Ứng dụng xử lý ảnh trong y tế (2014)

1.3 CÁC PHÉP BIẾN ĐỔI ẢNH1.3.1 Biến đổi Fourier Biến đổi Fourrier cho một tín hiệu có thể hình dung nhƣ sau: xt FT Xf Miền thời gian Miền tần số Vì tín hiệu ảnh là tín hiệu hai c

TRƯỜNG ĐẠI HỌC SƯ PHẠM HÀ NỘI 2 KHOA CÔNG NGHỆ THÔNG TIN

======***======

KHÓA LUẬN TỐT NGHIỆP ĐẠI HỌC

Chuyên ngành: Tin học

HÀ NỘI – 2014

TRƯỜNG ĐẠI HỌC SƯ PHẠM HÀ NỘI 2 KHOA CÔNG NGHỆ THÔNG TIN

LỜI CẢM ƠN

Để hoàn thành được khóa luận này đó là sự giúp đỡ nhiệt tình và hết sức tạo điều kiện của các thầy cô và nhà trường cùng các bạn trong lớp Sự tận tình và cảm thông của gia đình, anh em

Em xin chân thành cảm ơn thầy PGS.TS Lê Huy Thập, người đã hướng dẫn cho em làm khóa luận này, thầy đã nhiệt tình giúp đỡ em trong suốt quá trình làm khóa luận về cả vật chất lẫn tinh thần

Em xin cảm ơn nhà trường và đặc biệt là các thầy cô trong khoa Công nghệ thông tin thuộc Trường Đại học Sư phạm Hà Nội 2, những người mà hàng ngày vẫn tạo điều kiện và bảo ban cho em

Cảm ơn các bạn lớp K36 Tin, những người luôn sát cánh và chia sẻ cùng mình!

Hà Nội, tháng 5 năm 2014 Tác giả khóa luận

Nguyễn Xuân Quỳnh

LỜI CAM ĐOAN

Em xin cam đoan đây là công trình nghiên cứu của bản thân, được xuất phát từ yêu cầu phát sinh trong công việc để hoàn thành hướng nghiên cứu Các số liệu có nguồn gốc rõ ràng tuân thủ đúng nguyên tắc và kết quả trình bày trong luận văn được thu thập được trong quá trình nghiên cứu là trung thực chưa từng được ai công bố trước đây

Hà Nội, tháng 5 năm 2014 Tác giả khóa luận

Nguyễn Xuân Quỳnh

MỤC LỤC

MỞ ĐẦU 1

CHƯƠNG 1 : CƠ SỞ LÝ THUYẾT 4

1.1 TỔNG QUAN VỀ HỆ THỐNG XỬ LÝ ẢNH 4

1.2 CÁC VẤN ĐỀ CƠ BẢN TRONG XỬ LÝ ẢNH 5

1.2.1 Một số khái niệm 5

1.2.2 Phân tích ảnh 6

1.2.3 Nhận dạng ảnh 6

1.3 CÁC PHÉP BIẾN ĐỔI ẢNH 7

1.3.1 Biến đổi Fourier 7

1.3.2 Biến đổi Hotelling 8

1.4 TOÁN TỬ XỬ LÝ ĐIỂM ẢNH 11

1.4.1 Xử lí điểm ảnh bằng ánh xạ biến đổi 11

1.4.2 Lược đồ mức xám (histogram) 13

1.4.3 Biến đổi lược đồ xám 14

CHƯƠNG 2 : XỬ LÝ ẢNH TRONG Y TẾ 15

2.1 CÁC PHƯƠNG TIỆN HIỂN THỊ HÌNH ẢNH Y TẾ 15

2.1.1 Hình thức hiển thị và quy trình thiết lập 15

2.1.2 Hiển thị hình ảnh cộng hưởng từ (MRI - Magnetic Resonance Imaging) 18

2.1.3 Chụp cắt lớp điện toán (CT - Computerized Tomography) 19

2.1.4 Chụp cắt lớp phát xạ positron (PET - Positron Computerized Tomography) 20

2.1.5 Chụp cắt lớp điện toán phát xạ đơn photon (SPECT - Single Photon Emission Computerized Tomography) 21

2.2 HỢP NHẤT ẢNH (REGISTRATION) 21

2.2.1 Không gian đặc điểm 22

2.2.2 Xác định sự tương đồng 23

2.2.3 Không gian nghiên cứu 24

2.2.4 Chiến lược nghiên cứu 25

2.2.5 Các ứng dụng hợp nhất hình ảnh 26

2.3 ĐỊNH DẠNG HÌNH ẢNH SỐ 27

2.3.1 Các chuẩn lưu trữ ảnh trong y tế 27

2.3.2 Ảnh tiêu chuẩn DICOM 28

2.3.3 Một số định dạng ảnh khác có liên quan 31

CHƯƠNG 3 : CHUẨN ẢNH DICOM 33

3.1 GIỚI THIỆU CHUNG 33

3.2 CHUẨN ẢNH DICOM 34

3.2.1 File DICOM 34

3.2.2 Giao thức DICOM 42

CHƯƠNG 4 : XÂY DỰNG ỨNG DỤNG 50

4.1 PHÁT BIỂU BÀI TOÁN 50

4.1.1 Phạm vi và trường ứng dụng của DICOM 50

4.1.2 Thích nghi DICOM 51

4.1.3 Mã hóa dùng trong DICOM 52

4.2 THIẾT KẾ CHƯƠNG TRÌNH 54

4.2.1 Giao diện chính của chương trình 54

4.2.2 Hiển thị hình ảnh DICOM 55

4.2.3 Giao diện hiển thị thông số của ảnh DICOM 55

4.2.4 Giao diện lưu ảnh sang định dạng PNG 56

4.3 KẾT QUẢ ĐẠT ĐƯỢC 57

KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 58

TÀI LIỆU THAM KHẢO 60

DANH MỤC HÌNH VẼ

Hình 1.1: Các giai đoạn chính trong xử lý ảnh 4

Hình 1.2: Lược đồ xám của ảnh 13

Hình 2.1: Chương trình phần mềm AFNI 27

Hình 2.2: Chương trình phần mềm Analyse 28

Hình 2.3: Thang độ sáng và độ tương phản của ảnh y tế 31

Hình 3.1: Cấu tạo Data Set 35

Hình 3.2: Cấu trúc file DICOM 39

Hình 3.3: Hình hiển thị một giả thuyết về file ảnh DICOM 39

Hình 3.4: Kiến trúc của giao thức DICOM 42

Hình 3.5: Mô hình dịch vụ DICOM 43

Hình 3.6: Hình minh họa thiết lập association giữa 2 ứng dụng DICOM 46

Hình 3.7: Hình minh họa hủy bỏ association giữa 2 ứng dụng DICOM 46

Hình 3.8: Hình minh họa ngắt đột ngột association giữa 2 ứng dụng DICOM 47

Hình 3.9: Hình minh họa ngắt association với yêu cầu ngắt từ Service Provicer 47

Hình 3.10: Hình minh họa truyền tải dữ liệu dựa trên association đã thiết lập giữa 2 ứng dụng 47

