Thiết lập phần mềm phân tích và xử lý hình ảnh 3 chiều trong chẩn đoán y khoa

Những năm gần đây, xử lý hình ảnh y khoa 3 chiều đã và đang là một lĩnh vực lớn, thu hút nhiều mối quan tâm từ các nhà nghiên cứu, các y bác sĩ đồng thời cũng đặt ra nhiều thử thách tron

TRẦN PHAN SƠN GIANG

THIẾT LẬP PHẦN MỀM PHÂN TÍCH VÀ XỬ LÝ HÌNH ẢNH 3 CHIỀU TRONG CHẨN ĐOÁN Y KHOA

Chuyên ngành : Vật Lý Kỹ Thuật

LUẬN VĂN THẠC SĨ

Tp HCM, Tháng 07/2009

Tp Hồ Chí Minh, Ngày 03 Tháng 07 Năm 2009

NHIỆM VỤ LUẬN VĂN THẠC SĨ

Họ và tên : TRẦN PHAN SƠN GIANG MSSV: 01207132

Ngành : Vật lý kỹ thuật

Khóa : 2007 - 2009

1 Tên luận văn:

THIẾT LẬP PHẦN MỀM PHÂN TÍCH VÀ XỬ LÝ HÌNH ẢNH 3 CHIỀU

TRONG CHẨN ĐOÁN Y KHOA

2 Nhiệm vụ và nội dung:

Nhiệm vụ :

Lập trình phần mềm phân tích và xử lý ảnh 3 chiều đáp ứng cho nhu cầu ứng dụng hình ảnh 3 chiều trong y khoa chẩn đoán Chương trình được thiết kế với những tính năng cần thiết của một công cụ nghiên cứu ảnh y khoa 3 chiều, người sử dụng dễ dàng thao tác và tạo ra các kết quả giá trị phục vụ cho lĩnh vực nghiên cứu

và giảng dạy

Nội dung :

- Nghiên cứu những đặc điểm cơ bản của hình ảnh y khoa

- Khảo sát các qui trình xử lý ảnh và một số thuật toán cần thiết liên quan, ứng dụng vào lập trình phần mềm

- Xây dựng phần mềm bằng ngôn ngữ lập trình Java, đáp ứng khả năng duyệt

và xử lý linh hoạt các hình ảnh y khoa chẩn đoán 3 chiều

3 Ngày giao nhiệm vụ: 02/02/2009

4 Ngày hoàn thành nhiệm vụ: 03/07/2009

5 Họ và tên cán bộ hướng dẫn: TS Huỳnh Quang Linh

Ngày 03 tháng 07 năm 2009

Cán bộ hướng dẫn Chủ nhiệm Bộ môn Chủ nhiệm khoa

hướng dẫn và đồng thời là Trưởng Khoa khoa Khoa Học Ứng Dụng – Tiến sĩ Huỳnh Quang Linh Trong gần 5 năm đại học và 2 năm học cao học tại Khoa, Thầy không những vừa cung cấp cho tôi những kiến thức vô giá, vừa củng cố lại những kinh nghiệm đã truyền đạt cho tôi thời sinh viên và còn tạo điều kiện thuận lợi để tôi có thể dễ dàng học tập, nghiên cứu các công nghệ cao cấp trong lĩnh vực trang thiết bị chẩn đoán hình ảnh y khoa Nhờ thế mà tôi có được nền tảng vững chắc để

có thể hoàn thành luận văn này Xin cảm ơn Thầy

Tôi cũng muốn gởi lời cảm ơn đến gia đình đã ủng hộ, tin tưởng và làm động lực tinh thần cho tôi có được sự quyết tâm cao độ và nghị lực mạnh mẽ trong quá trình thực hiện luận văn

Luận văn này thuộc một lĩnh vực kỹ thuật khá mới mẻ tại Việt Nam, nên trong quá trình thực hiện không thể tránh khỏi những sai sót về mặt từ ngữ chuyên môn Mong quý Thầy Cô và các bạn nghiên cứu có thể góp ý để về sau chúng ta có được thuận lợi khi học tập và giao tiếp trong lĩnh vực kỹ thuật này

Xin chân thành cảm ơn

Những năm gần đây, xử lý hình ảnh y khoa 3 chiều đã và đang là một lĩnh vực lớn, thu hút nhiều mối quan tâm từ các nhà nghiên cứu, các y bác sĩ đồng thời cũng đặt ra nhiều thử thách trong cách thức tiếp cận, khảo sát và vận dụng các giá trị của ảnh 3 chiều phục vụ cho lĩnh vực nghiên cứu y sinh và ứng dụng lâm sàng thực tiễn Luận văn này bao gồm một bản khảo sát chi tiết về ảnh y khoa 3 chiều, các phương thức xử lý và thuật toán kèm theo Trên cơ sở đó, ứng dụng một số kỹ thuật vào thiết kế phần mềm xử lý ảnh y khoa 3 chiều bằng ngôn ngữ lập trình Java Sau khi tiến hành thực nghiệm và đánh giá, phần mềm cho ra nhiều kết quả có giá trị và góp phần đáng kể phục vụ cho nghiên cứu và giảng dạy Với việc tận dụng ưu thế của ngôn ngữ lập trình đa nền và những hình thức tăng cường của Java, phần mềm không những hoạt động tốt trên các nền máy tính khác nhau mà còn có tiềm năng lớn trong việc mở rộng các phương thức xử lý ảnh

In recent years, three-dimensions medical image processing has been considering as a large field, which is not only a big interest of bio-medical researchers and physicians, but also a challenge in processing and making three-dimensions images useful to bio-medical researches and practically clinical applications This thesis consists of a detailed survey of three-dimensions medical images with processing methods, which are followed by several of special algorithms Through this survey, some of algorithms are usefully applied into designing a Java 3D medical image processing software After validation and evaluation, the results of this software are found to be significantly useful in medical research and education By taking the advantages of multi-platform property and advanced packages of Java, this software not only work well with different platforms, but also potentially have image processing methods to be extended

