Nghiên cứu thuật toán nâng cao ảnh số hóa tuyến vú dựa trên thuyết mờ

Sử dụng ảnh Số hóa tuyến vú để chẩn đoán thư tiêu tốn rất nhiều thời gian ngay cả với những bác sĩ Xquang tay nghề cao bởi ảnh chụp không rõ nét, độ tương phản thấp. Do đó, cần có sự nâng cao chất lượng hình ảnh của ảnh số hóa tuyến vú. Trong một vài năm gần đây, đã có rất nhiều nhà nghiên cứu áp dụng Logic mờ để phát triển các thuật toán xử lý ảnh. Trong đó, quá trình xử lý ảnh bằng mờ hóa là một trong những ứng dụng quan trọng của Logic mờ. Bài nghiên cứu này chỉ ra sự giống và khác nhau giữa việc nâng cao chất lượng ảnh bằng kỹ thuật mờ hóa và kỹ thuật không tuyến tính khác, bộ lọc mờ hóa miêu tả kiến thức một cách tổng thể.

NHÓM 2:Nghiên cứu thuật toán nâng cao ảnh số hóa tuyến vú dựa trên thuyết mờ

Lý thuyết: Sử dụng ảnh Số hóa tuyến vú để chẩn đoán thư tiêu tốn rất nhiều thời gian

ngay cả với những bác sĩ X-quang tay nghề cao bởi ảnh chụp không rõ nét, độ tương phảnthấp Do đó, cần có sự nâng cao chất lượng hình ảnh của ảnh số hóa tuyến vú Trong một

vài năm gần đây, đã có rất nhiều nhà nghiên cứu áp dụng Logic mờ để phát triển các thuật

toán xử lý ảnh Trong đó, quá trình xử lý ảnh bằng mờ hóa là một trong những ứng dụngquan trọng của Logic mờ Bài nghiên cứu này chỉ ra sự giống và khác nhau giữa việcnâng cao chất lượng ảnh bằng kỹ thuật mờ hóa và kỹ thuật không tuyến tính khác, bộ lọc

mờ hóa miêu tả kiến thức một cách tổng thể

Aboul Ella Hassanien: sinh ngày 22/3/1964 tại Cairo, Ai Cập Ông đã được cấp bằng cử

nhân khoa học vào năm 1986 và thạc sĩ khoa học vào năm 1993, cả hai đều được cấp bởitrường đại học Ain Shams, Cairo, Ai Cập Vào tháng 9/1998, ông được ban khoa học máytính thuộc viện kỹ thuật Tokyo trao bằng tiến sĩ Hiện tại, ông đang làm việc tại trườngĐại học Kuwait

1 Giới thiệu:

Nâng cao chất lượng hình ảnh trong y học máy tính là quá trình sử dụng máy tính làmhình ảnh rõ nét hơn Các phương pháp nâng cao hình ảnh bao gồm: khử nhiễu, làm rõcạnh, nâng cao độ tương phản Là phương pháp khôi phục ảnh bị ảnh hưởng bởi nhữngcản trở hoặc làm rõ hơn những đặc điểm hiện tại của bức ảnh Nâng cao chất lượng ảnh

có thể có ảnh hưởng tích cực đến mọi lĩnh vực y học Cụ thể, với những bức ảnh chấtlượng tốt, các chuyên gia có thể phân tích và chẩn đoán dễ dàng và nhanh chóng hơn.Bài nghiên cứu nói về quá trình nâng cao chất lượng ảnh chụp khối u ở ngực dựa trên Lýthuyết mờ Có rất nhiều lý do để thực hiện, trong đó bao gồm những yếu tố quan trọngsau:

- Kỹ thuật mờ hóa là công cụ tiện ích cho việc miêu tả và xử lý

- Kỹ thuật mờ hóa có thể đạt được sự hiệu quả cao trong quá trình phỏng đoán.Trong số những ứng dụng của việc nâng cao chất lượng ảnh, chúng ta có thể sử dụngnhững kiến thức chuyên môn để vượt qua những khó khăn Bên cạnh đó vẫn còn nhữngyếu tố không chắc chắn có thể xảy ra như:

- Mờ hóa hình học

- Xám hóa mơ hồ

- Kiến thức không chắc chắn

Số hóa tuyến vú là quá trình kỹ thuật số những bức ảnh chụp khối u ở ngực Nó có khảnăng đem lại cuộc cách mạng trong công cuộc ngăn chặn bệnh ung thư vú Chuyên gia X-quang sử dụng chúng như một sự thay thế bởi vấn đề từ chương trình kiểm tra thôngthường Số hoá có thể trình chiếu bằng thiết bị chuyên dụng hoặc camera Thông thường,phần lớn số hóa tuyến vú có 4096 lượng bức xạ mỗi pixel trên cả tấm Hiện tại, số hóatuyến vú là một trong những phương pháp hứa hẹn nhất trong việc kiểm soát bệnh ungthư kể từ khi nguồn gốc của bệnh ung thư vú chưa được biết đến

Các thuật toán nâng cao đã được dùng để giảm nhiễu cũng như tăng sự tương phản củakết cấu Tại nơi mà sự bình thường hay bất thường của cấu trúc không rõ ràng, sự phánđoán sẽ gặp khó khăn khi mức độ nhiễu quá cao Trong một số trường hợp sự nâng caochất lượng hình ảnh làm cho quá trình chẩn đoán trở nên dễ dàng hơn Không những cungcấp những hình ảnh rõ nét hơn mà nó còn hình thành nên những quá trình phân tích tựđộng

Phát hiện ra các khối u trong bức ảnh chụp khối u ở ngực thông qua quá trình xử lí ảnh làbước khó khăn bởi những lí do sau đây:

- Có rất nhiều cấp cường độ khác nhau ở trong tuyến vú

- Các tính năng phân đoạn rất khó để xây dựng

- Sự biến đổi nhỏ mức độ xám trên các phần khác nhau của hình ảnh làm cho việcphân đoạn của khu vực khối u bằng chỉ bằng mức xám là khó khăn

- Những khối u thường không xuất hiện rõ ràng, đặc biệt khi chúng khó thấy khi ởdưới các tuyến mô

- Ảnh chụp tuyến vú độ tương phản thấp và có cấu trúc phức tạp

- Mật độ tuyến vú phụ thuộc vào tuổi tác, do vậy số hóa tuyến vú tạo ra ảnh với chấtlượng khác nhau

- Hình ảnh chụp tuyến vú không phân cực Kết quả là, bất kỳ phương pháp phânđoạn [6, 7, 8], trong đó sử dụng một tiên nghiệm hoặc phương pháp giá trị ngưỡngduy nhất, rất có khả năng để tạo ra các lỗi nghiêm trọng trong quá trình phân đoạnPhân tích hình ảnh tuyến vú là một nhiệm vụ đầy thách thức do mức độ chiếu sáng thấp

và mức độ nhiễu cáo trong hình ảnh lên đến 10-15 % giá trị tối đa của cường độ điểmảnh Đây là một vấn đề vì các quá trình cải thiện ảnh có thể làm tăng một cách khôngmong muốn các thành phần bị nhiễu trong bức ảnh [6, 13, 16] Vì thế, ảnh tuyến vú làmột trong những tuyến khó nhất để phân tích và giải thích Hơn thế nữa , hình ảnh luôn

luôn có vẻ lộn xộn, và các nền tảng khác nhau rất nhiều giữa hai vú khác nhau Ngay cảnhững bất thường nhất xuất hiện khá nhỏ và không thường xuyên