Hình 3.11: PDU A-ASSOCIATE-RQ và PDU A-ASSOCIATE-AC 48

Hình 4.1: Giao diện chính của phần mềm DICOM Image Viewer 54

Hình 4.2: Giao diện hiển thị ảnh DICOM 55

Hình 4.3: Form hiển thị thông số của ảnh DICOM 56

Hình 4.4: Giao diện lưu ảnh định dạng PNG 56

MỞ ĐẦU

1 Lý do chọn đề tài

Với sự phát triển của mạng máy tính và Internet, trong lĩnh vực y khoa

đã hình thành khái niệm Telemedicine hay e - Healt và thực chất đó là việc ứng dụng công nghệ thông tin trong việc cung cấp dịch vụ, chuẩn đoán và điều trị cho bệnh nhân bị giới hạn về khoảng cách địa lý Do đó hình thành lên lĩnh vực khoa học mang tính liên ngành đó là Medical Informations hay Health Infromations đó là ngành khoa học kết hợp giữa khoa học thông tin (Information Science), khoa học máy tính (Computer Science) và chăm sóc sức khỏe (Health Care)

Việc ứng dụng tin học vào môi trường y tế hiện nay vô cùng đa dạng

Từ các hệ thống thông tin y tế như hệ thống thông tin bệnh viện, hệ thống thông tin chuẩn đoán bằng hình ảnh, bệnh án điện tử cho đến việc hình thành các thuật ngữ mới như “Telemedicine” – y học từ xa, “Teledoctor” - bác sĩ từ

xa

Tuy đã được phổ biến ở nhiều nước từ lâu nhưng đến gần đây Việt Nam mới chú ý đến lĩnh vực này Khá nhiều dự án đã được triển khai để tin học hóa các bệnh viện, đưa máy tính vào phục vụ cho việc khám chữa bệnh nhằm nâng cao hơn chất lượng cuộc sống của người dân

Chính từ những yêu cầu thực tế đó, dựa trên các kiến thức đã tìm hiểu được về các hệ thống thông tin y tế, nhất là hệ thống truyền thông và lưu trữ ảnh, với các mã nguồn mở được cung cấp bởi các trường đại học, tổ chức phi

3 Nhiệm vụ, yêu cầu

Đề tài của khóa luận: “Ứng dụng xử lý ảnh trong y tế” được đặt ra với nhiệm vụ, yêu cầu:

Nghiên cứu tổng quan về xử lý ảnh trong y tế

Trình bày các phương pháp hiển thị hình ảnh y tế và chuẩn ảnh DICOM

4 Phương pháp nghiên cứu

Nghiên cứu qua việc tham khảo các phần mềm DICOM dùng trong bệnh viện và các tài liệu liên quan nhằm xây dựng cơ sở lý thuyết của

đề tài và các biện pháp cần thiết để giải quyết các vấn đề của đề tài Tham khảo các ý kiến của các chuyên gia để có thể thiết kế chương trình phù hợp với thực tiễn

Thông qua quan sát thực tế, yêu cầu cơ sở của lý luận được nghiên cứu và các kết quả đạt được qua những phương pháp trên

5 Ý nghĩa khoa học thực tiễn

Khóa luận giới thiệu hướng nghiên cứu và ứng dụng của xử lý ảnh trong y tế, một lĩnh vực khá mới mẻ ở Việt Nam

Sử dụng các phần mềm trình duyệt ảnh và hợp nhất ảnh, các máy chụp X-quang, CT… để phát hiện và có phướng điều trị thích hợp cho bệnh nhân, giảm chi phí cho người bệnh và tăng cường chuyên môn của các bác sĩ

6 Cấu trúc của khóa luận

Ngoài các phần mở đầu và kết luận, khóa luận của em còn bao gồm các chương sau:

Chương 1: Cơ sở lý thuyết: Nêu các vấn đề cơ bản của xử lý ảnh và các phép biến đổi ảnh

Chương 2: Xử lý ảnh trong y tế: Trình bày các các phương tiện hiển thị hình ảnh trong y tế, giới thiệu phương pháp hợp nhất ảnh Sau đó trình bày một số kỹ thuật định dạng ảnh số DICOM

Chương 3: Chuẩn ảnh DICOM: Giới thiệu chung về ảnh DICOM và các chuẩn trong ảnh DICOM

Chương 4: Xây dựng ứng dụng: Trình bày về bài toán, thiết kế chương trình và kết quả đạt được

Trước hết là quá trình thu nhận ảnh Ảnh có thể thu nhận qua camera Thường ảnh thu nhận qua camera là tín hiệu tương tự (loại trừ camera ống kiểu CCIR), nhưng cũng có thể là tín hiệu số hoá (loại CCD – Charge Coupled Device)

Hình 1.1: Các giai đoạn chính trong xử lý ảnh

Ảnh cũng có thể thu nhận từ vệ tinh qua các bộ cảm ứng (sensor), hay ảnh, tranh được quét trên scanner Tiếp theo là quá trình số hoá (Digitalizer)

để biến đổi tín hiệu tương tự sang tín hiệu rời rạc (lấy mẫu) và số hoá bằng lượng hoá, trước khi chuyển sang giai đoạn xử lý, phân tích hay lưu trữ lại

Quá trình phân tích ảnh thực chất bao gồm nhiều công đoạn nhỏ Trước hết là công việc tăng cường ảnh để nâng cao chất lượng ảnh Do những nguyên nhân khác nhau: có thể do chất lượng thiết bị thu nhận ảnh, do nguồn sang hay do nhiễu, ảnh có thể bị suy biến Do vậy cần phải tăng cường và

khôi phục (Image Restoration) lại ảnh để là nổi bật một số đặc tính chính của ảnh, hay làm cho ảnh gần giống nhất với trạng thái gốc - trạng thái trước khi ảnh bị biến dạng Giai đoạn tiếp theo là phát hiện các đặc tính như biên, phân vùng ảnh, trích chọn các đặc tính, v.v…

Cuối cùng, tuỳ theo mục đích ứng dụng, sẽ là giai đoạn nhận dạng, phân lớp hay các quyết định khác

1.2 CÁC VẤN ĐỀ CƠ BẢN TRONG XỬ LÝ ẢNH

1.2.1 Một số khái niệm

Như đã đề cập ở phần trên, chúng ta đã thấy được một cách khái quát các vấn đề chính trong xử lý ảnh Để hiểu chi tiết hơn, trước tiên ta xem xét hai khái niệm (thuật ngữ) thường dùng trong xử lý ảnh đó là pixel (phần tử ảnh) và gray level (mức xám), tiếp theo là tóm tắt các vấn đề chính

Pixel (Picture Element): phần tử ảnh

Ảnh trong thực tế là một ảnh liên tục về không gian và về giá trị độ sáng Để có thể xử lý ảnh bằng máy tính cần phải tiến hành số hoá ảnh Trong quá trình số hoá, người ta biến đổi tín hiệu liên tục sang tín hiệu rời rạc thông qua quá trình lấy mẫu (rời rạc hoá về không gian) và lượng hoá thành phần giá trị (rời rạc hoá biên độ giá trị) mà về nguyên tắc bằng mắt thường không thể phân biệt hai mức kề nhau Trong quá trình này, người ta sử dụng khái

niệm Picture Element mà ta quen gọi hay viết tắt là pixel - phần tử ảnh Ở đây

cũng cần phân biệt khái niệm pixel hay đề cập đến trong hệ thống đồ hoạ máy tính Để tránh nhầm lẫn ta tạm gọi pixel này là pixel thiết bị Khái niệm pixel thiết bị có thể xem xét như sau: Khi ta quan sát màn hình (trong chế độ đồ hoạ), màn hình không liên tục mà gồm nhiều điểm nhỏ, gọi là pixel Mỗi pixel gồm một cặp toạ độ (x, y) và màu

