GIỚI THIỆU VỀ XỬ LÝ ẢNH, ẢNH Y HỌC VÀ CHẨN ĐOÁN Y HỌC
TỔNG QUAN VỀ XỬ LÝ ẢNH
1 Giới thiệu về xử lý ảnh
Xử lý ảnh là một lĩnh vực khoa học và công nghệ đang phát triển nhanh chóng, thu hút sự quan tâm từ nhiều trung tâm nghiên cứu và ứng dụng Ngành này, mặc dù còn mới mẻ so với các lĩnh vực khoa học khác, đã thúc đẩy sự phát triển của các máy tính chuyên dụng phục vụ cho công việc xử lý hình ảnh.
Các phương pháp xử lý ảnh chủ yếu bao gồm nâng cao chất lượng ảnh, phân đoạn ảnh và phân tích ảnh Lịch sử của việc nâng cao chất lượng ảnh bắt đầu từ những năm 1920 với việc truyền tải ảnh qua cáp từ Luân Đôn đến New York Nâng cao chất lượng ảnh liên quan đến phân bố mức sáng và độ phân giải, và đã phát triển mạnh mẽ từ khoảng năm 1955 nhờ vào sự tiến bộ của máy tính sau Thế chiến thứ hai Đến năm 1964, máy tính đã có khả năng xử lý ảnh từ mặt trăng và vệ tinh Ranger 7, bao gồm các kỹ thuật như làm nổi đường biên và lưu ảnh Từ đó đến nay, công nghệ xử lý và nâng cao chất lượng ảnh đã không ngừng phát triển Quá trình xử lý ảnh bắt đầu bằng việc thu nhận ảnh từ thế giới bên ngoài qua các thiết bị như máy ảnh Trước đây, ảnh được thu qua máy ảnh tương tự, nhưng hiện nay, với sự phát triển công nghệ, ảnh màu hoặc đen trắng được chuyển đổi trực tiếp thành ảnh số, tạo điều kiện thuận lợi cho việc xử lý Ngoài ra, ảnh cũng có thể được thu nhận từ vệ tinh hoặc quét từ ảnh chụp bằng máy quét.
2 Quá trình xử lý ảnh
Quá trình xử lý ảnh là thao tác trên ảnh đầu vào để đạt được kết quả mong muốn, có thể là một bức ảnh "tốt hơn" hoặc một kết luận cụ thể.
Trong xử lý ảnh, ảnh được coi là một không gian n chiều, nơi mỗi điểm ảnh đại diện cho cường độ sáng hoặc một đặc trưng tại một vị trí cụ thể của đối tượng Mỗi điểm ảnh có thể được biểu diễn như một hàm n biến P(c1, c2,…, cn), thể hiện sự phức tạp và đa dạng của thông tin hình ảnh.
Quá trình xử lý ảnh có thể đƣợc mô tả bằng Sơ đồ sau:
Hình 1.2: quá trình xử lý ảnh
Quá trình thu nhận ảnh là bước đầu tiên quan trọng trong xử lý ảnh, nơi ảnh đầu vào được tiếp nhận từ các thiết bị như camera, sensor và máy quét Tín hiệu thu nhận sau đó sẽ được số hóa, với các thông số quan trọng bao gồm độ phân giải, chất lượng màu, dung lượng bộ nhớ và tốc độ thu nhận ảnh của thiết bị.
Tiền xử lý là bước quan trọng trong việc cải thiện chất lượng ảnh, bao gồm các công đoạn như tăng cường độ tương phản, khử nhiễu, loại bỏ bóng và điều chỉnh độ lệch Những cải tiến này thường được thực hiện thông qua các bộ lọc nhằm mang lại hình ảnh sắc nét và rõ ràng hơn.
Phân đoạn ảnh là bước quan trọng trong xử lý ảnh, nhằm phân tích ảnh thành các thành phần có tính chất tương đồng dựa trên biên hoặc các vùng liên thông Tiêu chí xác định các vùng này có thể là màu sắc, mức xám hoặc độ nhám Mục đích chính của phân đoạn ảnh là tạo ra một mô tả tổng hợp từ nhiều yếu tố khác nhau trong ảnh thô Do lượng thông tin trong ảnh rất lớn, trong nhiều ứng dụng, chúng ta chỉ cần trích chọn một số đặc trưng nhất định, vì vậy cần có quy trình giảm thiểu thông tin này, bao gồm phân vùng ảnh và trích chọn các đặc tính chủ yếu.