Trang bìa i

Nhiệm vụ luận văn iii

Lời cảm ơn iv

Tóm tắt v

Mục lục vii

Danh mục các chữ viết tắt x

Danh mục các hình ảnh xii

CHƯƠNG 1 : GIỚI THIỆU 1 1.1 Tổng quan 1

1.2 Nhu cầu 2

1.3 Nhận định vấn đề 4

1.4 Mục tiêu luận văn 5

CHƯƠNG 2 : NỀN TẢNG NGHIÊN CỨU 6 2.1 Lý thuyết về hình ảnh y khoa 6

2.1.1 Ảnh DICOM 6

2.1.2 Đại lượng ảnh 3 chiều 7

2.2 Những phương tiện tạo ảnh y khoa 9

2.3 Một số công cụ và phần mềm ảnh y khoa 12

2.3.1 ImageJ 12

2.3.2 ITK 14

2.3.3 VTK 15

2.3.4 sgDICOM 16

2.3.5 MIPAV 16

3.2 Qui trình phân đoạn ảnh 20

3.2.1 Lọc bất đẳng hướng 21

3.2.2 Mô hình Snake GVF 22

3.2.3 Phân đoạn đám Fuzzy C-Mean 24

3.3 Hiển thị trực quan bề mặt 26

3.4 Hiển thị trực quan khối 33

3.4.1 Giải thuật chiếu quang tia khối 33

3.4.2 Giải thuật tìm thừa số trượt-méo 36

3.4.3 Thiết lập chất liệu 49

CHƯƠNG 4 : THIẾT KẾ PHẦN MỀM TRÊN NỀN JAVA 61 4.1 Cơ sở lý thuyết 61

4.1.1 JAI 62

4.1.2 Java 3D 75

4.2 Trình tự thiết kế phần mềm xử lý ảnh 3D 87

4.2.1 Thiết kế giao diện 87

4.2.2 Thiết lập các mặt phẳng chiếu 88

4.2.3 Hiển thị trực quan ảnh 3D 89

4.2.4 Xây dựng các công cụ xử lý ảnh 90

4.3 Đánh giá kết quả đạt được và so sánh 91

4.3.1 Trình duyệt ảnh 3D 91

4.3.2 Hiển thị trực quan ảnh khối 95

4.3.3 Công cụ xử lý ảnh 3D 96

4.3.4 So sánh với một số phần mềm khác 99

4.4 Tổng kết 102

5.1.2 Chức năng hiển thị trực quan 103 5.1.3 Các công cụ xử lý ảnh 104 5.2 Định hướng phát triển 104

2 chiều, 3 chiều, 4 chiều

Hiển thị hình ảnh số và giao tiếp trong y khoa

Giải thuật fuzzy C-mean

Hiển thị hình ảnh cộng hưởng từ chức năng

Giải thuật dòng vectơ gradient

Bộ dụng cụ phân đoạn và hợp nhất

Hiển thị hình ảnh tăng cường trong Java

Bộ dụng cụ phát triển Java

Hiển thị hình ảnh cộng hưởng từ

Hiệp hội các nhà sản xuất điện quốc gia

PET : Positron Emission Tomography

Chụp cắt lớp điện toán phát xạ đơn photon

Khối quan tâm

Bộ dụng cụ hiển thị trực quan

Hình 3.1 : Lọc bất đẳng hướng các ảnh MRI của tim 22

Hình 3.2 : Trường GVF tách ra từ ảnh MRI của tâm thất trái 24

Hình 3.3 : Phân đoạn ảnh MRI bụng bằng thuật toán đám Fuzzy C-mean 26

Hình 3.4 : Biến đổi tam giác đạc của não bộ con người 27

Hình 3.5 : Giải thuật “hình vuông” di động 28

Hình 3.6 : Qui ước về đỉnh và cạnh - thuật toán khối lập phương di động 29

Hình 3.7 : Các trường hợp giao nhau - Giải thuật khối lâp phương di động 30

Hình 3.8 : Hiệu ứng bóng và ánh sáng 32

Hình 3.9 : Minh họa phương trình diễn dịch 34

Hình 3.10 : Sơ đồ bố trí giải thuật chiếu quang tia khối 35

Hình 3.11 : Các bước thực hiện giải thuật chiếu quang tia khối vật 36

Hình 3.12 : Không gian vật thể trượt trong phép chiếu song song 37

Hình 3.13 : Không gian vật thể trượt trong phép chiếu phối cảnh 38

Hình 3.14 : Thuật toán trượt-méo lực brute 40

Hình 3.15 : Xác định hệ số trượt affine 42

Hình 3.16 : Biến dạng trượt trong phép tìm thừa số trượt-méo phối cảnh 44

Hình 3.17 : Phép biến đổi điều chỉnh tỷ lệ phối cảnh 45

Hình 3.18 : Lấy mẫu một lớp cắt voxel đã dịch chuyển 48

Hình 3.19 : Tạo lớp chất liệu vào một khối thể tích đang biểu diễn 50

Hình 3.20 : Cắt lớp chất liệu 3D với những mặt cầu 52

Hình 4.1 : Biểu tượng tượng trưng cho đối tượng trong các sơ đồ tạo hình 78

Hình 4.2 : Ví dụ về sơ đồ tạo hình đầu tiên 79

Hình 4.3 : Ví dụ về sơ đồ tạo hình bất qui tắc 80

Hình 4.4 : Một trường hợp khắc phục cho sơ đồ tạo hình bất qui tắc 81

Hình 4.5 : Hệ thống phân cấp lớp giao diện lập trình ứng dụng Java 3D 83

Hình 4.6 : Một đối tượng không gian đơn 85

Hình 4.10 : Tách mép ảnh 3D 94

Hình 4.11 : Biểu diễn 3 mặt cắt ảnh trong không gian 3 chiều 95

Hình 4.12 : Trượt ảnh 3 chiều theo chiều ngang trên mặt phẳng XOZ 96

Hình 4.13 : Tạo VOIs với kích thước mong muốn 97

Hình 4.14 : Áp dụng các bảng tra cứu màu y khoa đặc trưng 98

Hình 4.15 : Ảnh khối toàn phần của lồng ngực con người 98

Hình 4.16 : Trình duyệt ảnh 3D của phần mềm sgDICOM 101

Hình 4.17 : Trình duyệt ảnh 3D của phần mềm MIPAV 101

CHƯƠNG 1 : GIỚI THIỆU

1.1 TỔNG QUAN

Hiển thị hình ảnh y sinh, hay nói một cách cụ thể quen thuộc hơn là hình ảnh chẩn đoán y khoa đã trở thành một phần thiết yếu trong nhiều lĩnh vực nghiên cứu y sinh và các ứng dụng lâm sàng thực tiễn Những chuyên gia nghiên cứu và tái tạo ảnh 3 chiều của virus từ ảnh quan sát qua kính hiển vi, những bác sĩ X-quang nhận dạng và phân tích những khối u từ ảnh các lớp cắt MRI và CT, những chuyên gia về thần kinh khảo sát quá trình chuyển hóa cục bộ từ hình ảnh của các lớp cắt SPECT, PET và MRI chức năng, những bác sĩ, chuyên viên kỹ thuật y khoa khảo sát đánh giá ung thư qua những hình ảnh hợp nhất 2 chiều, 3 chiều, 4 chiều đa phương tiện Việc phân tích những dạng hình ảnh riêng biệt này đòi hỏi phải có những công cụ tính toán và hiển thị điện toán chuyên biệt

Mặc dù đã có rất nhiều công trình nghiên cứu về khảo sát hình ảnh y khoa, từ ảnh 2 chiều đến ảnh 3 chiều, 4 chiều v.v nhưng trên thực tế vẫn chưa thực sự đáp ứng được những nhu cầu khác nhau từ phía người sử dụng, đặc biệt là khía cạnh ảnh 3 chiều vẫn còn rất nhiều vấn đề cần được tăng cường hiệu năng

Xử lý ảnh y khoa 3 chiều (3D) là một lĩnh vực rộng lớn được mở ra trong những năm gần đây, hướng tới một bước tiến quan trọng trong việc chăm sóc bệnh nhân Cuộc cách mạng công nghệ đã giúp tăng cường thêm những tính năng cho các phương tiện hiển thị hình ảnh y khoa 3D và 4D, bên cạnh đó là các loại máy tính có khả năng xây dựng, khảo sát trực quan và phân tích dữ liệu ảnh khối y khoa đa chiều, mở rộng thêm những tính năng mới, mạnh mẽ hỗ trợ cho việc chẩn đoán và điều trị y khoa Xử lý hình ảnh 3D đòi hỏi một bộ công cụ đa dạng để tính toán, đo đạc và phân tích định lượng các khối 3D Xuất phát từ những mô hình 3D của bệnh nhân, sau khi đã được tự động nhận dạng và tách ra từ những cấu trúc giải phẫu, sẽ

bổ trợ nhiều trong việc mô phỏng chẩn đoán và phẫu thuật Hơn thế nữa, sử dụng những khả năng tăng cường thực tế, sẽ có thể kết hợp những dữ liệu trước khi kích

hoạt hoặc đang hoạt động với thực tế tạo ra một công cụ giá trị cho lĩnh vực phẫu thuật theo hình ảnh hướng dẫn (image-guided surgery)

Những nhiệm vụ cơ bản trong xử lý hình ảnh 3D có thể được phân loại thành

3 phần dựa theo phương thức khảo sát điện toán truyền thống Mức đầu tiên bao gồm lưu trữ hình ảnh và phân vùng ảnh cơ bản, tương tự như vấn đề biến dạng ảnh Mức xử lý tiếp theo là việc phân vùng ảnh tăng cường, hợp nhất hình ảnh và khảo sác trực quan ảnh khối Cuối cùng là việc nhận dạng và tìm hiểu hình ảnh, kết hợp

xử lý hình ảnh vào các loại máy móc hiện đại

1.2 NHU CẦU

Hiện nay, việc khảo sát ảnh 3 chiều chỉ có thể tiến hành trên những hệ máy chuyên biệt với những phần mềm tương thích đắt tiền Nhằm mục tiêu hỗ trợ cho việc nghiên cứu khoa học trong chương trình nội bộ của trường Bách Khoa và mở rộng ra ứng dụng thực tiễn cho lĩnh vực y tế tại Việt Nam, luận văn này chú trọng vào việc thiết lập một phần mềm hiển thị trực quan và xử lý ảnh y khoa 3 chiều, có thể thực thi trên những máy tính thông thường và đáp ứng được những nhu cầu thiết yếu cho mọi đối tượng sử dụng

Phần mềm được xây dựng trên nền tảng của phần mềm sgDICOM [10] nhằm tận dụng những ưu điểm về xây dựng và hiển thị ảnh 3 chiều đồng thời phát triển thêm các giải thuật xử lý hình ảnh kết hợp với ngôn ngữ lập trình Java hoặc C để cho ra một công cụ hoàn thiện và hữu dụng