Như vậy, một ảnh là tập hợp các điểm ảnh Khi được số hoá, nó thường được biểu diễn bởi mảng hai chiều I(n,p): n dòng và p cột Ta nói ảnh gồm n x

p pixels Người ta thường kí hiệu I(x,y) để chỉ một pixel Một pixel có thể lưu trữ trên 1, 4, 8 hay 24 bit

Gray level: Mức xám

Mức xám là kết quả sự mã hoá cường độ sáng của mỗi điểm ảnh tương ứng với một giá trị số - kết quả của quá trình lượng hoá Cách mã hoá kinh điển thường dùng 16, 32 hay 64 mức Mã hoá 256 mức là phổ dụng nhất vì lý

do kĩ thuật Vì 28

= 256 (0, 1, 2,…,256), nên với 256 mức, mỗi pixel sẽ được

mã hoá bởi 8 bit

1.2.2 Phân tích ảnh

Phân tích ảnh liên quan đến việc xác định các độ đo định lượng của một ảnh để đưa ra mô tả đầy đủ về ảnh Các kĩ thuật được sử dụng ở đây nhằm mục đích xác định biên của ảnh Có nhiều kĩ thuật khác nhau như lọc vi phân hay dò theo quy mô hoạch động

Người ta cũng dùng các kĩ thuật để phân vùng ảnh Từ ảnh thu được, người ta tiến hành kĩ thuật tách (split) hay hợp (fusion) dựa theo các tiêu chuẩn đánh giá như: màu sắc, cường độ, v.v… Các phương pháp được biết đến như Quad – Tree, mảnh hoá biên, nhị phân hoá đường biên Cuối cùng phải kể đến kĩ thuật phân lớp dựa theo cấu trúc

1.2.3 Nhận dạng ảnh

Nhận dạng ảnh là quá trình liên quan đến các mô tả đối tượng mà người

ta muốn đặc tả nó Quá trình nhận dạng thường đi sau quá trình trích chọn các đặc tính chủ yếu của đối tượng Có hai kiểu mô tả đối tượng:

Mô tả tham số (nhận dạng theo tham số)

Mô tả theo cấu trúc (nhận dạng theo cấu trúc)

Trên thực tế, người ta đã áp dụng kĩ thuật nhận dạng khá thành công với nhiều đối tượng khác nhau như: nhận dạng ảnh vân tay, nhận dạng chữ (chữ cái, chữ số, chữ có dấu) v.v…

Ngoài hai kĩ thuật nhận dạng trên, hiện nay một số kĩ thuật nhận dạng mới dựa vào kĩ thuật mạng nơron nhân tạo đang được áp dụng và cho kết quả khả quan

1.3 CÁC PHÉP BIẾN ĐỔI ẢNH

1.3.1 Biến đổi Fourier

Biến đổi Fourrier cho một tín hiệu có thể hình dung nhƣ sau:

x(t) FT X(f)

Miền thời gian Miền tần số

Vì tín hiệu ảnh là tín hiệu hai chiều, do đó trong phần này ta chỉ xét các biến đổi Fourier hai chiều

 Biến đổi Fourier liên tục

Cho f(x,y) hàm biểu diễn ảnh liên tục trong không gian 2 chiều, cặp biến đổi Fourier cho f(x,y) đƣợc định nghĩa:

- Biến đổi thuận F(u,v) = f x y e( , ) 2 i xu yv( )dxdy

u,v biểu diễn tần số không gian

- Biến đổi ngƣợc f(x,y) = F u v e( , ) 2 i xu yv( )dudv

 Biến đổi Fourrier rời rạc – DFT

Biến đổi DFT đƣợc phát triển dựa trên biến đổi Fourrier cho ảnh số Ở đây, ta dùng tổng thay cho tích phân Biến đổi DFT tính các giá trị của biến đổi Fourrier cho một tập các giá trị trong không gian tần số đƣợc cách đều

DFT hai chiều của một ảnh M x N: {u(m,n)} là một biến đổi tách đƣợc

và đƣợc định nghĩa :

v(k,l) = u m n

n N

m

N

( , )

0 1

0

1

WN km

WN ln

0 = l, k = N-1

và biến đổi ngƣợc:

u(m,n) = 1 2

0 1

v(k,l) = 1

0 1

( , ) WN km WN ln 0 = l, k = N-1

u(m,n) = 1

0 0

N k l v k l

( , ) WN -km WN -ln 0 = m, n = N-1 Viết lại công thức ta có:

v(k,l) = 1

0 1

0

1

N n u m n N

0

1

N l v k l N

 Biến đổi nhanh – FFT (Fast Fourrier Transform)

Do DFT 2 chiều là tách được nên từ công thức

v(k,l) = 1

0 1

0

1

N n u m n N

0

1

km m N

1.3.2 Biến đổi Hotelling

Biến đổi Hotelling có nguồn gốc từ khai triển chuỗi của các quá trình ngẫu nhiên liên tục Biến đổi Hotelling còn gọi là phương pháp thành phần chính

 Cơ sở lý thuyết của biến đổi Hotelling

Đây là phép biến đổi không gian n chiều thành không gian m chiều, với m<n Mỗi thành phần của véc tơ miêu tả một đặc tính của đối tượng Nếu ta biến đổi được từ không gian n chiều về không gian m chiều, như vậy ta sẽ làm giảm được thông tin dư thừa (theo thuật ngữ trong xử lý ảnh hay nhận dạng

gọi là giảm thứ nguyên)

Mục đích của biến đổi Hotelling là chuyển từ không gian n chiều sang không gian trực giao m chiều sao cho sai số bình phương là nhỏ nhất Gọi U

là tập các véc tơ cơ sở trong không gian trực giao U = {u1, u2, , un},

k i

Mọi véctơ y trong không gian trực giao có thể viết:

1

iui -

i m

1

iui =

i m n

1

iui Sai số trung bình bình phương = E[ 2] = E[(X -X)T(X-X)]

= <(X-X)T(X-X)>

= <

i m n

1

i 2

>

=

i m n

1

< i2>

mà = UTX, do đó =

i m n

1

(uiTX) (uiX)T =

i m n

1

uiTRui

đạt min khi =

i m n

1

ui T

Rui đạt min

Đặt = +

i m n

1

i(1 -ui T

ui)

Như vậy đạt min khi = +

i m n

1

i(1 -uiTui) min

Để tìm min của = +

i m 1

i(1 -uiTui), ta dùng phương pháp đạo hàm và dẫn đến việc giải phương trình:

(R - i)ui = 0 Phương trình trên gọi là phương trình đặc trưng của R với i là các trị riêng và ui là các véc tơ riêng tương ứng Đây chính là cơ sở lý thuyết của biến đổi Hotelling

 Biến đổi Hotelling

Định nghĩa và khái niệm

Cho u là một véc tơ các số thực ngẫu nhiên; véctơ cơ sở của biến đổi Hotelling là các véc tơ riêng trực giao của ma trận hiệp biến R cho bởi phương trình:

R k = k k ; 0 k N-1

Biến đổi Hotelling của u là v = *Tu

và biến đổi ngược u = v =

k N

0

1 v(k) k

u là véc tơ cột, v là véctơ hàng và k là cột thứ k của ma trận

Biến đổi đưa R về dạng đường chéo :