Kết quả của bước phân đoạn ảnh thường được biểu diễn dưới dạng dữ liệu điểm ảnh thô, chứa biên hoặc tập hợp các điểm ảnh của một vùng ảnh Việc chuyển đổi dữ liệu thô này thành dạng thích hợp cho xử lý máy tính là rất cần thiết Câu hỏi đầu tiên cần giải đáp là nên biểu diễn vùng ảnh dưới dạng biên hay vùng hoàn chỉnh Biểu diễn dạng biên phù hợp với các ứng dụng chú trọng đến đặc trưng hình dạng bên ngoài, như góc cạnh và điểm uốn, trong khi biểu diễn dạng vùng thích hợp cho các ứng dụng khai thác tính chất bên trong, như vân ảnh hay cấu trúc xương Lựa chọn cách biểu diễn thích hợp chỉ là một phần trong quá trình chuyển đổi dữ liệu ảnh thô, và chúng ta cũng cần phương pháp mô tả dữ liệu đã chuyển đổi để làm nổi bật các tính chất quan tâm, thuận tiện cho xử lý sau này.
Nhận dạng và nội suy là bước cuối cùng trong xử lý ảnh, trong đó nhận dạng ảnh đơn giản là gán nhãn cho các đối tượng trong hình ảnh Nội suy là quá trình gán nghĩa cho các đối tượng đã được nhận biết, giúp cải thiện độ chính xác và ý nghĩa của thông tin trong ảnh.
Không phải tất cả các ứng dụng xử lý ảnh đều cần tuân theo quy trình xử lý tiêu chuẩn; ví dụ, các ứng dụng chỉnh sửa ảnh nghệ thuật thường chỉ thực hiện bước tiền xử lý Thông thường, các chức năng như nhận dạng và nội suy chỉ xuất hiện trong hệ thống phân tích ảnh tự động hoặc bán tự động, nhằm rút trích thông tin quan trọng từ hình ảnh, như trong các ứng dụng nhận dạng ký tự quang học và nhận dạng chữ viết tay.
3 Một số khái niệm cơ bản
3.1 Điểm ảnh - PixeL 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 (lời rạc hoá về không gian) và lượng hoá thành phần giá trị mà về nguyên tắc bằng mắt thường không phân biệt được hai điểm kề nhau Trong quá trình này người ta sử dụng khái niệm Picture element mà ta quen gọi là Pixel –điểm ảnh Điểm ảnh được xem như là dấu hiệu hay cường độ sang tại một tọa độ trong không gian của đối tượng Như vậy, một ảnh là một tập hợp các Pixel
Mức xám là kết quả của việc mã hóa cường độ sáng của mỗi điểm ảnh thành giá trị sáng thông qua quá trình lượng tử hóa Các phương pháp mã hóa phổ biến thường sử dụng 16, 32 hoặc 64 mức, trong đó mã hóa 256 mức là phổ biến nhất, cho phép mỗi pixel được mã hóa bằng 8 bit.
Biên là đặc tính quan trọng giúp phân biệt các đối tượng trong ảnh, nhờ vào sự thay đổi đột ngột về mức xám tại các điểm ảnh Tập hợp các điểm này tạo thành biên hay đường bao ảnh, đóng vai trò thiết yếu trong việc nhận diện và phân tích hình ảnh.
Trong xử lý ảnh có một khái niệm rất quan trọng, đó là khái niệm láng giềng, có hai loại láng giềng: 4 láng giềng và 8 láng giềng
4 láng giềng của một điểm (x,y) là một tập hợp bao gồm láng giềng dọc và láng giềng ngang của nó:
8 láng giềng của (x,y) là một tập cha của 4 láng giềng và bao gồm láng giềng ngang, dọc và chéo:
Một vùng R được coi là liên thông khi có thể nối bất kỳ hai điểm (xA, yA) và (xB, yB) trong R bằng một đường đi qua các điểm (xi, yi) thuộc R, trong đó mỗi điểm (xi, yi) đều kề sát với điểm trước đó (xi-1, yi-1).
1) và điểm tiếp theo (x j+i ,y i+i ) trên đường đó Một điểm (x k ,y k ) được gọi là kề với điểm (x i ,y i ) nếu (xi,y i ) thuộc vào láng giềng trực tiếp của (xk,y k )
Trong biểu diễn ảnh, pixel là các phần tử đặc trưng, và có thể xem một hàm hai biến như là biểu diễn của ảnh Xử lý ảnh số yêu cầu mã hóa và lƣợng tử hóa, trong đó lƣợng tử hóa là quá trình chuyển đổi tín hiệu tương tự sang tín hiệu số với một số hữu hạn mức xám Các mô hình thường được sử dụng trong xử lý ảnh bao gồm mô hình toán học và mô hình thống kê.