Nhiều nghiên cứu đòi hỏi quá trình phân đoạn, xác định số lượng và khảo sát trực quan những tập dữ liệu ảnh 2 chiều, 3 chiều, vv Các nhà nghiên cứu phân tích hình ảnh từ nhiều phương tiện chụp ảnh khác nhau như kính hiển vi, X-quang, CT, MRI, fMRI, SPECT và PET Để phân tích một dữ liệu ảnh, người nghiên cứu có thể

sử dụng một vài ứng dụng phần mềm Nếu mỗi phần mềm chỉ tương thích sử dụng trong một môi trường làm việc nào đó thì sẽ gây khó khăn cho người dùng, điều này không chỉ làm giảm hiệu quả mà còn làm gia tăng chi phí để nghiên cứu Chính vì thế phần mềm được thiết kế trong luận văn sẽ tận dụng ưu thế của ngôn ngữ lập

trình Java là một ngôn ngữ lập trình biên dịch hướng đối tượng do tập đoàn Sun

Microsystems phát triển với nhiều phiên bản tương thích với những môi trường làm việc khác nhau

Việc khảo sát trực quan các dữ liệu theo 2 hay nhiều chiều là một khía cạnh quan trọng trong việc phân tích và nghiên cứu dữ liệu ảnh Khả năng khảo sát phương chiều, vị trí hay diễn biến (theo thời gian) của các tổ chức trong các dữ liệu lâm sàng và không lâm sàng là điều cực kỳ cần thiết cho người nghiên cứu Kính hiển vi đồng tiêu (confocal microscopy), CT và MRI là những phương tiện hiển thị hình ảnh gồm những tập dữ liệu ảnh tiết diện cắt ngang liên tiếp nhau có thể kết hợp lại để cho ra một tập dữ liệu ảnh 3 chiều Thông qua các thuật toán xử lý ảnh đặc biệt, phần mềm được thiết kế sẽ cho phép người sử dụng xử lý và hiển thị 3 chiều các tập dữ liệu theo nhiều hình thức khác nhau rất có giá trị và tiện lợi cho nghiên cứu, khảo sát

Một hoạt động nghiên cứu cần đề cập đến nữa là định lượng dữ liệu từ các tập

dữ liệu ảnh Mặc dù qui trình hiển thị trực quan dữ liệu ảnh là quan trọng, việc định lượng thực tế dữ liệu thường được đòi hỏi để đánh giá giả thuyết của người nghiên cứu Người nghiên cứu cũng có thể xác định các vùng quan tâm (ROIs) hoặc/và các khối quan tâm (VOIs)

Phân đoạn, nhận dạng hình ảnh (segmentation) là qui trình xác định các vùng được kết nối của các ảnh như những thành phần của một nhóm quen thuộc Trong lĩnh vực y khoa, các bác sĩ phải thường xuyên xác định các tổ chức bên trong dữ liệu ảnh để thuận tiện cho việc điều trị bệnh nhân Ví dụ, nhiều nhà nghiên cứu muốn tìm hiểu về não quan tâm đến việc phân đoạn các chất trắng, chất xám và dịch não tủy trong các ảnh MR Việc định lượng các thuộc tính quan trọng chẳng hạn như thể tích, của các loại mô khác nhau giúp các nhà nghiên cứu hiểu, chẩn đoán, quan sát và điều trị các bệnh về thần kinh tốt hơn

Có vô số phương thức phân đoạn dữ liệu ảnh, việc lựa chọn thuật toán phân đoạn phụ thuộc vào loại dữ liệu ảnh và mục đích phân đoạn Những phương pháp phân đoạn tự động được mong đợi bởi vì chúng đòi hỏi rất ít sự tương tác từ người

sử dụng, thường liên quan đến sai sót và tính chủ quan của người điều khiển Tuy nhiên, trong thực tế, các phương thức tự động đôi khi mắc lỗi và đòi hỏi sự điều chỉnh khối quan tâm thủ công Đây cũng là vấn đề cần quan tâm đến khi thiết kế phần mềm

Vì là một phần mềm ứng dụng trong lĩnh vực y khoa, nên bên cạnh việc hỗ trợ các định dạng ảnh thông thường thì nó sẽ đi sâu vào định dạng tiêu chuẩn DICOM, đồng thời mở rộng ra ứng dụng cho các định dạng Analyze và RAW

1.3 NHẬN ĐỊNH VẤN ĐỀ

Xử lý hình ảnh 3D là một khía cạnh rất mới trong lĩnh vực y khoa tại Việt Nam Để có thể nắm bắt được những qui trình xử lý ảnh từ phân đoạn, hiển thị trực quan, cho đến hợp nhất hình ảnh đối với hình ảnh y khoa hoàn toàn không đơn giản

Do đó, khi đi sát vào xử lý ảnh y khoa 3D cần chú ý đến những vấn đề liên quan đến phương tiện chụp ảnh, ảnh 3D và nhu cầu khảo sát ảnh

Vấn đề về phương tiện chụp ảnh

Mỗi phương tiện chụp ảnh cho ra những ảnh với những đặc tính riêng biệt Khi xây dựng phần mềm xử lý ảnh, phải biết rõ tính chất từng loại ảnh ứng với mỗi loại máy để có thể phân nhóm các loại ảnh và đưa ra phương thức xử lý chung phù hợp Sự khác nhau về thông tin cũng như cách thức ghi nhận ảnh của từng phương tiện sẽ gây ra nhiều phức tạp khi muốn tìm ra cách khảo sát tổng quát

Vấn đề về ảnh 3D

Về thực chất, rất ít phương tiện cho ra trực tiếp ảnh 3D, hoặc nếu có, thường chỉ là những dạng ảnh chuỗi hoặc tập hợp ảnh 2D Vì thế, công đoạn xử lý ảnh 3D thường là công đoạn tăng cường sau khi đã có được ảnh 3D theo nhu cầu hoặc vừa được thiết lập ra Do đó, độ trung thực hay chính xác hơn là tính tự nhiên (thô) của ảnh 3D chỉ nằm trong một mức độ cho phép nào đó khi cần xử lý ảnh Cộng với sự

khác nhau về qui trình thu được ảnh 3D, đây rõ ràng là một vấn đề không dễ giải quyết khi muốn đạt sự chính xác trong thao tác với ảnh khối 3 chiều

Vấn đề về nhu cầu

Với tốc độ phát triển cao của công nghệ hiện đại, các loại máy móc ngày nay cho ra những sản phẩm với độ tin cậy rất lớn, có thể nói đủ để đáp ứng nhiều nhu cầu từ phía người sử dụng mà trước đây không thể thực hiện được Chính vì thế, các loại hình ảnh y khoa 2 chiều cũng ngày càng đặc sắc hơn và chất lượng hơn, đảm bảo được nhiều yêu cầu từ phía các y, bác sĩ sử dụng Vì thế các vấn đề về xử lý ảnh 3D là những vấn đề thuộc về nhu cầu chuyên biệt cao, đặt ra một thách thức lớn đối với người thiết kế sao cho phù hợp với mục đích ứng dụng

Nếu muốn xử lý tốt các ảnh 3D thì đòi hỏi phải nắm bắt được những vấn đề trên thật tốt để cho ra qui trình xử lý ở mức độ chấp nhận được, từ đó mới có thể khai thác được những ích lợi từ các phương thức khảo sát ảnh trong không gian vật thể 3 chiều

1.4 MỤC TIÊU LUẬN VĂN

Theo những nhận định phân tích trên, mục tiêu đề ra của luận văn là : khảo sát chi tiết những vấn đề liên quan đến ảnh 3D, đặc biệt là ảnh 3D trong y khoa cùng với các cách thức tạo, thu nhận và xử lý ảnh 3D, trên cơ sở đó xây dựng một phần mềm xử lý ảnh 3D bằng Java, thử nghiệm và đánh giá kết quả

Với mục tiêu trên, nhiệm vụ của luận văn bao gồm :

1) Khảo sát chung các vấn đề về 3D cho hình ảnh trong y khoa

2) Khảo sát chi tiết các qui trình xử lý ảnh 3D và các giải thuật kèm theo 3) Xác định những phương thức xử lý 3D khả thi, kết hợp với những phương thức lập trình mới trong Java để xây dựng một phần mềm xử lý ảnh 3D tổng quát

4) Xây dựng chương trình thử nghiệm và đánh giá qua các dữ liệu khảo sát 5) Xác định những hướng mở rộng cho phần mềm