*TR = =

N

 2 1

Thường người ta hay làm việc với ma trận A hơn

Biến đổi Hotelling của ảnh

Nếu một ảnh u(m,n) NxN được biểu diễn bởi trường ngẫu nhiên, ma trận A cho bởi:

E[u(m,n)u(m',n')] = r(m,n;m',n') 0 m,m',n,n' N-1

thì ảnh cơ sở của biến đổi Hotelling là các hàm riêng, chuẩn và trực giao k,l

là lời giải của phương trình:

n

r(m,n;m',n') k,l = k,l k,l Theo ký pháp ma trận ta có: R i = i i i = 0, 1, , N2-1

với i là véc tơ N2 x 1 biểu diễn của k,l và R là ma trận N2 x N2 ánh xạ vào véc tơ u, R = E[uu]

Nếu R là tách được thì ma trận N2 x N2 mà các cột là i sẽ tách được:

k,l(m,n) = 1 2 hay R = R1 R2

Biến đổi Hotelling của U là V = *Tu = 1

*T 2

có thể làm rõ một số tính chất của chúng Xử lý điểm ảnh thực chất là dùng các ánh xạ nhằm biến đổi giá trị của một điểm chỉ dựa vào giá trị của chính nó

mà không quan tâm tới các giá trị của các điểm ảnh khác Một cách toán học, ánh xạ đó được định nghĩa như sau:

v(m,n) = f(u(m,n))

trong đó: - u(m,n) thể hiện giá trị cường độ sáng tại toạ độ (m,n)

- v(m,n) là giá trị cường độ sáng thu được sau phép biến đổi

- f là hàm biến đổi Nó có thể là hàm liên tục hay hàm rời rạc

Xử lý điểm ảnh là một trong các phép xử lý cơ bản và đơn giản Có 2 cách tiếp cận trong cách xử lý này: dùng một hàm thích hợp tuỳ theo mục đích cải thiện ảnh để biến đổi giá trị của điểm ảnh (mức xám) sang một giá trị khác (mức xám mới) Cách thứ hai là dựa vào kỹ thuật biến đổi lược đồ xám (histogram)

1.4.1 Xử lí điểm ảnh bằng ánh xạ biến đổi

Bản chất của xử lý điểm ảnh như đã nói trên là nhằm biến đổi giá trị của một điểm ảnh bằng một hàm tuyến tính hay phi tuyến (hàm mũ, hàm

lôgarít) Các phép xử lý này là cơ sở cho biến đổi độ tương phản của ảnh: co giãn, tăng giảm và biến đổi độ tương phản vì độ tương phản trên một ảnh chỉ phụ thuộc vào độ sáng của mỗi điểm ảnh Giả sử ta dùng một hàm phi tuyến dạng f = alog():

Y[m,n] = alog(X[m,n])

Nếu ảnh có kích thước 512 x 512 ta cần 5122 phép biến đổi Một cách tổng quát, nếu ảnh có kích thước NxN thì phép biến đổi sẽ có độ phức tạp tính toán là O(N2) Nếu chú ý rằng ảnh gồm NxN điểm song chỉ có L mức xám (L rất nhỏ so với N2) và phép biến đổi chỉ nhằm biến đổi một mức xám l L sang một mức xám l' L' (mức xám kết quả) thì ta có thể thực hiện nhanh hơn Do vậy, ta có cách tính sau:

- Tính L giá trị của hàm f và lưu vào một bảng: yi = f(xi) với i=1,2, , L

- Duyệt toàn bộ ảnh, với mỗi điểm ảnh ta tra giá trị trong bảng (không cần tính) và thu được ảnh mới

Kỹ thuật này có tên gọi là kỹ thuật bảng tra – LUT (Look Up Table)

Để minh hoạ, xét thí dụ sau: Cho ảnh số X =

Ảnh thu được sau phép biến đổi:

Lược đồ mức xám của một ảnh, từ nay về sau ta qui ước gọi là lược đồ

xám, là một hàm cung cấp tần suất xuất hiện của mỗi mức xám (grey level)

Lược đồ xám được biểu diễn trong một hệ toạ độ vuông góc x,y Trong

hệ toạ độ này, trục hoành biểu diễn số mức xám từ 0 đến N, N là số mức xám (256 mức trong trường hợp chúng ta xét) Trục tung biểu diễn số điểm ảnh cho một mức xám (số điểm ảnh có cùng mức xám)

Số điểm ảnh

Mức xám

Hình 1.2: Lược đồ xám của ảnh

Lược đồ xám cung cấp rất nhiều thông tin về phân bố mức xám của

ảnh Theo thuật ngữ của xử lý ảnh gọi là tính động của ảnh Tính động của

ảnh cho phép phân tích trong khoảng nào đó phân bố phần lớn các mức xám của ảnh: ảnh rất sáng hay ảnh rất đậm Nếu ảnh sáng, lược đồ xám nằm bên phải (mức xám cao), còn ảnh đậm lược đồ xám nằm bên trái (mức xám thấp)

Lược đồ xám là một công cụ hữu hiệu dùng trong nhiều công đoạn của

xử lý ảnh như tăng cường ảnh

1.4.3 Biến đổi lược đồ xám

Trong tăng cường ảnh, các thao tác chủ yếu dựa vào phân tích lược đồ xám Trước tiên ta xét bảng tra LUT (Look Up Table) Bảng tra LUT là một bảng chứa biến đổi một mức xám i sang mức xám j như đã nói trong phần 1.4.1 Một cách toán học, LUT được định nghĩa như sau:

- Cho GI là tập các mức xám ban đầu GI = {0, 1, , NI}

CHƯƠNG 2

XỬ LÝ ẢNH TRONG Y TẾ

2.1 CÁC PHƯƠNG TIỆN HIỂN THỊ HÌNH ẢNH Y TẾ

Phần lớn kiến thức về các hệ sinh lý người mà chúng ta biết được là nhờ vào quá trình quan sát trực quan của chính bản thân chúng ta (nói cụ thể hơn là các y bác sĩ) Nếu khả năng quan sát được tăng cường sẽ làm cho những hiểu biết về các hệ sinh lý càng thêm giá trị, nhất là có thể phục vụ cho học tập, dự đoán tiền phẫu thuật, và chẩn đoán những vấn đề thường gặp trong môi trường khảo sát Trong nhiều ứng dụng, quan sát trực quan có thể là một việc tương đối dễ dàng và đơn giản, nhưng trong chẩn đoán y tế thì không như vậy Chỉ một việc quan sát đơn giản trạng thái trao đổi chất của cơ thể người cũng gặp rất nhiều trở ngại Bởi nó là một mạng lưới đan kết chặt chẽ giữa hệ cơ, hệ xương, hệ tuần hoàn và hệ thần kinh điều hòa hoạt động của cơ thể theo những môi trường thay đổi liên tục Kỹ thuật hiển thị hình ảnh

y tế chính là một giải pháp an toàn, không can thiệp cho phẫu thuật thăm khám mà chỉ gây ra ít hoặc hoàn toàn không gây tổn hại cho bệnh nhân