3.7 Tăng cường và khôi phục ảnh
Tăng cường ảnh là bước quan trọng tạo tiền đề cho xử lý ảnh, gồm một loạt các kỹ thuật như: lọc độ tương phản, khử nhiễu, nổi màu
Khôi phục ảnh là nhằm loại bỏ các suy giảm trong ảnh
ẢNH Y HỌC
Y học hiện đại sử dụng hai phương pháp chẩn đoán chính: chẩn đoán lâm sàng dựa vào triệu chứng lâm sàng và chẩn đoán cận lâm sàng Trong đó, chẩn đoán hình ảnh từ các thiết bị y tế ngày càng trở nên quan trọng, nhờ vào sự phát triển của công nghệ cao và phần mềm hỗ trợ, giúp cải thiện độ rõ nét và chính xác của hình ảnh.
1 Giới thiệu Ảnh y học là kỹ thuật và quá trình đƣợc sử dụng để tái tạo ra hình ảnh cơ thể con người hoặc bộ phận cơ thể phục vụ cho mục đích lâm sàng và cận lâm sàng như chần đoán, kiểm tra bệnh) hoặc khoa học y tế (bao gồm cả giải phẫu và sinh lý) Ảnh y học theo nghĩa rộng của nó, nó là một phần của hình ảnh sinh học và kết hợp X - Quang, y học hạt nhân, nội soi dùng trong chần đoán điều trị bệnh lý của con người)
Viêm dạ dày cấp Tụ máu não
Hình 1.3 Một số hình ảnh Y học
1.1 Chẩn đoán dựa trên hình ảnh
Y học hiện đại sử dụng hai phương pháp chẩn đoán chính: chẩn đoán lâm sàng dựa trên triệu chứng và chẩn đoán cận lâm sàng Trong đó, chẩn đoán hình ảnh từ các thiết bị y tế hiện đại ngày càng trở nên quan trọng, nhờ vào công nghệ cao và phần mềm hỗ trợ, giúp cải thiện độ rõ nét và độ chính xác của hình ảnh.
Các phương pháp chẩn đoán hình ảnh rất phong phú, như chẩn đoán qua hình ảnh
X-quang, siêu âm, siêu âm Doppler màu, nội soi tiêu hóa và nội soi tiết niệu, chụp cắt lớp vi tính (CT Scanner) và chụp cộng hưởng từ (MRI) là những phương pháp hình ảnh y học phổ biến Những kỹ thuật này giúp chẩn đoán và theo dõi tình trạng sức khỏe của bệnh nhân một cách hiệu quả.
Chẩn đoán hình ảnh đóng vai trò quan trọng trong việc nâng cao độ chính xác và hiệu quả trong chẩn đoán bệnh Thông qua siêu âm, bác sĩ có thể đo kích thước các tạng trong ổ bụng và phát hiện các khối bất thường Siêu âm tim giúp xác định cấu trúc và kích thước các buồng tim, van tim cùng các mạch máu lớn Trong sản khoa, siêu âm hỗ trợ theo dõi sự phát triển của thai nhi Hình ảnh từ CT Scanner cho phép bác sĩ phát hiện các bệnh lý ở sọ não, như máu tụ nội sọ và khối u não, trong khi chụp cộng hưởng từ hạt nhân cung cấp hình ảnh chi tiết hơn về các khối bất thường trong cơ thể.
Các thiết bị chẩn đoán hình ảnh y tế đang ngày càng tích hợp công nghệ thông tin, với phần mềm máy y tế được nâng cấp liên tục Sự phát triển của kỹ thuật số đã cải thiện khả năng ghi nhận và phân tích tín hiệu, mang lại hình ảnh sâu hơn và chất lượng tốt hơn.
Việc kết nối giao diện giữa các thiết bị y tế hiện đại và hệ thống máy tính quản lý tại bệnh viện ngày càng gia tăng, đồng thời thúc đẩy sự phát triển của các giao thức truyền ảnh trên mạng Những giao thức này đảm bảo có một tiêu chuẩn chung, chất lượng ảnh đạt yêu cầu chẩn đoán và giảm tải cho đường truyền Điều này đã tạo ra phòng "hội chẩn ảo" giữa các chuyên gia y tế, cho phép họ trao đổi và chẩn đoán từ xa hiệu quả hơn.
1.2 Một số các chuẩn hình ảnh ứng dụng trong y tế
Các máy thiết bị y tế chẩn đoán hình ảnh ban đầu chỉ sử dụng tín hiệu dạng sóng (Analog) trên màn hình VIDEO Qua thời gian, công nghệ đã phát triển, chuyển sang tín hiệu số với khả năng lưu trữ thông tin, như máy siêu âm có thể lưu 5000 ảnh bệnh nhân Để đáp ứng nhu cầu giao tiếp giữa các máy, như máy CT Scanner và máy chiếu tia Coban, các chuẩn dữ liệu hình ảnh y tế đã được hình thành Hiện nay, các máy y tế tích hợp thiết bị tin học có khả năng xuất tín hiệu qua các cổng D-Shell chuẩn như COM, LPT, hoặc USB, tuy nhiên, tính năng này phụ thuộc vào phần mềm mà nhà cung cấp trang bị.