2 Cải thiện ảnh bằng mờ hóa

Kỹ thuật cải thiện ảnh bằng mờ hóa dựa trên việc ảnh xạ mức độ xám vào trong một mặt phẳng mờ, sử dụng các hàm chuyển đổi thành phần [10, 12] Mục đích là để tạo ra một hình ảnh có độ tương phản cao hơn so với hình ảnh ban đầu bằng cách đưa ra một tỷ trọnglớn hơn các mức độ xám đảm bảo gần hơn mức độ xám trung bình của một bức ảnh thay

vì xa hơn giá trị trung bình Trong vài năm gần đây, nhiều nhà nghiên cứu đã áp dụng lý thuyết tập mờ để phát triển các kỹ thuật cải thiện độ tương phản [10] Một bức ảnh I kích thước M x N và có số lượng mức xám L có thể được xem như một mảng mờ độc lập, mỗi thứ đều có một giá trị thành phần biểu thị mức độ sáng liên quan tới độ sáng Với một bứcảnh I, chúng ta có thể viết thành các ký hiệu của tập mờ như sau:

Trong đó là cường độ của điểm ảnh thứ (m x n); và là giá trị thành phần của nó.Các hàm thuộc đặc trưng cho mỗi thuộc tính phù hợp của hình ảnh (ví dụ độ sắc nét, độtối, kết cấu) và có thể được xác định trên toàn cục của toàn bộ bức ảnh hoặc cục bộ chocác phân đoạn của ảnh Trong vài năm trở lại đây, một vài nhà nghiên cứu đã áp dụng cáckhái niệm mờ hóa để phát triển các thuật toán mới để cải thiện ảnh Nguyên lý cơ bản củaviệc cải thiện ảnh sử dụng mới được minh họa như sau:

Hình 1: Nguyên lý cơ bản để cải thiện ảnh bằng mờ hóa

3 Các thuật toán xử lý nâng cao

Nâng cao độ tương phản rất hữu ích khi một khu vực của hình ảnh (đó là có tầm quan trọng đặc biệt) chỉ có những thay đổi chút ít trong cường độ điểm ảnh Trong những trường hợp này, nó có thể khó khăn để mắt người để nhận diện ra các cấu trúc một cách

rõ ràng, đặc biệt là nếu các hình ảnh đang được hiển thị trên một màn hình chất lượng thấp Bằng cách phóng đại thay đổi cường độ điểm ảnh của hình ảnh có thể trở nên dễ dàng hơn để giải thích [ 1,2,3,4 ] Áp dụng bộ lọc nâng cao độ tương phản sẽ cải thiện khảnăng đọc của khu vực với những thay đổi chút ít trong tương phản nhưng cũng sẽ phá hủycác khu vực của hình ảnh đó cường độ của các điểm ảnh nằm ngoài phạm vi của các

cường độ được tăng cường Vì vậy, trong phần này chúng ta sẽ thảo luận và thực hiện năm thuật toán nâng cao hình ảnh mờ và so sánh giữa chúng để nâng cao chất lượng độ tương phản hình ảnh kỹ thuật số chụp quang tuyến vú 5 thuật toán đó là:

1 Thuật toán phân phối khả năng

2 Cải thiện độ tương phản với toán tử tăng cường

3 Cải thiện độ tương phản với biểu đồ tần xuất mờ tăng phân cực mạnh

4 Cải thiện độ tương phản trên cơ sở các luật If then mờ

5 Tăng cường độ tương phản cục bộ thích ứng

Trong phần này, mỗi thuật toán sẽ được mô tả chi tiết

3.1 Thuật toán 1: Thuật toán phân phối khả năng

Các phân phối khả năng [ 18 ] của các mức xám trong ảnh gốc có thể được đặc trưng

bằng năm tham số (α, β1, γ, β2, max ) như trong hình ( 2 )