2.1.1 Hình thức hiển thị và quy trình thiết lập

Đơn vị cơ bản của một ảnh kỹ thuật số là điểm ảnh (pixel) Nó được xác định bởi: một giá trị cường độ và một tọa độ Giá trị cường độ của một điểm ảnh liên quan đến số lượng đo đạc bởi một hệ thống tạo ảnh từ một mẫu vật thể bên trong ảnh Các giá trị cường độ trong một ảnh biến thiên trong miền qui định bởi lược đồ biểu diễn Trong lược đồ ảnh thang xám (đen và trắng), thông thường thì cường độ điểm ảnh biến thiên từ 0 (đen) đến 255 (trắng), trong đó những giá trị ở khoảng giữa qui định màu xám Có rất nhiều lược đồ màu tồn tại chẳng hạn như RGB là lược đồ kết hợp 3 giá trị cường độ

đỏ, lục, lam để biểu diễn một màu đơn Trong hiển thị hình ảnh y tế, hệ thống thiết lập ảnh sẽ đo đạc các giá trị này trong tầm giới hạn hoạt động của hệ

Kết hợp giá trị đo được so với một cường độ điểm ảnh tương ứng sẽ giúp cho ảnh số “thấy” được những gì mà hệ thống chụp ảnh thấy (nói cách khác là ảnh

số thể hiện hình ảnh thiết lập từ hệ thống)

Theo một kiểu tương tự, tọa độ của một điểm ảnh biểu hiện vị trí của

nó bên trong ảnh tương ứng với vị trí của mẫu vật bên trong thành phần được chụp Bằng cách lấy mẫu thành phần theo một lưới 2 chiều, có thể tạo ra được một hình thức biểu diễn ảnh Về lý thuyết, bên trong một mẫu vật, bất kể nó

có nhỏ đến cỡ nào thì số lượng thông tin hàm chứa bên trong là vô hạn Tuy nhiên, khả năng đo đạc của bất kỳ hệ thống nào cũng chỉ cho phép tách lấy một số giới hạn từ lượng thông tin hàm chứa bên trong vật thể tùy theo các giới hạn vật lý của kỹ thuật sử dụng Lượng thông tin mất đi khi so sánh giữa ảnh thật sự với ảnh số gọi là sai số tự do Tuy không thể tránh khỏi sai số này, nhưng ảnh hưởng của nó có thể được giảm bớt bằng cách tăng số lượng lấy mẫu (số lần chụp) Làm như thế thì lượng thông tin chứa trong ảnh được gia tăng vì mỗi điểm ảnh bây giờ đại diện cho một mẫu vật nhỏ trong không gian ảnh Khái niệm về độ phân giải của một ảnh cho biết độ chính xác của ảnh đó khi biểu diễn một vật thể Ảnh có độ phân giải cao khi số lần lấy mẫu nhiều

và ngược lại, nếu số lần lấy mẫu ít sẽ cho ảnh độ phân giải thấp Nên lưu ý là

độ phân giải của một ảnh không phụ thuộc vào kích thước thật của mẫu vật Lấy ví dụ như các ảnh vệ tinh phân giải cao có điểm ảnh tính theo đơn vị mét trong khi các ảnh độ phân giải thấp thu từ kính hiển vi điện tử lại có điểm ảnh biểu diễn các giá trị ở mức microns Tuy không phụ thuộc vào kích thước, nhưng độ phân giải lại liên quan nhiều đến độ dày đặc của mẫu vật

Thông thường, nói đến một ảnh tức là nói đến mối tương quan 2 chiều giữa màn tạo ảnh và vật ảnh Vì hai mặt phẳng chiếu này cách nhau một khoảng xác định (về mặt vật lý thì đây là tiêu cự), nên các thông tin chụp được sẽ là một ảnh chiếu có chiều rộng và chiều cao riêng biệt, nhưng lại không có chiều sâu (hoặc chiều sâu cực kỳ bé, không đáng kể) Tuy nhiên, khi xét đến hiển thị hình ảnh y tế thì phải bỏ qua mối quan hệ giữa góc nhìn và

vật ảnh Quá trình thiết lập ảnh phức tạp hơn nhiều, gồm nhiều viễn cảnh kết hợp với nhau để tạo nên một ảnh riêng lẻ Quan trọng hơn, các hình ảnh y tế còn có một chiều thứ 3 - chiều sâu - mà ta thường nhắc đến dưới tên gọi là bề dày lớp cắt của ảnh Nhờ vào cấu trúc vật lý của một lớp cắt giúp phân biệt được những hình ảnh 3 chiều từ các thành phần ảnh 2 chiều Để thể hiện được đặc điểm phân biệt này, cần phải có một thuật ngữ chuyên môn phù hợp Theo định nghĩa thông thường của một ảnh, thì điểm ảnh tượng trưng cho một cấu trúc 2 chiều (1 tiết diện) bên trong vật ảnh Tuy nhiên, trong ngữ cảnh của hình ảnh y tế, một cấu trúc được xác định theo 3 chiều (khối thể tích) Để tránh xáo trộn, mẫu vật sử dụng trong ảnh y tế sẽ được qui ước bởi các khối ảnh hay còn gọi là voxels sẽ thích hợp hơn là các pixels

Ba mặt phẳng dùng để diễn tả trong giải phẫu học con người là: mặt cắt ngang (transverse hay axial) qui ước nhìn từ đầu tới chân, mặt cắt đứng (frontal hay coronal) qui ước nhìn từ sau ra trước và mặt cắt dọc (sagittal) qui ước nhìn

từ trái qua phải Mặc dù có thể thu ảnh từ bất kỳ mặt cắt nào, nhưng theo bản chất giải phẫu học con người thì thu nhận ảnh theo mặt cắt ngang sẽ thuận lợi hơn Thêm vào đó, tính linh động của ảnh số cho phép các thông tin không bị giới hạn bởi bất kỳ góc nhìn nào Tuy các thông số nghiên cứu sẽ thay đổi tùy theo mô hình nhưng ta có thể đưa ra một phương thức khái quát về thu nhận thông tin và biểu diễn số của các mô hình Một phân đoạn hiển thị hình ảnh tiêu biểu bao gồm việc thu nhận các chuỗi hình ảnh từ mặt cắt ngang Tùy theo mô hình mà cách thức thu nhận sẽ thay đổi Tuy nhiên, thành phẩm cuối cùng sẽ bao gồm một cụm các lớp ảnh cắt ngang có thể kết hợp lại để tạo nên một thể tích 3 chiều của vùng cần nghiên cứu Trong trường hợp lý tưởng thì các ảnh này sẽ được thiết lập sao cho các lớp cắt liên tục nhau, tức là giữa chúng không có khoảng trống Tuy nhiên, do những hạn chế vốn có trong một số hệ thống thu nhận ảnh làm cho các lớp ảnh cắt không liên tục với nhau mà giữa chúng sẽ có một khoảng cách nhất định Có thể sử dụng thuật toán nội suy để lấp đầy những khoảng cách này và tạo nên một khối ảnh tương đượng Ngược lại, các hệ thống

thiết lập ảnh cho ra các ảnh tại những khoảng liên tiếp nhỏ hơn bề dày của 1 lớp cắt đơn, kết quả là có các ảnh chồng lấp nhau Điều này thường xuất hiện ở các

mô hình có qui ước về bề dày lớp cắt Từ những tiêu chí trên sẽ cho phép thiết lập khối ảnh độ phân giải thấp, thiếu cân đối trên mặt cắt ngang Bằng cách chồng lấp các lớp cắt ảnh lên nhau, bề dày lớp cắt được gia tăng kéo theo sự gia tăng của độ phân giải ngang