Các chuẩn truyền ảnh trên mạng như PACS (Picture Archiving and Communication System) và DICOM (Digital Imaging and Communications in Medicine) đều nhằm mục đích nén ảnh tối đa để giảm kích thước lưu trữ và tốc độ truyền tải Những hình ảnh này thường bao gồm X quang, siêu âm, nội soi và CT Scanner Tùy thuộc vào yêu cầu chất lượng, hình ảnh có thể được truyền ở độ phân giải thấp hoặc cao, ảnh hưởng đến tốc độ truyền Việc truyền tải hình ảnh này hỗ trợ chẩn đoán từ xa cho bác sĩ, học viên và sinh viên trong quá trình học tập và nghiên cứu.
1.3 Trợ giúp chẩn đoán, điều trị và đào tạo chỉnh hình từ xa cho tuyến trước
Hình ảnh X-Quang và hình ảnh lâm sàng của bệnh nhân sau tai nạn được chụp bằng máy ảnh số từ các địa phương và tuyến chuyên khoa khác nhau, sau đó được truyền lên tuyến trên để xin ý kiến từ các chuyên gia Việc này giúp cải thiện chẩn đoán và xử trí ngay từ tuyến dưới Hệ thống thông tin lưu trữ hình ảnh (PACS) được sử dụng để truyền tải ảnh, trong khi đối với những nơi có đường truyền kém, có thể sử dụng Email để gửi hình ảnh.
Việc ứng dụng công nghệ thông tin trong thiết bị y tế và phần mềm chuyên dụng đã mang lại sự đột phá trong việc ghi hình ảnh chất lượng cao của các cơ quan bệnh lý, giúp các chuyên gia y tế chẩn đoán nhanh chóng và chính xác hơn Hệ thống lưu trữ và truyền tải hình ảnh giữa các khoa và bệnh viện đã tạo ra phòng "Hội chẩn ảo", nâng cao khả năng sử dụng trí tuệ tập thể của các chuyên gia hàng đầu trong chẩn đoán và điều trị bệnh Sự phát triển công nghệ thông tin y tế là yêu cầu thiết yếu của ngành y tế Việt Nam, nhằm xây dựng nền y tế hiện đại với công nghệ và kỹ thuật y học tiên tiến, đáp ứng nhu cầu chăm sóc sức khỏe của nhân dân.
Hệ thống PACS (Picture Archiving and Communication System) lưu trữ và quản lý hình ảnh y tế cùng dữ liệu liên quan, cho phép tương tác hiệu quả giữa các hệ thống con trong mạng lưới PACS có thể là một máy lấy ảnh đơn giản với cơ sở dữ liệu nhỏ hoặc một hệ thống quản trị hình ảnh y tế phức tạp, từ đó các máy trạm có thể truy cập và xử lý hình ảnh Hiện nay, hầu hết các hệ thống PACS được phát triển theo kiến trúc mở, đảm bảo việc truyền thông hình ảnh, định dạng và quản lý ảnh tuân theo tiêu chuẩn DICOM.
Người sử dụng máy trạm để hiển thị hình ảnh là một phần quan trọng trong việc truy cập hệ thống PACS, cho phép chẩn đoán, xem xét và phân tích hình ảnh Các chuyên gia X-Quang coi máy trạm chẩn đoán là công cụ chính, yêu cầu phần cứng mạnh với màn hình độ phân giải cao, máy tính có bộ nhớ lớn và CPU nhanh Phần mềm thiết kế cho việc quản lý máy lấy ảnh như X-quang và chụp cắt lớp, cũng như giao tiếp hình ảnh qua dịch vụ DICOM, hỗ trợ xem xét, hiển thị ảnh động, xử lý ảnh và quản lý luồng công việc của bệnh nhân cùng thông tin liên quan.
Trong hệ thống PACS điều trị bệnh, hình ảnh y khoa được thu thập từ các thiết bị chẩn đoán (modality) và gửi đến máy chủ PACS qua cổng DICOM Sau đó, hình ảnh này được truyền tới máy trạm chẩn đoán thông qua dịch vụ truyền thông DICOM.