CHƯƠNG 2 : NỀN TẢNG NGHIÊN CỨU

2.1 LÝ THUYẾT VỀ HÌNH ẢNH Y KHOA

2.1.1 Ảnh DICOM

Tiêu chuẩn DICOM (Hiển thị hình ảnh số và giao tiếp trong y khoa) được lập ra bởi Hiệp hội các nhà sản xuất điện quốc gia (NEMA) Mục đích của tiêu chuẩn này là nằm hỗ trợ cho sự phân phối và khảo sát các hình ảnh y khoa từ

CT, MRI và những phương tiện y khoa khác Định dạng DICOM là một phần

mở rộng của chuẩn NEMA cũ

Tập tin DICOM bao gồm một tiêu đề và dữ liệu hình ảnh Phần tiêu đề chứa những thông tin về tên bệnh nhân, hình thức chụp cắp lớp, vị trí và phương chiều của hình ảnh và nhiều dữ liệu khác Phần dữ liệu hình ảnh chứa tất cả thông tin về hình ảnh

DICOM khác với các định dạng dữ liệu khác ở chỗ nó nhóm các thông tin vào trong những tập dữ liệu Điều này có nghĩa rằng một ảnh DICOM, ví dụ như một tập tin ảnh X-quang lồng ngực, thực sự chứa mã ID bệnh nhân bên trong, vì vậy nhờ vào thông tin này ảnh sẽ không bao giờ bị thất lạc do nhầm lẫn

Một đối tượng dữ liệu DICOM chứa nhiều thuộc tính, bao gồm các mục như tên bệnh nhân, mã ID, vv và cũng có một đặc tính đặc biệt chứa dữ liệu điểm ảnh Một đối tượng DICOM đơn lẻ có thể chỉ chứa một thuộc tính dữ liệu điểm ảnh Đối với nhiều phương tiện hiển thị ảnh, điều này tương tự như một ảnh đơn lẻ Nhưng lưu ý rằng, thuộc tính có thể chứa nhiều khung, cho phép lưu giữ các đoạn phim hoặc những dữ liệu đa khung khác Một ví dụ khác là dữ liệu y học hạt nhận (Nuclear Medicine – NM), với ảnh NM được xác định là một ảnh đa khung đa chiều Trong những trường hợp này, dữ liệu

3 hay 4 chiều có thể được thu gọn trong một đối tượng DICOM đơn lẻ Dữ liệu điểm ảnh có thể được nén theo nhiều chuẩn khác nhau bao gồm JPEG, JPEG Lossless, JPEG 2000 và RLE

Một số phương tiện hiển thị hình ảnh hỗ trợ DICOM bao gồm :

X-quang điện toán

Chụp cắt lớp điện toán X-quang kỹ thuật số

Siêu âm tim ký

Nội soi Chụp mạch huỳnh quang Soi đáy mắt

Chụp nhũ ảnh Cộng hưởng từ Quang phổ cộng hưởng từ

Y học hạt nhân Chụp cắt lớp phát xạ positron Phóng xạ vô tuyến

Chụp nhiệt Siêu âm

Chụp mạch X-quang Điện tâm đồ

2.1.2 Đại lƣợng ảnh 3 chiều

 Voxels

Voxel là một yếu tố thể tích, tượng trưng cho một giá trị trên một lưới đều trong không gian 3 chiều Nó tương tự như một điểm ảnh (pixel), tượng trưng cho dữ liệu ảnh 2 chiều Voxel thường được sử dụng trong hiển thị trực quan

và phân tích dữ liệu y khoa và khoa học Một vài phép hiển thị thể tích sử dụng voxel để diễn đạt độ phân giải Chẳng hạn như, một màn hình có thể biểu diễn được 512x512x512 voxels

Hình 2.1 : Voxel - đơn vị biểu diễn thể tích

Tương tự như pixels, voxels thông thường không chứa thông tin vị trí của chúng trong không gian (các tọa độ của chúng), hay đúng hơn là nó được lấy

ra dựa trên vị trí của chúng có liên quan đến những voxels khác (tức là vị trí của chúng trong cấu trúc dữ liệu làm nên một ảnh khối đơn)

Voxel tượng trưng cho một hộp khối nhỏ có giá trị không đổi bằng với giá trị của lưới tương ứng trong dữ liệu khối Các biên của một voxel nằm chính xác ở khoảng giữa của các lưới liền nhau Dữ liệu voxel có một độ phân giải hạn chế, tức là dữ liệu đúng chỉ có giá trị ở trung tâm của mỗi ô Theo giả định rằng dữ liệu voxel đang lấy mẫu một tín hiệu giới hạn băng phù hợp, việc tái thiết lập chính xác các điểm dữ liệu giữa các voxel được lấy mẫu có thể thực hiện bằng các lọc thông thấp tập dữ liệu Những giá trị gần đúng có thể chấp nhận được cho bộ lọc thông thấp này thu được bằng phép nội suy đa thức chẳng hạn như nội suy tuyến tính theo 3 đường (tri-linear) hoặc nội suy 3 khối lập phương (tri-cubic)

Giá trị của một voxel có thể biểu diễn cho những đặc tính khác nhau Trong CT, các giá trị là đơn vị Hounsfield, biểu hiện độ chắn vật liệu đối với tia X Những loại giá trị khác thu được từ MRI hay siêu âm

Voxels có thể chứa nhiều giá trị thang đo Trong trường hợp ảnh siêu âm cắt lớp ở dữ liệu B-mode và Doppler, mật độ và tốc độ dòng thể tích được lưu giữ trong nhưng kênh dữ liệu riêng đối với cùng vị trí voxel

Những giá trị khác có thể hữu ích cho việc biểu diễn 3 chiều tức thời, chẳng hạn như một vectơ tiêu chuẩn bề mặt và màu sắc

 Texel

Texel, hay yếu tố chất liệu (điểm chất liệu) là đơn vị cơ bản trong không gian chất liệu, sử dụng trong đồ họa máy tính Các chất liệu được biểu diễn bằng các dãy texels, tương tự như những hình ảnh được biểu diễn bởi những dãy điểm ảnh

Khi tạo chất liệu một bề mặt 3D, một qui trình được biết đến theo tên gọi thiết lập chất liệu (texture mapping), các texel biểu diễn tương ứng với các điểm ảnh trong hình ảnh thu được Trong các máy tính hiện đại, qui trình này được thực hiện trên card đồ họa

Khi gọi một texel không nằm trên một tọa độ nguyên, cần thực hiện việc lọc chất liệu Khi gọi một texel bên ngoài chất liệu, sử dụng kết hợp hai kỹ thuật Qui trình ghim (clamping) giới hạn texel trong kích thước vật liệu, thu

nó đến mức gần nhất nếu nó lớn hơn kích thước chất liệu Qui trình cuộn (wrapping) kéo texel trở vào trong kết cấu bằng các gia số

2.2 NHỮNG PHƯƠNG TIỆN TẠO ẢNH Y KHOA

 Kính hiển vi

Được sử dụng trong khoa bệnh lý học giải phẫu để xác định những hạt cơ quan bên trong tế bào Tuy độ hữu dụng bị giảm đi nhiều trong hóa mô miễn dịch nhưng đây vẫn là một ứng dụng không thể thay thế được trong chẩn đoán những bệnh lý của thận, xác định hội chứng thể mi không vận động và nhiều vấn đề khác

 X-quang

Hai dạng ảnh quang được sử dụng trong hiển thị hình ảnh y khoa là quang chiếu và X-quang huỳnh quang Những kỹ thuật 2 chiều này vẫn được ứng dụng rộng rãi thay cho hình thức chụp cắt lớp 3 chiều bởi giá thành thấp,

X-độ phân giải cao và tùy thuộc vào hình thức sử dụng mà liều chiếu xạ thấp

hơn Phương thức hiển thị hình ảnh này sử dụng một chùm tia X rộng để tạo ảnh và là kỹ thuật hiển thị ảnh đầu tiên có giá trị trong y học hiện đại

 MRI

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

 Y học hạt nhân

Về tổng thể, y học hạt nhân bao gồm cả việc chẩn đoán và điều trị bệnh sử dụng những đặc tính của hạt nhân Trong hiển thị hình ảnh, các photon năng lượng phát ra từ các hạt nhân phóng xạ được sử dụng để làm nổi bật và khảo sát những bệnh lý khác nhau