Tính phức tạp về giải phẫu và chức năng của não người đã xúc tiến hình thành một số lượng lớn các mô hình hiển thị hình ảnh Những mô hình thông dụng nhất dùng để mô tả đặc điểm sinh lý của não bao gồm cộng hưởng

từ (MRI), chụp cắt lớp điện toán (CT), chụp cắt lớp phát xạ positron (PET) và chụp cắt lớp điện toán phát xạ đơn photon (SPECT) Dưới đây là vài nét sơ lược về mỗi mô hình và kỹ thuật tương ứng

2.1.2 Hiển thị hình ảnh cộng hưởng từ (MRI - Magnetic Resonance Imaging)

Hiển thị hình ảnh cộng hưởng từ sử dụng các sóng tần số vô tuyến và từ trường để biểu diễn những mặt cắt từ 3 chiều của các cấu trúc giải phẫu, dựa trên nguyên lý của cộng hưởng từ hạt nhân Khi một vật thể được đặt trong một từ trường tĩnh, cường độ mạnh, các hạt nhân nguyên tử hidro bị từ trường hóa và sắp xếp lại dọc theo từ trường

Trong quá trình sắp xếp, nếu các hạt nhân đã bị từ trường hóa rơi vào

từ trường biến thiên có phương vuông góc với trường tĩnh, chúng sẽ hấp thụ năng lượng và chuyển sang trạng thái kích thích Sự chuyển động của các hạt nhân này từ trạng thái cân bằng sang trạng thái kích thích và lại quay về trạng thái cân bằng tạo nên một tín hiệu, và từ tín hiệu này có thể dùng thuật toán

để tạo nên hình ảnh Từ trường vuông góc được tạo nên bằng cách sử dụng các xung tần số vô tuyến Bằng cách thay đổi số lượng và chuỗi xung, hình ảnh của những mô khác nhau có thể được tạo ra thông qua việc khai thác tính chất khử từ của các mô khác nhau Tiềm năng chẩn đoán của MR tùy thuộc vào khả năng mô tả đặc điểm của một vùng rộng của mô, bao hàm cả mô lành

và tổ chức bệnh lý Các nguyên tử hiđrô trong phân tử nước là một nguồn thông tin lý tưởng, vì nước có ở khắp nơi trong cơ thể người và tồn tại với mật độ khác nhau trong tất cả các mô Việc thay đổi các tham số xung tần số

vô tuyến quyết định sự thể hiện đặc điểm của mô; các ảnh MR thường được tạo ra dựa vào thời gian khử từ T1 và T2

Với khả năng cung cấp chính xác những điểm khác biệt giữa các mô đã làm cho MR trở thành một phương thức chẩn đoán cấu trúc lý tưởng Các ứng dụng giải phẫu thần kinh được hỗ trợ tốt từ những lớp cắt có bề dày nhỏ cũng như kích thước điểm ảnh nhỏ thể hiện trên các ảnh MR Chất lượng của những ảnh này cung cấp một nguồn dữ liệu cấu trúc phong phú về phần thể tích được khảo sát

2.1.3 Chụp cắt lớp điện toán (CT - Computerized Tomography)

Tia X từ lâu đã được các nhà nghiên cứu sử dụng trong chẩn đoán y tế không xâm lấn Trong X-quang cổ điển, vật thể được đặt trước một nguồn phát tia X (nguồn phát tia phóng xạ xuyên qua cơ thể) Tia X xuyên qua cơ thể bệnh nhân bị suy giảm bởi các mô nằm trên đường đi của nó Vì các cấu trúc khác nhau sẽ làm giảm tia X ở các mức độ khác nhau tùy vào khối lượng riêng của chúng, thông tin từ các cấu trúc này có thể thu được bằng cách đo đạc các chùm tia suy giảm Chụp ảnh cắt lớp điện toán được xây dựng dựa trên nguyên lý của X-quang cổ điển Trong khi tiến hành quét CT, thiết bị phát tia X được đặt trên 1 giá có thể xoay xung quanh vật thể Các đầu dò tia

X được đặt trên phía đối diện giá đỡ của bộ phận phát Khi thiết bị này xoay một vòng xung quanh vật thể, một chùm tia X dạng quạt được truyền qua cơ thể ở các góc khác nhau và các tín hiệu suy giảm được ghi nhận Các điểm quan sát này được kết hợp lại thông qua thuật toán để tạo ra một lớp cắt ảnh trên bề mặt chứa chùm tia X và đầu dò Mỗi lớp cắt chứa mật độ mô đã được tính toán tại mỗi điểm bên trong vùng hiển thị

Tương tự như MR, CT là một phương thức về cấu trúc bởi khả năng thể hiện những điểm khác biệt trong cấu trúc Bởi vì CT mô tả đặc điểm dựa trên

mật độ mô, chính vì thế nó bổ sung thông tin cho MR Các tia X bị suy giảm đáng kể khi xuyên qua các chất có nguồn gốc xương, chính vì thế, CT rất có giá trị trong chẩn đoán về xương Vì các ảnh CT được tái tạo từ nhiều lớp cắt riêng biệt nên có độ phân giải rất cao

2.1.4 Chụp cắt lớp phát xạ positron (PET - Positron Computerized Tomography)

Chụp cắt lớp phát xạ positron dựa trên hoạt tính của hạt nhân phóng xạ (hợp chất thừa protons) PET lấy nguyên lý đo độ phân rã của hạt nhân phóng

xạ để ghi nhận hoạt động trao đổi chất thông qua việc khảo sát sự tồn tại và số lượng các phản ứng phân hủy positron tạo nên từ quá trình tích lũy các chất đánh dấu phóng xạ trong các vùng khác nhau của cơ thể

Về một vài khía cạnh, PET là phương thức hiển thị hình ảnh có ý nghĩa

về mặt lâm sàng Trước tiên, vì các hợp chất phóng xạ đánh dấu đã được nhận dạng về mặt hóa học so với các thành phần khác không được đánh dấu, các chất này có phản ứng tương tự các hợp chất sinh học bình thường trong khi tiến hành khảo sát Vì thế, PET có khả năng hiển thị quá trình trao đổi chất của các hợp chất khác nhau không chịu ảnh hưởng bởi trạng thái hóa sinh thông thường Hơn nữa, những hệ thống thu ảnh PET đủ nhạy để dò ra các chất phóng xạ đánh dấu ở các mức tương ứng Vì thế, các chất này có thể được đưa vào trong đối tượng khảo sát mà không cần cơ thể phải ở mức trao đổi chất cao hơn bình thường Sự biến thiên đa dạng của các quá trình trao đổi chất bên trong não có thể được ghi nhận bao gồm quá trình chuyển hóa đường, trao đổi khí oxy, thể tích máu não và hoạt động xung thần kinh Việc thu nhận thông tin này về sau trở nên rất hữu ích trong định vị những vùng loạn chức năng và theo dõi tác động của các dược chất điều trị

Độ phân giải của ảnh PET nhìn chung kém hơn MR hay CT Yếu tố chủ yếu quyết định độ phân giải của PET là giới hạn vật lý về kích thước của tinh thể nhấp nháy sử dụng trong đầu dò Dữ liệu hiển thị trong PET thường

bao hàm một phác đồ nhiều màu để chỉ các mức khác nhau của sự tích tụ chất đánh dấu