Hình 1.4 : Mô hình PACS Phân bổ và hiển thị ảnh
Có 2 cách để đƣa hình ảnh của máy chủ PACS tới máy trạm chẩn đoán:
Phương thức Store-Forward trong dịch vụ truyền thông DICOM Storage cho phép hình ảnh được lưu trữ tại máy chủ PACS trước khi được chuyển đến máy trạm hiển thị theo một lộ trình đã được xác định.
CHẨN ĐOÁN Y HỌC
Vào năm 1972, G.N Hounsfield đã giới thiệu phương pháp chụp cắt lớp điện toán (CT), một kỹ thuật không xâm lấn giúp đánh giá hiệu quả bệnh lý hệ thần kinh trung ương Sự ra đời của CT được coi là một cuộc cách mạng trong chẩn đoán hình ảnh, đặc biệt trong việc phát hiện các tổn thương như tụ máu, dập não và phù não Kỹ thuật này có khả năng khảo sát các trường hợp bệnh nhân cấp cứu, ngay cả khi họ không nằm yên hoặc đang sử dụng thiết bị hỗ trợ hô hấp và tuần hoàn, với chi phí hợp lý CT không chỉ hỗ trợ trong việc đánh giá và theo dõi tình trạng bệnh mà còn giúp tiên lượng và lập kế hoạch điều trị phù hợp cho từng bệnh nhân.
Việc đọc phim CT hiện nay chủ yếu do các bác sĩ chuyên khoa chẩn đoán hình ảnh thực hiện với số lượng ca lớn mỗi ngày Mỗi ca chấn thương yêu cầu chụp ít nhất 20 bức ảnh, và bác sĩ phải xem xét tất cả để phát hiện nhiều biểu hiện bất thường Do đó, có nhu cầu cao cho một công cụ trợ giúp chẩn đoán tự động, nhằm hỗ trợ bác sĩ đưa ra chẩn đoán chính xác và giảm thiểu sai sót.
1 Một số kiến thức cơ bản
CT sử dụng chùm tia X có độ dày xác định để quét qua các lát cắt ngang của vật thể từ nhiều hướng khác nhau Lượng tia X sau khi đi qua vật thể được đo bởi các đầu dò, và dữ liệu thu nhận từ các đầu dò này sẽ được máy tính xử lý để tạo ra hình ảnh.
Các lát cắt qua vùng cơ thể được chia thành nhiều khối nhỏ gọi là phân tử thể tích (voxel) Độ dày của các phân tử thể tích, cùng với tính chất của chùm tia X, sẽ quyết định mức độ hấp thu tia X của chúng.
Dữ liệu số về sự hấp thu tia X của các phần tử thể tích được máy tính chuyển đổi thành các mức độ xám khác nhau cho các phần tử hình hoặc điểm ảnh (pixel).
Hình 1.8: Phần tử thể tích (voxel)
Mỗi phần tử thể tích trong mô có trị số tương ứng với mức độ hấp thu tia X, được thể hiện qua các độ xám khác nhau trên hình ảnh Mức độ hấp thu này được đo bằng đơn vị Hounsfield (HU).
Theo quy ước của máy, các mức đậm độ cơ bản được xác định như sau: đậm độ của nước là 0 HU, đậm độ của khí là -1000 HU, đậm độ của xương là +1000 HU, và đậm độ của mỡ cũng là -1000 HU.
Các trị số đậm độ của các mô, dịch khác trong cơ thể sẽ đượ tính theo tương ứng với các trị số trên
Các cấu trúc vật chất hấp thụ tia X nhiều sẽ có độ Hounsfield cao, thể hiện qua màu trắng trên hình ảnh, trong khi các chất như khí, mỡ và dịch não tuỷ sẽ có màu đen do hấp thụ ít tia X hơn Điều này tương tự như cách thể hiện độ đậm đặc trong hình X quang thông thường.
Cấu trúc Trị số giới hạn (HU) Đóng vôi, xương 80-250
Bảng 1.1: Trị số đậm độ của các cấu trúc nội sọ
Thay đổi độ biểu hiện cho thấy sự khác biệt tương đối về mật độ trong khu vực mà chúng ta lưu ý theo cấu trúc bình thường Các từ ngữ mô tả độ dày thường được sử dụng để diễn tả điều này.
Giảm đậm độ (Hypodense) Đồng đậm độ (Isodense)
Các từ giảm, đồng và tăng đậm độ sẽ tương ứng với các vùng có màu đen hơn, ngang bằng và trắng hơn so với vùng đƣợc so sánh
Xuất huyết trong não có đậm độ cao
Vùng phù có đậm độ thấp
Tụ máu dưới màng cứng bán cấp đồng đậm độ với chât xám
Các hình tăng đậm độ trên CT sọ não có thể xuất hiện do nhiều nguyên nhân khác nhau, bao gồm các đóng vôi bình thường như màng cứng, tuyến tùng và đám rối mạch mạc Ngoài ra, cũng có thể là các đóng vôi bất thường liên quan đến u, tổn thương cũ, xuất huyết, hoặc các cấu trúc có protein cao và mật độ tế bào tăng, như trong một số loại u não.
