = ∑ ∑ ( ); k = i+j = {0, 1, 2 …2(Ng – 1)}

3.1.1.3 Các đặc trưng sai lệch xác suất ngược theo khối

Sự chênh lệch của xác suất nghịch đảo (DIP – The difference of inverse probabilities) là một toán tử để chiết tách tóm tắt các đặc trưng có chứa các vùng trũng và các đường viền tùy thuộc vào cường độ cục bộ Trong DIP, tỷ lệ cường độ một điểm ảnh trong một cửa sổ ảnh đối với tổng của tất cả cường độ điểm ảnh trong một cửa sổ là một xác suất Vì vậy, DIP đồng nghĩa với sự chênh lệch giữa nghịch đảo của xác suất điểm ảnh trung tâm trong một cửa sổ và đối với điểm ảnh của

cường độ lớn nhất trong cửa sổ BDIP (Block Difference Inverse Probability) [7]

là một phiên bản dạng khối dựa trên DIP, thể hiện các đặc trưng cấu trúc Nó xác định sự chênh lệch giữa số lượng các điểm ảnh trong một khối và tỉ lệ của tổng các cường độ điểm ảnh trong khối đó đối với giá trị cường độ lớn nhất trong khối Trong miền không gian, BDIP của 1 ảnh I được xác định:

BDIP = M2 - ∑( ) ( )

( ) ( ) (3.22)

Với I(i, j) là mật độ xám của pixel (j, j) và B là khối có kích thước M x M

Do vậy ta có thể chọn các đặc trưng của ảnh theo kích thước của khối dịch B

Như trong hình 3.5, các khối được chọn có kích thước là 2x2, các hình nền trở nên sáng hơn trong khi các đường bao và vùng trũng có màu tối

Hình 3.5- Ảnh gốc và ảnh sau khi sử dụng BDIP Thông qua việc tính toán đặc trưng, ta có thể biết được các đặc trưng cần dùng cho từng phương pháp biến đổi Tuy nhiên số lượng các đặc trưng vẫn còn khá lớn

Do đó để có thể giảm số lượng tính toán thì ta phải giảm các đặc trưng không cần thiết, các đặc trưng phụ thuộc tuyến tính với nhau

3.1.1.4 Các đặc trưng biến thiên hệ số tương quan cục bộ theo khối

Sự biến thiên của hệ số tương quan cục bộ (Variation of local correlation coefficients - VLCC) được biết đến trong việc tính toán độ mịn của kết cấu Nó xác định sự thay đổi hay sự khác biệt tối đa và tối thiểu của hệ số tương quan khu vực đối với 4 hướng Trong luận văn này đề xuất phương pháp lựa chọn đặc trưng

BVLC (Block Variance of Local Correlation Coefficients) [7], dựa trên một khối

của VLCC Mỗi hệ số tương quan khu vực được xác định là phương sai chuẩn

ρ( k, l) = ∑( ) ( ) ( )

(3.23)

Với B biểu diễn kích thước một khối M x M và , tương ứng biểu diễn

độ lệch trung bình và độ lệch chuẩn của khối B Các ký hiệu (k, l) biểu thị 1 cặp độ dịch theo chiều ngang và dọc liên quan đến 4 hướng ( -90o ,0o, -45o, 45o )

biểu thị độ lệch trung bình và độ lệch chuẩn của khối dịch (k, l) Hình 3.5 thể hiện cấu hình điểm ảnh trong khung ảnh 2 x 2 và hình ảnh tương

ứng dịch 4 hướng để tính toán (a) ρ( 0,1); (b) ρ( 1,0); (c) ρ( 1,1);(d) ρ( 1,-1) Giá trị

tính toán BVLC được tính theo công thức:

BVLC = max[ρ( k, l)] – min [ρ( k, l)] (3.24)

(k, l) O4 = {(0,1), (1, 0), (1, 1), (1, -1)}

Hình 3.6 - Quá trình dịch sử dụng BVLC với cửa sổ 2x2

Từ công thức trên ta có thể thấy rằng mức độ nhấp nhô trong một khối càng lớn thì giá trị BVLC càng cao Trong hình trên là hình ảnh sử dụng BVLC từ hình ảnh đầu trong hình 3.4 Ảnh sử dụng BVLC hiển thị gần giống so với BDIP Trong hình dưới có thể thấy rằng BVLC được quyết định bởi độ mịn của kết cấu Ví dụ như bầu trời mịn cho màu sáng, trong khi kết cấu thô như đường và cánh hoa cho màu tối

Hình 3.7 - Ảnh sau khi sử dụng BVLC