Hình 2: Hàm phân phối khả năng của các giá trị tính toán thành phần

Trong đó, giá trị cường độ γ đại diện cho các giá trị trung bình của phân phối, α là tối

thiểu ,và max là tối đa Mục đích là để giảm mức độ màu xám xuống dưới β1, trên β2 Mức cường độ giữa β1 và γ, và β2 và γ được dãn ra theo hướng ngược về giá trị trung

Luật 3: If α ≤ < β2 then P= 1- 2( ( – γ ) / ( max – γ ))² (4)Luật 4: If β2 ≤ < max then P = 2 (( – γ )/( max – γ ))² (5) Trong đó: = f(x,y) cường độ tại điểm ảnh thứ i

Thuật toán phân phối khả năng được mô tả như sau:

Bước 1: Khởi tạo các tham số

o Thiết lập β1 = ( min + mean )/2

o Thiết lập β2 = ( max + mean )/2

Bước 2: Mờ hóa

o Với tất cả điểm ảnh (i, j) trên ảnh, thực hiện:

 If ((data[i][j]>=min) && (data[i][j]< β1))Tính NewGrayLevel =2*(pow(((data[i][j]-min)/(mean- min)),2))

 If ((data[i][j]> = β1) && (data[i][j] < mean))Tính NewGrayLevel=1-(2*(pow(((data[i][j]-mean)/(mean-min)),2)))

 If ((data[i][j]>=mean)&&(data[i][j]< β2)) Tính NewGrayLevel=1-(2*(pow(((data[i][j]-mean)/(max-mean)),2)))

 If ((data[i][j] >= β2) && (data[i][j] <max))Tính NewGrayLevel=2*(pow(((data[i][j]-mean)/(max-mean)),2))

Bước 3: Sửa đổi

o Tính FuzzyData[i][j]= pow(NewGrayLevel,2)

Bước 4: Giải mờ

o Với tất cả điểm ảnh (i, j) trên ảnh, thực hiện:

Tính EnhancedData[i][j]=FuzzyData[i][j]*data[i][j];

3.2 Cải thiện độ tương phản với toán tử tăng cường

Phương pháp này sử dụng toán tử tăng cường [ 19 ] để giảm sự mờ hóa của hình ảnhcho kết quả là tăng độ tương phản hình ảnh [ 20 , 21 ]

Cân bằng biểu đồ tần suất là một phương pháp được sử dụng rộng rãi và cũng làphương pháp phổ biến nhằm tăng cường hình ảnh như X -quang và hình ảnh phongcảnh được chụp dưới ánh sáng kém Phương pháp này bao gồm việc tăng phạm vi hoạtđộng của các điểm ảnh bằng cách kéo dài phân phối xác suất mức xám của chúng Nóhoạt động bằng cách xác định một vùng N x N lân cận và di chuyển trung tâm của

vùng này qua từng điểm ảnh Tại mỗi địa điểm, các biểu đồ tần suất của các bức ảnhcon được tính toán để có được các chức năng cân bằng biểu đồ tần suất Chức năngnày cuối cùng được sử dụng để ánh xạ mức độ của điểm ảnh trung tâm trong một lâncận Khi sử dụng nâng cao độ tương phản dựa trên mờ, chúng ta cần một số thông sốtrong mỗi khu vực lân cận cho các hàm thuộc như mức độ xám tối thiểu và tối đatrong hình ảnh Sau đó, chúng ta có thể tìm được các thông số của các hàm thuộc chomột số bức ảnh con và suy các giá trị để có được giá trị tương ứng cho mỗi điểm ảnh.Trong nhiều trường hợp, việc thực hiện thích ứng tổng thể là cần thiết để đạt được kếtquả tốt hơn Kỹ thuật mờ hóa độ tương phản cục bộ được so sánh là rất nhanh hơn sovới các thuật toán nâng cao hình ảnh toàn cục và cổ điển.