Các hình giảm đậm độ thường gặp trên CT sọ não bao gồm dịch não tuỷ, mỡ hốc mắt và khí trong xoang Ngoài ra, có thể gặp các hình ảnh bất thường như phù não, dịch trong các nang, mỡ trong khối u và khí nội sọ do chấn thương.
Khối máu tụ cấp tính ở bệnh nhân chấn thương sọ não thường có đậm độ cao hơn nhu mô não, điều này liên quan đến nồng độ hemoglobin, hematocrit, protein máu và tình trạng đông máu Tuy nhiên, trong một số trường hợp, sự thay đổi của các yếu tố như hematocrit và protein thấp có thể khiến khối máu tụ cấp có đậm độ tương đương với nhu mô não.
Theo thời gian, khối máu não sẽ giảm dần độ đậm, trung bình khoảng 1.5 HU mỗi ngày Vì vậy, máu tụ bán cấp hoặc mãn tính sẽ có độ đậm tương đương hoặc giảm so với nhu mô.
1.5.Độ dày lát cắt và khoảng cách lát cắt Độ dày lát cắt: là độ dày của lát cắt khảo sát (tương ứng với độ mở của bộ chuẩn trực/colimator ở đầu đèn)
Khoảng cách lát cắt là khoảng cách giữa các lát cắt, tương ứng với khoảng di chuyển của bàn bệnh nhân Độ dày của các lát cắt thường được hiển thị trực tiếp qua các thông số trên hình ảnh, trong khi khoảng cách giữa các lát cắt cũng được thể hiện rõ ràng trên hình.
Từ hai khái niệm này, kỹ thuật khảo sát CT sẽ có các kiểu cắt nhƣ sau:
Cắt liên tục (continuity) khi độ dày lát cắt bằng khoảng cách lát cắt
Cắt chồng (overlap) khi độ dày lát cắt lớn hơn khoảng cách lát cắt
MỘT SỐ PHƯƠNG PHÁP PHÂN ĐOẠN ẢNH Y HỌC
TỔNG QUAN VỀ PHÂN ĐOẠN ẢNH
Phân đoạn ảnh là quá trình chia nhỏ bức ảnh thành các miền hoặc vật thể con, tùy thuộc vào nhu cầu xử lý Có nhiều phương pháp phân đoạn, bao gồm xác định biên vật thể, xử lý vùng ảnh và tách biệt vật thể với nền bằng ngưỡng Mục tiêu chính của phân đoạn ảnh là làm nổi bật hoặc tách biệt vật thể quan trọng từ bức ảnh gốc.
Phân đoạn ảnh là một trong những thao tác khó khăn và quan trọng nhất trong xử lý ảnh, vì độ chính xác của nó ảnh hưởng quyết định đến các bước xử lý tiếp theo Thao tác này không chỉ đóng vai trò trung tâm trong việc phân tích chất lượng sản phẩm mà còn là bước trung gian cần thiết cho các ứng dụng xử lý khác, đặc biệt trong lĩnh vực y học.
MỘT SỐ PHƯỚNG PHÁP PHÂN ĐOẠN ẢNH Y HỌC
1 Phân đoạn giựa vào ngƣỡng biên độ
Biên độ của các tính chất vật lý của ảnh, như độ phản xạ, độ truyền sáng và màu sắc, là một đặc tính quan trọng giúp phân đoạn ảnh Khi biên độ đủ lớn, chúng ta có thể áp dụng ngưỡng biên độ để phân loại các vùng khác nhau trong ảnh Chẳng hạn, trong bộ cảm biến hồng ngoại, biên độ có thể chỉ ra các khu vực có nhiệt độ thấp hoặc cao Kỹ thuật phân ngưỡng theo biên độ đặc biệt hữu ích cho các loại ảnh nhị phân, bao gồm văn bản in, đồ họa, ảnh màu và ảnh X-quang.
Việc chọn ngưỡng trong kỹ thuật này là một bước vô cùng quan trọng, thông thường người ta tiến hành theo các bước chung như sau:
Xem xét lược đồ xám của ảnh để xác định các đỉnh và khe Nếu ảnh chứa nhiều đỉnh và khe, các khe này có thể được sử dụng để chọn ngưỡng phù hợp.