2.1.5 Chụp cắt lớp điện toán phát xạ đơn photon (SPECT - Single Photon Emission Computerized Tomography)

Theo tên gọi của phương thức này, chất phóng xạ được sử dụng trong SPECT phát ra một photon tia gamma đơn được ghi nhận lại qua các gamma camera Không giống như PET, SPECT đòi hỏi phải điều chỉnh các tia gamma phát ra bởi hợp chất phóng xạ Hệ thống thu nhận bao gồm một ma trận dày đặc các kênh điều chỉnh bao quanh vùng cần khảo sát Các tia gamma chạy dọc theo hướng trùng với một kênh sẽ xuyên qua được bộ phận điều chỉnh mà không bị hấp thụ rồi tương tác với tinh thể ion Na+bên trong các đầu dò của gamma camera, tạo nên ánh sáng Đằng sau tinh thể, một lưới các ống nhân quang sẽ thu thập ánh sáng để xử lý và tạo ảnh SPECT giống PET nhiều ở chỗ khả năng thể hiện chức năng trao đổi chất tốt hơn là chi tiết cấu trúc Từ những dữ liệu đã biết của các được chất phóng xạ và hợp chất phóng xạ dùng cho SPECT cho phép hiển thị hình ảnh của dòng máu não cục

bộ, đo đạc sự truyền dịch và hoạt động của thụ thể thần kinh

Độ phân giải và độ nhạy của hệ thống là những thông số vật lý quan trọng giúp đánh giá chất lượng của SPECT Những nghiên cứu gần đây liên tục đưa ra nhiều cải tiến về độ phân giải của SPECT Tuy nhiên, về mức độ cần thiết thì việc điều chỉnh các photon suốt quá trình thu nhận ảnh là ít hơn

so với PET

2.2 HỢP NHẤT ẢNH (REGISTRATION)

Hợp nhất hình ảnh là một thuật ngữ của việc xử lý ảnh bao gồm các ảnh của cùng một cấu trúc, khác nhau ở viễn cảnh chụp, thời gian chụp hay phương thức chụp Vì các ảnh có thể thay đổi bởi một hoặc tất cả những yếu tố trên, nên các vật thể được thể hiện trong các ảnh này rõ ràng sẽ có khác biệt Việc so sánh các thông tin từ các ảnh này đặt ra những thách thức đáng kể Hợp nhất nhằm mục đích điều chỉnh đúng những sự biến đổi này bằng cách sắp xếp các ảnh sao

cho thông tin giữa chúng tương xứng với nhau Nhiệm vụ của hợp nhất hình ảnh

có thể đựơc định nghĩa như sau: 2 ảnh cho sẵn chứa một vài cấu trúc tương xứng nhau, xác định một phép biến đổi hình học sao cho khi áp dụng nó cho một ảnh

sẽ giúp sắp xếp những giá trị điểm trên ảnh này lên trên ảnh thứ 2 ngay tại những cấu trúc mà 2 ảnh tương ứng với nhau Có thể diễn tả việc hợp nhất ảnh của khối B lên trên khối A như sau:

A(x,y,z) = Tα B(x,y,z) Trong đó, Tα là một hình thức chuyển đổi 3 chiều được tạo ra theo một phương thức nào đó Brown đã khẳng định việc phân tích các chương trình hợp nhất tổng quát dựa vào 4 yếu tố chính sau: không gian đặc điểm, xác định

sự tương đồng, không gian nghiên cứu và chiến lược nghiên cứu

2.2.1 Không gian đặc điểm

Công việc đầu tiên trong hợp nhất hai khối ảnh là lựa chọn một không gian đặc điểm làm gốc Không gian này miêu tả những nét chung chia sẻ giữa hai khối ảnh Nó có thể có nhiều dạng, trong đó tồn tại một số bất kỳ về cách thức thể hiện một ảnh Không gian này có thể là tập hợp của những thành phần sau: những giá trị cường độ thô; những đặc điểm bên trong ảnh như các mép, đường viền, đường biên và hình dạng; những đặc điểm cao cấp hơn bao gồm giao điểm của các đường thẳng hay điểm uốn cực đại; hay những đặc điểm xác định như moment quán tính và tâm khối Có một số điểm cần được đề cập khi lựa chọn một không gian đặc điểm Trước tiên là phải xem xét độ nhạy của đặc điểm tạo ra thông tin Nếu suốt quá trình thu nhận ảnh, một ảnh được hạn chế lỗi do nhiễu hay sai số hình học, sẽ có ảnh hưởng tốt đến chất lượng của không gian đặc điểm suốt quá trình hợp nhất Trong trường hợp đó, một vài đặc điểm

có thể trở nên không cần thiết nếu chúng không đưa ra được sự khác biệt giữa thông tin đặc điểm liên quan và dữ liệu bị lỗi Ví dụ như tính toán khối tâm sẽ

bị ảnh hưởng khi có sự tác động của nhiễu trắng vì đây là một phép đo cầu phương, trong đó các đặc điểm cấp thấp như đường thẳng và mép có thể giúp tăng ưu thế vì nguồn gốc của chúng dựa trên một miền xác định hơn

Bên cạnh độ nhạy, cũng cần phải xét đến giá trị tính toán để thể hiện đặc điểm Những đặc điểm đơn giản như giá trị cường độ thô được quan tâm nhiều bởi vì chúng cung cấp những thông tin tối cần thiết nhất về 1 ảnh trong một hình thức có giá trị trực tiếp Khi độ phức tạp của không gian đặc điểm gia tăng, thì qui trình tiền xử lý các đặc điểm thu được từ ảnh cũng phải được tăng cường Ví dụ, trước khi xác định moment quán tính, đòi hỏi phải lọc nhiễu ảnh Khi nhận dạng một vật thể từ ảnh nền,đòi hỏi phải tăng độ tương phản nhằm tăng cường những thay đổi về những thành phần cường độ trong vùng khảo sát Trước khi thể hiện những mép và đường viền, cần thiết phải làm nổi bật chúng bằng cách làm tăng độ nét của ảnh và tách mép Việc phân đoạn ảnh có thể cần dùng để cô lập một không gian đặc điểm được tạo ra từ hình dạng Như vậy, có thể nhận thấy rõ rằng có nhiều hình thức để biểu hiện một không gian đặc điểm cho một ảnh

Tuy nhiên, có những lúc cần phải có những đặc điểm phức tạp Thông tin thu được từ một đặc điểm phức tạp có thể liên quan nhiều hơn hoặc có chất lượng hơn trong việc xác định điểm tương đồng giữa hai ảnh Việc tính toán chất lượng này sẽ được đề cập trong phần xác định sự tương đồng

2.2.2 Xác định sự tương đồng

Xác định sự tương đồng là sự định giá thông tin đã được qui định trong không gian đặc điểm Nói cách khác, nếu không gian đặc điểm qui ước đặc điểm nào được kết hợp thì việc xác định tương đồng những điểm hợp nhau được đánh giá ra sao Vì thế, bản chất của việc xác định tính tương đồng gắn liền với bản chất của không gian đặc điểm Những phép đo thông thường bao gồm tổng của những điểm khác nhau tuyệt đối và những hệ số tương quan kèm theo Các đường viền và đường thẳng sẽ đòi hỏi phải tính tổng bình phương những khác biệt giữa các điểm dọc theo mỗi đường Về phương diện khác, việc khảo sát một không gian đặc điểm với nền tảng là giá trị cường độ cần thiết phải có phép đo phù hợp với các giá trị như nhiễu, khi không có quá trình tiền xử lý Đây là giá trị của việc tính toán khi lựa chọn một phép đo

tương đồng Về thực chất thì giá trị này cũng liên quan tới giá trị biểu hiện của không gian đặc điểm Vì tính phức tạp của không gian đặc điểm có liên quan trực tiếp đến chất lượng thông tin thể hiện, nên kèm theo đó là giá trị tính toán của phép đo tương đồng đối với những đặc điểm cao cấp sẽ ít hơn