Máy chụp gamma được sử dụng trong y học hạt nhân để xác định những vùng hoạt động sinh học thường gắn liền với các bệnh lý Một chất đồng vị phóng xạ có thời gian sống ngắn được đưa vào bệnh nhân Các đồng vị này được hấp thụ nhanh hơn bởi các vùng hoạt động sinh học của cơ thể, chẳng hạn như các khối u và những điểm rạn nứt trên xương

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

SPECT tương tự PET ở chỗ tận dụng các hạt nhân phóng xạ phát positron bên trong vật thể 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 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

 Hiển thị hình ảnh âm quang trong lĩnh vực y sinh

Hiển thị hình ảnh âm quang là một phương thức hiển thị hình ảnh y sinh học kết hợp được phát triển gần đây dựa trên nền tảng của hiệu ứng âm quang Chiếu chùm tia laser xung ngắn lên môi trường, quá trình hấp thụ nhiệt địa phương chuyển thành quá trình khuếch tán nhanh tạo nên dao động siêu âm,

có thể thu nhận được bằng các đầu dò siêu âm đặc trưng Nó kết hợp những ưu điểm của việc hấp thu quang tương phản với độ phân giải không gian của sóng siêu âm để hiển thị ảnh sắc sảo trong trạng thái khuếch tán hoặc gần như khuếch tán (quang học) Những nghiên cứu gần đây cho thấy rằng hiển thị hình ảnh âm quang có thể sử dụng trong cơ thể để khảo sát quá trình hình thành mạch máu của khối u, phác họa quá trình oxy hóa máu, hiển thị hình ảnh não bộ chức năng và rà soát những khối u melamin trong da, vv

 Chụp cắt lớp

Cắt lớp tuyến tính : Là dạng cơ bản nhất trong kỹ thuật chụp cắt lớp Ống phát tia X di chuyển từ điểm A đến điểm B trên bệnh nhân, trong khi khay giữ cassette chuyển động đồng thời bên dưới bệnh nhân từ điểm B đến điểm A

Đa lớp cắt : là một hình thức chụp cắt lớp phức tạp Theo kỹ thuật này, một số lượng đáng kể những chuyển động hình học được lên chương trình trước khi chụp, chẳng hạn như quỹ đạo hypocycloid, quỹ đạo tròn

Chụp ảnh cắt lớp điện toán được xây dựng dựa trên nguyên lý của quang cổ điển Trong khi tiến hành quét CT, thiết bị phát tia X được đặt trên một 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

X-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

 Siêu âm

Siêu âm y khoa sử dụng những sóng âm băng thông rộng tần số cao trong tầm MHz phản xạ từ mô theo những góc khác nhau để tạo ảnh (mở rộng ra ảnh 3 chiều) Thường được ứng dụng hiển thị hình ảnh thai nhi trong phụ nữ mang thai Nhìn chung, những ứng dụng từ siêu âm là rất rộng, bao gồm việc hiển thị hình ảnh những cơ quan vùng bụng, tim, ngực, cơ, dây chằng, động mạch và tĩnh mạch Tuy cung cấp những ít chi tiết giải phẫu hơn nhưng kỹ thuật như CT hay MRI, nhưng siêu âm có một số ưu điểm lý tưởng cho nhiều trường hợp ứng dụng, đặc biệt là khía cạnh nghiên cứu chức năng của các cấu trúc chuyển động theo thời gian thực, không có phát xạ ion hóa, và chứa những đốm ảnh có thể sử dụng trong kỹ thuật tạo ảnh đàn hồi (ứng dụng trong phát hiện và phân loại các khối u) Đây là một kỹ thuật rất an toàn, không gây hiệu ứng phụ, không đắt tiền và tiện sử dụng

2.3 MỘT SỐ CÔNG CỤ VÀ PHẦN MỀM ẢNH Y KHOA

2.3.1 ImageJ

ImageJ [11] là một chương trình xử lý hình ảnh nền Java miền chung được phát triển tại Học Viện Y tế quốc gia (NIH) ImageJ có thể chạy như một ứng dụng trực tuyến hoặc như một ứng dụng tải xuống sử dụng trên bất kỳ máy tính có Java 1.4 hoặc những phiên bản mới hơn Hiện nay, chương trình có thể

tương thích với các loại máy Microsoft Windows, Mac OS, Mac OS X, Linux

và Sharp Zaurus PDA

Chương trình có thể hiển thị, chỉnh sửa, phân tích, xử lý, lưu và in các ảnh 8-bit, 16-bit và 32-bit Nó có thể đọc nhiều định dạng ảnh bao gồm TIFF, GIF, JPEG, BMP, DICOM, FITS và RAW Chương trình hỗ trợ các “ngăn xếp” – gồm một chuỗi hình ảnh cùng chia sẻ một cửa sổ đơn lẻ Là chương trình đa luồng, vì thế những quá trình hoạt động tiêu tốn thời gian chẳng hạn như đọc tập tin ảnh có thể thực hiện song song với những qui trình khác

Chương trình có thể tính toán thống kê giá trị mặt phẳng và điểm theo lựa chọn từ người sử dụng Nó có thể đo đạc khoảng cách và góc độ Nó có thể tạo những biểu đồ mật độ và các đồ thị mô tả đường thẳng Nó hỗ trợ các chức năng xử lý hình ảnh tiêu chuẩn như điều chỉnh độ tương phản, làm sắc nét, làm trơn, dò tìm cạnh và lọc trung bình

Chương trình thực hiện những phép biến dạng hình học như điều chỉnh tỷ

lệ, xoay và lật Hình ảnh có thể được phóng to đến tỷ lệ 32:1 và thu nhỏ xuống đến tỷ lệ 1:32 Tất cả những chức năng xử lý và phân tích đều có giá trị với bất

kỳ thừa số khuếch đại nào Chương trình hỗ trợ đồng thời nhiều cửa sổ (hình ảnh), chỉ bị hạn chế ở bộ nhớ xử lý

Thiết lập không gian có giá trị cho những phép đo phương chiều thế giới thực theo các đơn vị chẳng hạn như milimet Các thiết lập tỷ lệ mật độ hay độ xám cũng có giá trị

ImageJ được thiết kế với một cấu trúc mở cho phép mở rộng thông qua các gói bổ trợ thêm Các gói bổ trợ thu nhận, phân tích và xử lý có thể được phát triển sử dụng trình soạn thảo cài đặt sẵn của ImageJ và chương trình biên dịch Java Những gói bổ trợ do người sử dụng viết giúp chương trình có thể giải quyết hầu hết những vấn đề về phân tích và xử lý hình ảnh

ImageJ được phát triển trên nền Mac OS X, sử dụng trình soạn thảo cài đặt sẵn của nó và trình biên dịch Java, cộng với trình soạn thảo BBEdit và

công cụ Ant Tác giả, Wayne Rasband, nhánh dịch vụ nghiên cứu của học viện

y tế tâm thần quốc gia, Bethesda, Maryland, Mỹ

ITK là chữ viết tắt của Insight Segmentation and Registration Toolkit (bộ dụng cụ phân đoạn và hợp nhất hình ảnh) Bộ dụng cụ này cung cấp những thuật toán phân đoạn và hợp nhất theo đường mép trong hai chiều, ba chiều hoặc nhiều hơn Phân đoạn là qui trình nhận dạng và phân loại dữ liệu tìm thấy trong một đối tượng được lấy mẫu kỹ thuật số Thông thường, đối tượng được lấy mẫu là một hình ảnh ghi nhận từ những thiết bị y khoa như các máy quét

CT hay MRI Hợp nhất là việc sắp xếp hoặc phát triển những mối liên hệ giữa các dữ liệu Lấy ví dụ, trong môi trường y khoa, một máy quét CT có thể được sắp đặt cùng với một máy quét MRI để kết hợp thông tin chứa trong cả 2 máy ITK được thực thi trong C++ ITK là đa nền, sử dụng CMake tạo môi trường điều khiển quá trình biên dịch Thêm vào đó, một qui trình tự động tạo

ra các giao diện giữa C++ và những ngôn ngữ lập trình như Tcl, Java và Python (sử dụng CableSwig) Điêu này cho phép các nhà phát triển tạo ra phần mềm sử dụng đa dạng các ngôn ngữ lập trình Hình thức thực thi trong C++ của ITK được quy thành hình thức lập trình chung (tức là sử dụng mã khuôn mẫu) Việc tạo khuôn mẫu C++ cho thấy mã nguồn có hiệu quả cao, và nhiều vấn đề phần mềm được phát hiện tại thời điểm biên dịch, xa hơn là ở thời điểm chạy khi thực thi chương trình