3.2.1 Thuật toán 2: Cải thiện độ tương phản với toán tử tăng cường

 Thiết lập các tham số (Fe, Fd, ) của hàm thuộc:

 Định nghĩa hàm thuộc:

 Điều chỉnh các giá trị thành viên

 Sinh ra mức độ xám mới:

Thuật toán được miêu tả như sau:

Bước 1: Khởi tạo các tham số

 Thiết lập = 2;

Bước 2: Mờ hóa mức độ xám bằng hàm chuyển G

 Với tất cả điểm ảnh (i, j) trên ảnh, thực hiện:

Tính FuzzyData[i][j]=pow((1+((maxgray-data[i][j])/Fd)),-Fe);

Bước 3: Đệ quy điều chỉnh các giá trị thành viên với một hệ số (k = 2)

 Với tất cả điểm ảnh (i, j) trên ảnh, thực hiện:

Bước 4: Sinh ra mức độ xám mới bằng hàm chuyển ngược

 Với tất cả điểm ảnh (i, j) trên ảnh, thực hiện:

Tính NewGrayLevel = maxgray-(Fd*((pow(FuzzyData[i][j]) 1/Fe)))-1));

1 Thiết lập hình dạng của hàm thuộc

2 Thiết lập giá trị của biến mờ β

3 Tính toán các giá trị thành viên

4 Thay đổi các giá trị thành viên bởi β

5 Sinh ra các mức độ xám mới, như miêu tả dưới đây:

Việc lựa chọn các hàm thuộc rất quan trọng, như là hàm đặc trưng cho thuộc tính cụthể của bức ảnh (thuộc tính độ sắc nét, độ tối, văn bản)

Trong thuật toán này, hình dạng của hàm thuộc được thiết lập như một hình tam giác

để mô tả các hàng rào, và giá trị của biến mờ β, như một hàng rào ngôn ngữ, với β  =

- 0.75 + µ 1.5 Sau đó, bằng cách tính toán các giá trị thành viên và thay đổi cácgiá trị thành viên bởi β Sinh ra các giá trị mức độ xám mới bằng phương trìnhsau:

Thuật toán được miêu tả như dưới đây:

Bước 1: Khởi tạo các tham số

 Thiết lập hình dạng của hàm thuộc (dạng tam giác);

 Thiết lập giá trị biến mờ β với giá trị β  = - 0.75 + µ 1.5

Bước 2: Mờ hóa dữ liệu // Một hàm thuộc tuyến tính

3.4 Thuật toán 4: Cải thiện độ tương phản trên cơ sở các luật If then mờ

Các phương pháp tiếp cận dựa trên nguyên tắc mờ là một phương pháp mạnh mẽ vàphổ biến cho nhiều nhiệm vụ trong xử lý ảnh Một hệ thống rất đơn giản trên cơ sởsuy luận đã được phát triển Hàm chức năng mờ hóa được mô tả trong hình (3)

Hình 3: Hàm thuộc

Thuật toán được bắt đầu bằng việc khởi tạo các tham số của ảnh, mức độ thấp nhất –lớn nhất của độ xám Sau đó thông qua việc mờ hóa các mức độ xám (ví dụ: giá trịthành phần tối, xám, sáng) thiết lập các mức độ xám Việc suy luận được thực hiệntrên cơ sở các nguyên tắc:

 Nếu tối thì là màu đen

 Nếu xám thì là màu xám

 Nếu sáng thì là màu trắng

Cuối cùng, giải mờ các kết quả đầu ra sử dụng giá trị nhỏ nhất ( ), giá trị lớnnhất ( ), và giá trị trung bình ( ) của mức độ xám, do vậy, mức độ sáng đượccải thiện mới được tính toán theo phương trình sau:

Cách thực hiện của chúng ta chỉ sử dụng 3 nguyên tắc, tuy vậy, việc sử dụng bổ sungcác nguyên tắc khác sẽ làm tăng chất lượng của phương pháp này

Thuật toán được miêu tả như sau:

Bước 1: Khởi tạo các tham số

 Tìm giá trị nhỏ nhất và giá trị lớn nhất của mức độ xám;

 Tính giá trị mức độ xám trung bình = (max + min)/2

Bước 2: Mờ hóa

 for (i=0;i<height;i++)

 for (j=0;j<width;j++) {

o If 0<= data<=min then Fuzzydata_I=1;

Else if min<=data<=mid Fuzzydata_I=(1/mid-min)*min-(1/mid min)*data;

o If mid<= data<=max then

Fuzzydata_I=(-1/max-mid)*mid+(1/max-mid)*data;

o Else if max<=data<=255 then Fuzzydata_I=1;

o If min<= data<=mid then

 If dark THEN darker and set Fuzzydata_I=1; //dark

 Else if min<=data<=mid //Sử dụng tăng cường độ tương phản

 IF light THEN lighter and set Fuzzydata_I=1; //gray.

 If min<= data<=mid then

 Fuzzydata=min(Fuzzydata_I,Fuzzydata_II);

 Else if mid<=data<=max then

 Fuzzydata=MAX(Fuzzydata_I,Fuzzydata_II);

Bước 4: Giải mờ

3.5 Thuật toán 5: Tăng cường độ tương phản cục bộ thích ứng

Thuật toán được xây dựng trên cơ sở áp dụng phương pháp cải thiện ản cục bộ thíchứng, bằng cách xác định một lân cận nxm và di chuyển trung tâm của lân cận này từđiểm ảnh này sang điểm ảnh khác [ 24 ] , tại mỗi vị trí, mỗi tham số của thuật toán sẽđược tính toán

Với thuật toán (3.1), chúng ta cần giá trị nhỏ nhất, giá trị lớn nhất và giá trị trung bìnhcủa mỗi khối n x m, α, γ, và giá trị max tương ứng, để tính toán các giá trị thành viên

Để tính toán các giá trị thành viên trong các thuật toán (3.2.1), (3.3), (3.4) chúng ta chỉcần sử dụng giá trị nhỏ nhất và giá trị lớn nhất của mức độ xám

Trong nhiều tình huống, kỹ thuật mờ hóa toàn cục gặp thất bại để đưa ra các giải đápthỏa mãn [14, 15, 17] Do vậy, một phương pháp thực hiện cục bộ thích ứng là cầnthiết để đạt được kết quả tốt hơn Nhược điểm của kỹ thuật này là chúng ta cần tínhtoán các giá trị nhỏ nhất, giá trị lớn nhất của mức độ xám, mà có thể dẫn đến nhiễuảnh hưởng sai số tới các giá trị thành viên Để ngăn ngừa điều này chúng ta có thể sửdụng một bức ảnh con đủ lớn hoặc loại bỏ nhiễu trong biểu đồ tần suất của mỗi bứcảnh con

4 Những kết quả và thảo luận

Hình (4) chỉ ra kết quả thí nghiệm của kỹ thuật cải thiện chất lượng ảnh trên cơ sở lýthuyết mờ đã được giới thiệu trong tài liệu này Hình (4a) chỉ ra hình ảnh gốc của nhũảnh Hình (4b) chỉ ra kết quả thuật toán phân phối khả năng Hình (4c) chỉ ra kết quả củaviệc cải thiện tổng thể với toán tử tăng cường Hình (4d) chỉ ra kết quả của việc cải thiệnthích ứng với toán tử tăng cường Hình (4e) chỉ ra kết quả của thuật toán trên cơ sở cácquy luật Hình (4f) chỉ ra kết quả biểu đồ tần xuất tăng phân cực mạnh

Hình 4: Kết quả cải thiện độ tương phản hình ảnh

Để đo đạc chất lượng ảnh gốc và ảnh xử lý nâng cao, chúng ta sử dụng chỉ số tuyến tínhcủa sự mờ hóa và entropy mờ H Với

(12)