Về mặt này, một số giá trị gắn với quá trình tiền xử lý được cân bằng khi sử dụng một phép đo tương đồng đơn giản Việc tiền xử lý sẽ có tác dụng trước bất kỳ phép tính nào; các đặc điểm được tăng cường, biểu hiện và được tính toán sau đó bởi phép đo tương đồng Phép đo tương đồng sẽ được thực hiện cho mọi quá trình tính toán các thông số chuyển đổi hợp nhất Vì thế, độ phức tạp kèm theo của một phép đo tinh tế hơn sẽ gấp nhiều lần khi tính toán một phép đo đơn thuần

2.2.3 Không gian nghiên cứu

Không gian nghiên cứu được định nghĩa là miền chứa tập hợp tất cả những phép đo tương đồng có thể có Tại một vài nơi trong không gian nghiên cứu sẽ tìm thấy được cách giải quyết tốt nhất Phụ thuộc vào phép đo tương đồng, phương thức này có thể được xác định tại điểm cực đại hay cực tiểu của không gian nghiên cứu Trong thuật ngữ hợp nhất hình ảnh, phương pháp giải quyết tốt nhất tương ứng với các phương thức biến đổi tốt nhất để kết hợp một ảnh lên ảnh khác đáp ứng được yêu cầu của phép đo tương đồng

Dựa theo những tiêu chuẩn này, bản chất của phép biến đổi hình học sẽ quyết định tính phức tạp của không gian nghiên cứu Giả sử rằng các ảnh bị di dời không thẳng hàng nhau, không gian nghiên cứu sẽ là tập hợp tất cả những khả năng chuyển dời có thể có Nếu độ di dời càng phức tạp, chẳng hạn bao gồm sự xoay tròn, thì không gian nghiên cứu sẽ bao hàm luôn tất cả những khả năng xoay tròn có thể có Hợp nhất hình ảnh y khoa là một công việc được tiến hành trên 3 chiều Theo không gian Descartes, những sự chuyển dời

có thể có bao gồm sự dịch chuyển trên 3 hướng x, y và z và chuyển động xoay tròn xung quanh trục x, y và z Cứ mỗi chiều thêm vào thì độ phức tạp của không gian nghiên cứu lại tăng theo hàm mũ Vì vậy, trước khi tính toán

cần xem xét để giới hạn tính toán các phép đo tương đồng ở một con số chấp nhận được Ví dụ, khi đã biết rõ về một vấn đề đặc biệt, ta có thể tiến hành thiết lập một số giới hạn trên vùng chuyển dịch hay xoay tròn trong phạm vi cho phép

Tính chất của phép đo tương đồng cũng đóng vai trò quan trọng bên trong không gian nghiên cứu Trong trường hợp lý tưởng, phép đo tương đồng

sẽ thể hiện tính đơn nhất giúp đơn giản hóa tối ưu sự phức tạp của lĩnh vực nghiên cứu Tuy nhiên, nếu không còn ở trạng thái đơn nhất nữa hoặc có nhiễu về số học trong các cực đại và cực tiểu, cần đặt ra chiến lược nghiên cứu tinh tế hơn

2.2.4 Chiến lược nghiên cứu

Hình thức vận hành của phép tính tương đồng trong không gian nghiên cứu được quy định bởi chiến lược nghiên cứu Có thể hiểu tiến trình thực thi của phép đo tương đồng trong không gian này là tiêu chuẩn để chọn lựa chiến lược phù hợp Hầu hết các chiến lược hướng vào việc xác định một hệ số tương quan tốt nhất giữa 2 giá trị cho trước, quá trình này có thể xem như việc tìm kiếm giá trị cực đại và cực tiểu Những kỹ thuật toàn diện về tổng quát sẽ phơi bày rõ hơn thực chất của những nét rối loạn trong hình ảnh Điều này đạt được thông qua việc sử dụng phép tính tương đồng để khảo sát chi tiết hơn không gian nghiên cứu Trong một không gian nghiên cứu phức tạp, những điểm khác biệt có thể chấp nhận được thêm vào trong những phương pháp này sẽ đạt kết quả hơn các phương pháp tuyến tính Tuy nhiên, khi nghiên cứu một không gian phức tạp cộng với phép tính tương đồng phức tạp thì mức độ tính toán phải đủ lớn để đáp ứng các tiêu chuẩn khảo sát Ngược lại, những thuật toán mong muốn cho ra kết quả nhanh, nhưng do khả năng hạn chế không phù hợp với những tiêu chuẩn lý tưởng nên dẫn đến việc tính toán bị gián đoạn Những tập dữ liệu rời rạc có khuynh hướng gây ra nhiễu ở một vài mức độ nào đó đối với phép đo tương đồng chủ yếu do sai số rời rạc Chính

điều này gây ảnh hưởng không tốt cho việc xác định những điểm cực trị trong khi khảo sát tìm giá trị tối ưu tổng quát

Cũng có thể xem việc lựa chọn chiến lược nghiên cứu như là bản chất của phép đo tương đồng Trong một vài hệ thống, các phép tính có thể biểu diễn theo hình thức toán học Nhiều chiến lược sử dụng nguyên hàm như một nguồn thông tin khi tìm kiếm giải pháp tối ưu Tuy nhiên, những thông tin trong nguyên hàm không phải lúc nào cũng có giá trị Trong trường hợp này thì cần có một chiến lược nghiên cứu theo một khía cạnh khác của hàm số

2.2.5 Các ứng dụng hợp nhất hình ảnh

Hợp nhất hình ảnh có ứng dụng rất rộng rãi trong các lĩnh vực thần kinh học Hợp nhất ảnh với ảnh được sử dụng để kết nối thông tin của những cấu trúc ảnh khác nhau Phổ biến nhất là sử dụng hợp nhất để thu được những biểu hiện lâm sàng có ý nghĩa thiết thực hơn về tình trạng của bệnh nhân Những thông tin được tăng lên thông qua hợp nhất có thể được ứng dụng về sau trong các chương trình giải phẫu thần kinh trên cơ sở kết hợp ảnh với bệnh nhân Kết hợp ảnh với bệnh nhân nhằm mục tiêu phác thảo một tập hợp ảnh lên trên một không gian vật lý trong quá trình điều trị cho bệnh nhân Hình thức hợp nhất này cho phép nhà phẫu thuật sử dụng thông tin ảnh để giám sát các cấu trúc giải phẫu thuận lợi hơn trong suốt tiến trình phẫu thuật thần kinh Hợp nhất ảnh với bản đồ phác họa những khối ảnh lên trên các bản

đồ giải phẫu số học bằng cách dồn một khối ảnh vào trong một khối khác Hình thức kết hợp này cực kỳ hữu ích trong ứng dụng hợp nhất những khác biệt giữa 2 ảnh nhưng giữa chúng tồn tại một mức độ tương quan nào đó Trường hợp này rất thường gặp trong sự biến dạng thô về giải phẫu, khi đó hình thái của vật thể thay đổi liên tục giữa các khối ảnh, đó cũng là kết quả của những khác biệt về giải phẫu hoặc do những thay đổi dưới tác động của phẫu thuật