Bởi vì ITK là một dự án nguồn mở, những chuyên viên thiết kế từ khắp nơi trên thế giới có thể sử dụng, gỡ rối, duy trì, và mở rộng phần mềm ITK sử

dụng một mô hình phát triển phần mềm được xem như hình thức lập trình cực hạn Hình thức lập trình này thu bớt hệ phương pháp tạo phần mềm thông thường vào trong một qui trình diễn ra đồng thời và lặp lại các công đoạn thiết

kế - thực thi - kiểm tra - phát hành Những chức năng chính của hình thức lập trình cực hạn là liên lạc và kiểm tra Liên lạc giữa các thành viên trong cộng đồng ITK là cách thức giúp quản lý sự tiến triển nhanh của phần mềm Kiểm tra là cách thức giữ cho phần mềm ổn định Trong ITK, một qui trình kiểm tra

mở rộng (sử dụng CDash) giữ vai trò đo lường chất lượng theo thông tin hằng ngày

2.3.3 VTK

VTK (bộ dụng cụ hiển thị trực quan) [12] là một phương thức phần mềm nguồn mở dành cho đồ họa máy tính 3D, mô hình hóa, xử lý hình ảnh, biểu diễn ảnh khối, hiển thị trực quan khoa học và hiển thị trực quan thông tin VTK cũng bao gồm những hỗ trợ dành cho những công cụ tương tác 3D, những diễn giải hai và ba chiều, và việc tinh toán song song Ở vùng cốt lõi, VTK được thực thi như một bộ dụng cụ C++, đòi hỏi người sử dụng phải xây dựng những ứng dụng bằng cách kết hợp những đối tượng khác nhau vào trong một ứng dụng Hệ thống cũng hỗ trợ việc mở rộng tương thích của lõi C++ sang Python, Java và Tcl để các ứng dụng VTK cũng có thể được viết thông qua sử dụng các ngôn ngữ lập trình vừa nêu

VTK sử dụng những công cụ như CMake, CTest, CDash và CPach để xây dựng, kiểm tra và đóng gói các phương thức VTK là một ứng dụng đa nền phụ thuộc vào hình thức kiểm tra và hình thức lập trình cực hạn và cho phép ứng dụng tạo ra những mã chất lượng cao, mạnh mẽ VTK được sử dụng khắp thế giới trong những ứng dụng thương mại, nghiên cứu và phát triển và là cơ

sở của nhiều ứng dụng hiển thị trực quan tăng cường chẳng hạn như : ParaView, VisIt, VisTrails, Slicer, MayaVi, và OsiriX

VTK được trình bày như một phần của sách giáo khoa Bộ dụng cụ hiển thị trực quan – một phương thức hướng đối tượng dành cho đồ họa 3D Will Schroeder, Ken Martin, và Bill Lorensen, ba nhà nghiên cứu đồ họa và hiển thị trực quan, đã viết sách này và phần mềm đi cùng bắt đầu trong tháng 12/1993 và qua nhiều giai đoạn phát triển, cùng với sự góp mặt của nhiều nhà phát triển khác, VTK ngày nay đã trở thành một hệ phương thức hiển thị trực quan hàng đầu trên thế giới

2.3.4 sgDICOM

Nhằm mục tiêu hỗ trợ nghiên cứu và giảng dạy hướng đến các đối tượng sinh viên chuyên ngành kỹ thuật thiết bị y khoa, phần mềm sgDICOM được viết bằng ngôn ngữ MATLAB, có khả năng khảo sát và xử lý các dạng ảnh y khoa tổng quát, trong đó nổi bật lên là trình duyệt ảnh 3D cũng như các hình thức hiển thị ảnh 3D được tái tạo từ các tập ảnh 2D đa định dạng, đa phương tiện Ngoài ra chương trình còn tích hợp khả năng hợp nhất hình ảnh bán tự động theo cường độ, kết hợp với hình ảnh 3D tái tạo sinh động, giúp người nghiên cứu vừa nhận thức rõ hơn về hợp nhất hình ảnh, vừa có cái nhìn tổng quan về hình ảnh 3 chiều Tuy độ phân giải ảnh chưa thật tốt (tối đa 128x128x128) và tốc độ xử lý chưa cao, nhưng phần mềm sgDICOM đã mở

ra một bước khởi đầu nhiều tiềm năng cho những nghiên cứu phát triển trong tương lai [10]

2.3.5 MIPAV

MIPAV [5] là một ứng dụng xử lý, phân tích và hiển thị trực quan hình ảnh y khoa cho phép phân tích định lượng và hiển thị trực quan hình ảnh y khoa trong rất nhiều phương tiện như PET, MRI, CT hay kính hiển vi Sử dụng giao diện người sử dụng tiêu chuẩn và các công cụ phân tích, những nhà nghiên cứu có thể dễ dàng chia sẻ dữ liệu và các phân tích, và từ đó tăng

cường khả năng của họ trong nghiên cứu, chẩn đoán, theo dõi và điều trị những rối loạn y khoa

MIPAV là một ứng dụng Java và có thể chạy trên bất kỳ nền hệ thống nào

hỗ trợ Java chẳng hạn như Windows, UNIX, hay Macintosh OS X

MIPAV được thiết kế hướng tới những mục tiêu sau :

Phát triển những phương thức tính toán và những thuật toán phân tích

và định lượng dữ liệu y sinh

Cộng tác với những nhà nghiên cứu tại học viện y tế quốc gia (NIH) và các đồng nghiệp tại các trung tâm nghiên cứu khác trong việc ứng dụng phân tích thông tin và hiển thị trực quan cho những vấn đề nghiên cứu y sinh

Phát triển những công cụ (cả phần cứng và phần mềm) tạo cho các cộng tác viên khả năng phân tích dữ liệu y sinh giúp hỗ trợ khám phá và tăng cường kiến thức về y sinh

Một số đặc điểm của MIPAV :

Không phụ thuộc nền

Nhiều loại hình ảnh được hỗ trợ

Khả năng hiển thị trực quan các tập dữ liệu ảnh 2 chiều hoặc nhiều chiều

Các phương pháp phân đoạn và phân tích khối ảnh quan tâm

Khả năng tích hợp các phương thức mở rộng do người sử dụng tạo ra

CHƯƠNG 3 : KHẢO SÁT CÁC PHƯƠNG THỨC XỬ LÝ

ẢNH 3 CHIỀU

3.1 TỔNG QUÁT

Khi ứng dụng xử lý hình ảnh vào lĩnh vực y khoa, dù tất cả các khía cạnh khảo sát điện toán đều quan trọng, nhưng những khía cạnh mang tính nền tảng và cần được chú trọng nhất là việc phân đoạn ảnh, hợp nhất ảnh và hiển thị ảnh trực quan Phân đoạn ảnh là phân tách dữ liệu thành những vùng liên tiếp nhau, tượng trưng cho những đối tượng giải phẫu riêng biệt Thực tế, phân đoạn ảnh liên kết những chuỗi khác biệt, sử dụng một thiết bị tạo ảnh thành những lớp đối tượng khác biệt Đây cũng là điều kiện tiên quyết cho những khảo sát xa hơn trong các ứng dụng y khoa có kết hợp máy tính, chẳng hạn như lên kế hoạch và ước lượng chế độ điều trị, chẩn đoán, mô phỏng và phẫu thuật có hình ảnh hướng dẫn Vấn đề trung tâm trong phân đoạn hình ảnh 3D là việc phân biệt các đối tượng từ nền ảnh hoặc những đối tượng khác trong một viễn cảnh phức tạp Điều này phụ thuộc vào những đặc tính của xử lý hình ảnh, cũng giống như việc áp thang màu xám vào chính các đối tượng

Dữ liệu ảnh y khoa từ nhiều nguồn khác nhau có thể được kết hợp vào cùng một khối dữ liệu 3D Đây là việc cực kỳ hữu ích cho việc tìm hiểu những thành phần khác biệt của giải phẫu và chức năng liên quan đến nhau như thế nào Hoạt động gắn kết hình ảnh đòi hỏi các ảnh trước hết phải được sắp xếp về hình học hoặc/và bố trí về mặt thời gian Việc sắp xếp này gọi là hợp nhất ảnh Qui trình hợp nhất thường gồm những hình ảnh từ những phương tiện khác biệt, và được xem như

là hợp nhất đa phương tiện

Hiển thị ảnh trực quan được xem như mối liên kết quan trọng nhất giữa dữ liệu hình ảnh và người sử dụng Việc biểu diễn ảnh khối được thực hiện trực tiếp trên dữ liệu ảnh, nhưng đòi hỏi nhiều về khả năng tính toán liên quan đến máy tính Việc biểu diễn bề mặt được sử dụng trong nhiều ứng dụng y khoa khi hiển thị 3D trực quan phải được thực hiện theo thời gian thực hoặc gần với thời gian thực