Chọn ngưỡng T sao cho một phần xác định trước ŋ của toàn bộ số mẫu Điều chỉnh ngƣỡng dựa trên xét lƣợc đồ xám của các điểm lân cận
Chọn ngƣỡng bằng cách xem xét lƣợc đồ xám của những điểm thoả mãn tiêu chuẩn đã chọn
Trong kỹ thuật này, một thuật toán đơn giản được áp dụng là xác định các đối tượng sáng trên nền tối Để thực hiện điều này, một tham số T, được gọi là ngưỡng độ sáng, sẽ được chọn cho ảnh f[x,y].
Ngƣợc lại, đối với các đối tƣợng tối trên nền sáng chúng ta có thuật toán sau:
Vấn đề chính là nên chọn ngƣỡng T nhƣ thế nào để việc phân vùng đạt đƣợc kết quả cao nhất ?
Trong lĩnh vực xử lý hình ảnh, có nhiều thuật toán chọn ngưỡng khác nhau, bao gồm ngưỡng cố định, ngưỡng dựa trên lược đồ, sử dụng Entropy, tệp mờ, và sự không ổn định của lớp Bài viết này sẽ tập trung vào hai phương pháp chính là chọn ngưỡng cố định và chọn ngưỡng dựa trên lược đồ.
1.2.Chọn ngƣỡng cỗ định Đây là phương pháp chọn ngưỡng độc lập với dữ liệu ảnh Nếu biết trước là chương trình ứng dụng sẽ làm việc với các ảnh có độ tương phản rất cao, trong đó các đối tƣợng quan tâm rất tối còn nền gần nhƣ là đồng nhất và rất sáng thì việc chọn ngƣỡng T= 128 (xét trên thang độ sáng từ 0 đến 255) là một giá trị chọn khá chính xác Chính xác ở đây hiểu theo nghĩa là số các điểm ảnh bị phân lớp sai là cực tiểu
1.3.Chọn ngƣỡng dựa trên lƣợc đồ (Histogram)
Trong quá trình phân đoạn ảnh, ngưỡng thường được chọn từ lược đồ độ sáng của vùng cần phân tích Nhiều kỹ thuật chọn ngưỡng tự động đã được phát triển từ lược đồ độ xám {h[b] I b = 0, 1,2B -1} Bài viết này sẽ trình bày một số kỹ thuật phổ biến, cho phép tận dụng lợi ích từ việc làm trơn dữ liệu lược đồ ban đầu để loại bỏ những dao động nhỏ về độ sáng Tuy nhiên, cần lưu ý rằng các thuật toán làm trơn phải được thực hiện cẩn thận để không làm dịch chuyển các vị trí đỉnh của lược đồ.
Trong đó w thường được chọn là 3 hoặc 5
1.3.1.Thuật toán đẳng liệu Đây là kĩ thuật chọn ngƣỡng theo kiểu lặp do Ridler và Calvart đƣa ra
Thuật toán đƣợc mô tả nhƣ sau:
-B1: Chọn giá trị ngƣỡng khởi động θ 0 = 2 B-1
-B2: Tính các trung bình mẫu (mf,0) của-những điểm ảnh thuộc đối tƣợng và (m b,0) của những điểm ảnh nền
- B3: Tính các ngƣỡng trung gian theo công thức: m f,k-1 + m b,k-1 với k =1,2,… θ k = 2
- B4: Nếu θ k = θ k-1 kết thúc Dừng thuật toán
Ngược lại thì lặp tiếp bước 2
1.3.2.Thuật toán đối xứng nền
Kỹ thuật này giả định sự tồn tại của hai đỉnh phân biệt trong lược đồ, nằm đối xứng qua đỉnh có giá trị lớn nhất thuộc về các điểm ảnh nền Nó tận dụng ưu điểm của việc làm trơn được mô tả trong phương trình (3.1) Đỉnh cực đại Maxp được tìm thấy bằng cách xác định giá trị cực đại trong lược đồ Thuật toán sau đó sẽ được áp dụng ở phía không phải là điểm ảnh thuộc đối tượng tương ứng với giá trị cực đại, nhằm tìm ra giá trị độ sáng a tương ứng với phần trăm p%, với P(a) là hàm phân phối xác suất về độ sáng được định nghĩa cụ thể.
Hàm phân phối xác suất P(a) thể hiện xác suất chọn một giá trị độ sáng từ vùng ảnh nhất định mà không vượt quá giá trị sáng a Khi a thay đổi từ -∞ đến +∞, P(a) nhận giá trị trong khoảng từ 0 đến 1 Đặc biệt, P(a) là hàm đơn điệu không giảm theo a, nghĩa là đạo hàm dp/da luôn lớn hơn hoặc bằng 0.