Phương thức biểu diễn bề mặt sử dụng phân đoạn ảnh tách lấy những vùng liên quan để hiển thị

Trong chương này, các qui trình phân đoạn ảnh và hiển thị ảnh trực quan sẽ được khảo sát Ở đây không thể khảo sát hết tất cả thuật toán liên quan đến các khía cạnh chính của xử lý hình ảnh Tuy nhiên, ở mỗi phần, sẽ trình bày chi tiết một vài thuật toán liên quan

Những thuật toán xử lý hình ảnh 3D hoạt động trên dữ liệu thuộc về thể tích, tức là một vùng 3D trong không gian Loại dữ liệu này có thể được máy quét cho ra trực tiếp như trong các phương tiện tạo ảnh 3D hoặc có thể được tái xây dựng thông qua sử dụng các thuật toán máy tính Ngày nay, các dữ liệu ảnh 3D hầu như luôn được số hóa Điều này có nghĩa là dữ liệu hình ảnh được lưu dưới dạng số trong một máy vi tính, và được mã hóa theo một định dạng ảnh đặc biệt là DICOM Thông thường, một khối 3D sẽ gồm nhiều lớp cắt song song bao phủ vùng khảo sát Hầu hết ảnh y khoa 3D được thu nhận một cách bất đẳng hướng, với khoảng cách giữa các lớp cắt liên tiếp nhau lớn hơn kích cỡ điểm ảnh trong mặt phẳng Vì thế, độ phân giải không gian – kích thước của các khối ảnh (voxels) – có thể khác nhau trong 3 hướng khác biệt Trong trường hợp khối dữ liệu được tạo bởi các khối ảnh, với nền tảng liên quan đến chiều điểm ảnh đọc được từ độ phân giải theo mặt phẳng của máy quét, và chiều cao liên quan đến khoảng cách giữa các lớp cắt liên tiếp nhau Các điểm ảnh thường có dạng hình vuông bởi vì độ phân giải trong mặt phẳng theo 2 trục tọa độ là như nhau

Theo điểm quan sát xử lý hình ảnh, cách tốt nhất được miêu tả bởi các khối ảnh lập phương Trong thực tế, các thuật toán xử lý ảnh 3D gặp trở ngại với tính bất đẳng hướng trong khối dữ liệu, và chất lượng xử lý giảm đối với những khối dữ liệu không lập phương Khi kích thước khối ảnh thu được một cách đẳng hướng, qui trình biểu diễn 3D sẽ có tỷ lệ đúng trong cả 3 chiều Điều này cho phép thực hiện các phép đo đạc ở bất kỳ mặt phẳng nào và thay thế lớp ảnh dọc theo một trục tọa

độ bất kỳ trong không gian 3D Đơn giản xác định góc 3D và một ảnh mới được tạo

ra Khi ảnh không ở dạng lập phương, cần thiết phải có một giải thuật nội suy để

đưa ra những sai khác trực tiếp liên quan đến cường độ bất đẳng hướng trong khối

dữ liệu

3.2 QUI TRÌNH PHÂN ĐOẠN ẢNH

Mục tiêu của qui trình phân đoạn là tách lấy bề mặt 3 chiều của mỗi đối tượng giải phẫu từ dữ liệu khối Do tính quan trọng của việc nhận dạng các đối tượng từ một ảnh, những thập niên gần đây đã có nhiều công trình nghiên cứu tập trung vào việc phân đoạn hình ảnh Nhiều phương thức phân đoạn ảnh đã được phát triển sử dụng những giải pháp tự động hoặc bán tự động cho hiển thị hình ảnh y khoa và các ứng dụng khác

Điểm khó khăn chính đối với việc phân đoạn những hình ảnh y khoa là sự hiện diện của những đối tượng bất đồng nhất về thang xám Ví dụ như trong những ảnh cộng hưởng từ (MRI), sự bất đồng nhất gây ra bởi độ suy giảm sóng tần số radio (RF) gây ra bởi mô, từ trường tĩnh, độ truyền dẫn lõi RF không ổn định và độ từ cảm của mô Những đối tượng không đồng nhất về thang xám thay đổi theo thời gian và với những thông số ghi nhận khác nhau, xuất hiện trong các ảnh như những thay đổi cục bộ trong tính chất mô và những biến thể Điều này có nghĩa là cùng một mô giống nhau có thể cho ra những mức tín hiệu khác biệt trong những vị trí không gian khác nhau Những biến đổi về cường độ như thế có thể được làm trơn thông qua việc sử dụng những bộ lọc đặc biệt, chẳng hạn như những bộ lọc bất đẳng hướng

Một số lượng ấn tượng những thuật toán phân đoạn 3D đã được phát triển trong vài năm trước đây Phương thức thường hay sử dụng nhất trong phân tách những đặc trưng của vật thể đều dựa trên những phép biến dạng Những phép biến dạng được cải tiến nhờ vào việc ứng dụng yếu tố mới còn gọi là trường dòng vectơ Gradient (GVF), là những trường vectơ thu được từ các hình ảnh bằng cách giảm đến mức tối thiểu hàm năng lượng trong một khung biến thiên Một phương thức thông dụng khác là phân nhóm, chủ yếu dựa trên phân tích về phân bố mức độ xám trong khối thể tích [4]

Qui trình làm trơn được diễn giải như một qui trình khuếch tán bị ngăn chặn hoặc dừng lại ở các biên bằng cách chọn lọc những cường độ khuếch tán phù hợp Tùy vào giá trị qui định bởi cường độ khuếch tán, bộ lọc có thể thực hiện làm trơn những vùng bên trong mà không làm trơn ngang qua các biên Theo lý thuyết, một phương trình khuếch tán bất đẳng hướng không tuyến tính

có dạng :

) , ( ).

, ( ) , ( ) , ( ) ,

I t

Trong đó và lần lượt là các phép Gradient và Laplace Cường độ dòng khuếch tán được qui định bởi c(x, t) Vectơ x biểu diễn cho các tọa độ trong không gian và biến t bổ sung vào nhằm xác định lần lặp lại thứ n Hàm I(x, t)

là cường độ ảnh Hàm khuếch tán c(x, t) cho một giá trị hằng số để khuếch tán đẳng hướng tuyến tính Trong trường hợp đó, ảnh được khuếch tán thu từ ứng dụng của phép Laplace trở thành ảnh một cách đẳng hướng Kết quả của việc lọc nhiễu bằng khuếch tán tuyến tính sẽ gây mờ các đường mép làm cho chúng khó được dò tìm và định vị

Để ngăn ngừa việc này, việc khuếch tán phải được giảm xuống hoặc khóa lại khi tiến sát đến một điểm nút nào đó Hàm khuếch tán c(x, t) được chọn lựa như một hàm không tuyến tính của Gradient cường độ ảnh như sau :

2 2

2 ) (

|)),((|

),

t x I

e t x I g t x c

Hệ số khuếch tán c(x, t) đơn điệu giảm khi tăng Gradient I Thông số

là hằng số khuếch tán và được chọn lọc sao cho duy trì cường độ của mép tại biên của vật thể và giảm nhiễu Cường độ dòng phụ thuộc vào mối liên hệ giữa và J Dòng cực đại được tạo ra trên ảnh khi J = Khi J nhỏ hơn , hàm dòng giảm tới zero bởi vì trong hầu hết các vùng đồng nhất, dòng là rất nhỏ Khi J lớn hơn , hàm dòng lại tăng ngược lại đến zero, đứt quãng ở những vùng Gradient cao Từ đó, việc chính xác trong lựa chọn một hàm khuếch tán không chỉ ngăn ngừa, mà còn tăng cường thể hiện các gờ mép của đối tượng

Hình 3.1 : Lọc bất đẳng hướng các ảnh MRI của tim

Ở hình trên, các ảnh từ trái qua phải thể hiện các hiệu ứng khác nhau của qui trình lọc (giá trị K khác nhau)

3.2.2 Mô hình Snake GVF

Một mô hình biến dạng là một bề mặt (một đường cong trong không gian

2 chiều) chuyển dịch qua miền không gian của hình ảnh Những đường viền tích cực có thể chuyển động dưới ảnh hưởng của nội lực xuất phát từ bên trong chính những đường cong đó, tương tự như những ngoại lực tính toán từ dữ liệu ảnh Nội lực và ngoại lực được thiết lập sao cho các đường viền uốn theo biên của vật thể hoặc những vùng mong muốn khác bên trong ảnh Về tổng quát, thuật toán GVF tiêu chuẩn vướng phải 2 hạn chế : trước tiên, nó chịu ảnh hưởng lớn từ đường cong xuất phát phải thật gần với đường viền dò tìm ; thứ hai, những đường viền tích cực rất khó di chuyển đến những vị trí lỏm của

biên Việc thêm vào một ngoại lực mới đối với mô hình đường viền tích cực

đã giúp khắc phục được mặt hạn chế trên Nó được định nghĩa là một hàm GVF và được tính toán từ các vectơ Gradient của một thang xám hoặc sơ đồ mép nhị phân thu được từ ảnh Việc ứng dụng của GVF mang lại một giải pháp ổn định và chính xác hơn trong dò tìm đường viền và đường cong xuất phát thô

Cho trước thành phần gradient I(x, t) trên một ảnh, GVF được định nghĩa như một trường vectơ v(x, t) làm giảm đến mức thấp nhất hàm sau đây :

dx t x I t x v t x I t

x

v( , )2 ( , )2 ( , ) ( , )2Trong đó v(x, t) là Gradient của trường vectơ v(x, t)

Phép biến dạng làm cho trường thay đổi một cách chậm rãi trong những vùng đồng nhất và giữ v gần bằng với sơ đồ Gradient ở những nơi có sự biến thiên mức độ cao Thành phần đầu tiên của phương trình trên trở nên trội hơn khi I(x, t) nhỏ, tạo ra một trường biết đổi chậm trong những vùng đồng nhất Mặt khác, thành phần thứ hai trong phương trình sẽ trội hơn khi I(x, t) lớn,

và nhỏ nhất khi thiết lập v(x, t) = I(x, t) Tham số µ đóng vai trò cân bằng giữa thành phần thứ nhất và thứ hai trong phép tích phân và phụ thuộc vào lượng nhiễu ảnh : càng nhiễu thì µ phải càng cao Thực tế, trường biến thiên chậm tạo bởi thành phần thứ nhất phải vượt quá giá trị nhiễu trong những vùng đồng nhất

Trong phương trình trên, v(x, t) là một hàm theo t (tức là số lần lặp lại phép biến đổi) :

2 2

),()),(),((),()

,(x t v x t v x t I x t I x t

))(()

()

(21

Trong đó X(s) = [x(s), y(s), z(s)] là phép biến dạng, s (0, 1), và là những trọng số điều khiển những đặc tính cơ học của phép biến dạng (lần lượt

là độ căng và độ cứng) ; X’(s) va X’’(s) là đạo hàm bậc nhất và hai theo s của X(s) ; và Eext là tiềm lực gắn với trường v(x, t) Theo phương trình trên, phép biến dạng có thể tính toán như sau :

) , ( ) ( )

( )

,

t x v s X s X t s

X t

Trong đó Xt(s, t) là đạo hàm bậc nhất của X(s, t) theo t, trường ngoài v(x, t) là tiềm lực rút ra từ phương trình trước đó; X’’(s) và X(4)(s) lần lượt là đạo hàm bậc 2 và bậc 4 của X(s) theo s Bề mặt biến dạng theo tham số biểu diễn trạng thái ổn định trong phương trình trên gọi là GVF

Hình 3.2 : Trường GVF tách ra từ ảnh MRI của tâm thất trái

3.2.3 Phân đoạn đám Fuzzy C-Mean

Phương pháp fuzzy C-mean (FCM) có thể cho ra sự phân loại dữ liệu không bị giám sát thành nhiều nhóm bằng cách nhận diện các mô khác biệt trong hình ảnh mà không cần sử dụng một ngưỡng giới hạn nào cả Thuật toán FCM thực hiện phân loại dữ liệu ảnh bằng cách tính toán một đại lượng liên

hệ, gọi là mối liên hệ xoắn (fuzzy), tại mỗi điểm cho một số đặc trưng các phân lớp Hàm liên hệ fuzzy, được hạn mức giữa 0 và 1, cho ra mức độ tương đồng giữa điểm ảnh tại vị trí đó và giá trị dữ liệu đầu tiên hay khối tâm của phân nhóm của nó Như thế, một giá trị nhóm gần với sự đồng nhất cho thấy

điểm ảnh gần sát với trung tâm của phân nhóm đặc trưng đó FCM được lập thành công thức theo nghĩa giảm thiểu các hàm mục tiêu tiếp theo đối với hàm liên hệ nhóm u và các khối tâm v :

j C

k

k j q jk

vị trí thứ j, vk là khối tâm của lớp k, và C là số lượng các lớp

Khi các hàm đối tượng trên được giảm đến cực tiểu, giá trị của ujk đạt đến

1 chỉ khi cường độ điểm tại vị trí thứ j gần với khối tâm của lớp k Tương tự, giá trị của ujk đạt 0 chỉ khi cường độ điểm tại vị trí thứ j xa với khối tâm của lớp k Đồng thời, các điểm với giá trị cường độ như nhau được nhóm lại thành những nhóm giống nhau với cùng đặc tính

Việc giảm đến mức tối thiểu của JFCM dựa trên việc lựa chọn phù hợp u và

v bằng cách sử dụng một qui trình lặp thông qua các phương trình sau :

1 1 2

v y

v y u

j

q jk j

j q jk i

u

y u v

Thuật toán dừng lại khi giá trị của ujk hội tụ

Kết quả của thuật toán là các giá trị cường độ mô tả đặc điểm của các lớp

mô (vk) và các lưới uk diễn tả sự phân bố của các mô được phân loại dọc theo ảnh đã xử lý

Hình 3.3 : Phân đoạn ảnh MRI bụng bằng thuật toán đám Fuzzy C-mean

Ảnh gốc (a), sơ đồ tín hiệu nền / không khí (b), sơ đồ mô cơ (c) và sơ đồ mỡ (d)

3.3 HIỂN THỊ TRỰC QUAN BỀ MẶT

Hiển thị bề mặt là một quá trình trong đó các bề mặt biểu kiến được tạo ra

từ khối dữ liệu và một ảnh của các bề mặt tách ra được hiển thị một cách thích hợp Các đường viền bề mặt được mô hình hóa thành những thành phần 2 chiều như các tam giác và đa giác để biễu diển một đối tượng 3D Ý tưởng cơ bản là tách bề mặt từ khối dữ liệu 3D thành một tập hợp những đa giác rồi hiển thị bề mặt tách ra bằng những thuật toán thích hợp Sự khuếch tán và tạo bóng của ánh sáng được tận dụng nhằm gia tăng thêm ảo giác 3D

Hầu hết các nghiên cứu trong lĩnh vực này tập trung vào cách thức các bề mặt được xác định với độ trung thực cao Điều này liên quan đến quá trình phân đoạn đã được đề cập Qui trình phân đoạn ảnh 3D có thể tạo ra một chuỗi các đường viền (như trong thuật toán GVF) xác định trên mỗi lớp cắt, hoặc

một mạng lưới 3D (như trong thuật toán phân nhóm) miêu tả đối tượng khảo sát Trong trường hợp đầu, bề mặt 3D được tái thiết lập bằng thuật toán đạc tam giác Trường hợp còn lại sẽ tận dụng thuật toán khối lập phương di động

để thiết lập bề mặt 3D

Hình 3.4 : Biến đổi tam giác đạc của não bộ con người

Phương pháp đạc tam giác được mô tả như trong hình trên Các đường viền xác định từ 2 lớp cắt liền nhau được chia thành một số lương như nhau các hình quạt góc đều nhau Các điểm liên quan đến hình quạt lân cận được kết nối lại bằng cách thu nhận một chuỗi các tam giác biểu diễn bề mặt

Thuật toán khối lập phương di động thực hiện trên một mạng lưới 3D biểu diễn đối tượng khảo sát thu được từ thuật toán phân đoạn có giới hạn hay phức tạp hơn Để đơn giản hơn, thuật toán được mô tả trong hình bên dưới, sử dụng một ví dụ 2D Các điểm ảnh xám tượng trưng cho lưới vật thể; các điểm ảnh trắng xác định vùng bên ngoài vật thể được hiển thị Thuật toán bắt đầu di chuyển một hình vuông (A) với 4 cạnh chỉ rõ 4 điểm trên ảnh Đối với mỗi vị