Hình 2.1 minh họa thuật toán đối xứng nền, trong đó giả định rằng ảnh chứa các đối tượng tối trên nền sáng Với mức 5%, ta cần xác định giá trị a bên phải đỉnh maxp sao cho P(a)% đạt yêu cầu Dựa vào tính đối xứng đã giả định, chúng ta tiến hành dịch chuyển về phía trái của điểm cực đại để tìm ra giá trị ngưỡng T.
Kỹ thuật này dễ dàng điều chỉnh đƣợc cho phù hợp với tình huống ảnh có các đối tƣợng sáng trên một nền tối
Khi hình ảnh có các điểm ảnh của đối tượng tạo thành một đỉnh yếu trong lược đồ ảnh, thuật toán tam giác sẽ hoạt động hiệu quả Thuật toán này được đề xuất bởi Zack và được mô tả chi tiết như sau.
Đường thẳng A được xây dựng bằng cách nối hai điểm (Hmax, bmax) và (Hmin, bmin), trong đó Hmax đại diện cho điểm có giá trị Histogram lớn nhất tương ứng với mức xám bmax, còn Hmin là điểm có Histogram ứng với độ sáng nhỏ nhất bmin.
B2: Tính khoảng cách d từ Hb của lƣợc đồ (ứng với điểm sáng b) đến ∆
Minh hoạ thuật toán tam giác bởi hình vẽ nhƣ sau:
Hình 2.2 Minh họa thuật toán tam giác 1.3.4 Chọn ngƣỡng đối với Bimodal Histogram
Ngưỡng T được xác định tại vị trí cực tiểu địa phương của histogram, nằm giữa hai đỉnh của nó Để phát hiện điểm cực đại địa phương của histogram, có thể sử dụng biến đổi chóp mũ (top hat) do Meyer phát triển Tùy thuộc vào tình huống làm việc với các đối tượng sáng trên nền tối hoặc đối tượng tối trên nền sáng, phép biến đổi top hat sẽ có hai dạng khác nhau.
A, B) = A - ( A o B) = A - max B (min A ( A)) (3.3) b.Các đối tƣợng tối:
Việc tính toán giá trị cực tiểu địa phương của histogram thì khó nếu histogram nhiễu Do đó, trong trường hợp này nên làm trơn histogram
Trong một số ứng dụng, cường độ của đối tượng hoặc nền thay đổi chậm, dẫn đến histogram ảnh không có hai thùy phân biệt rõ ràng Do đó, cần sử dụng ngưỡng thay đổi theo không gian, trong đó hình ảnh được chia thành các khối hình vuông và histogram cùng ngưỡng được tính cho từng khối Nếu histogram cục bộ không phải là bimodal, ngưỡng sẽ được tính bằng cách nội suy từ các khối láng giềng Sau khi có ngưỡng cục bộ, thuật toán phân ngưỡng sẽ được áp dụng cho khối đó.
2 Phân đoạn dựa trên cơ sở vùng
Mục đích của phân đoạn ảnh là chia bức ảnh thành nhiều vùng khác nhau Trong phần 1, bài toán này được tiếp cận thông qua việc tìm đường biên giữa các vùng dựa trên sự không liên tục của độ xám Trong đoạn 2, phân đoạn được thực hiện bằng cách ngưỡng các pixel có thuộc tính phân biệt, như giá trị độ xám hoặc màu sắc Phần này sẽ tập trung vào kỹ thuật phân đoạn dựa trên việc tìm kiếm các vùng một cách trực tiếp.
Cho R mô tả toàn bộ vùng ảnh Chúng ta xem phân đoạn ảnh là chia R thành n vùng nhỏ nhƣ R1,R2,…,Rn, vì thế:
Trong bài viết này, ta xem xét hàm logic P(R R j ) = FALSE khi i khác j, với P{Ri) được định nghĩa cho mọi điểm Ri và là tập rỗng Điều kiện (a) xác nhận rằng quá trình phân đoạn đã hoàn tất, đảm bảo mỗi pixel thuộc về một vùng cụ thể Điều kiện (b) yêu cầu các điểm trong cùng một vùng phải có tính liên thông trong một giới hạn nhất định Theo điều kiện (c), các vùng phải hoàn toàn tách biệt nhau Điều kiện (d) yêu cầu các điểm đã được phân đoạn phải đáp ứng một số thuộc tính đã được xác định trước, ví dụ P(Ri)=TRUE nếu tất cả pixel trong Rj có cùng mức xám Cuối cùng, điều kiện (e) chỉ ra rằng giá trị chân thực của P giữa các vùng R i và R j sẽ khác nhau nếu j khác i.
Tăng vùng là một thủ tục nhóm các pixel hoặc các miền thành những vùng lớn hơn dựa trên các điều kiện giới hạn trước