Phát hiện và phân tách khối u não sử dụng phương pháp định biên và phát triển vùng

Bài viết trình bày phương pháp mới kết hợp các thuật toán làm mịn, phát hiện biên Sobel, thành phần liên kết (Connected component), phát triển vùng (Region growing) để định vị và trích xuất các vùng tổn thương khác nhau một cách tự động, hiệu quả. Hoạt động kết hợp này thực hiện một chu trình bao gồm các chức năng: kiểm tra quá trình ảnh chụp não, lọc ảnh, phân mảnh ảnh, xác định vị trí khối u và trích xuất vùng khối u.
Nội dung trích xuất từ tài liệu:
Phát hiện và phân tách khối u não sử dụng phương pháp định biên và phát triển vùngNghiên cứu khoa học công nghệ PHÁT HIỆN VÀ PHÂN TÁCH KHỐI U NÃO SỬ DỤNG PHƯƠNG PHÁP ĐỊNH BIÊN VÀ PHÁT TRIỂN VÙNG Hà Quang Thanh1*, Phan Việt Cương2, Hồ Thị Thảo2, Lê Tuấn Anh2, Nguyễn Hồng Hà2, Nguyễn Hải Dương3 Tóm tắt: Trong lĩnh vực xử lý ảnh y khoa, phát hiện khối u não từ ảnh chụp cắt lớp vi tính (Computed tomography - CT) hoặc chụp cộng hưởng từ (Magnetic resonance - MRI) là một trong những mục tiêu ưu tiên hàng đầu. Trong bài báo này, chúng tôi mô tả một phương pháp mới kết hợp các thuật toán làm mịn, phát hiện biên Sobel, thành phần liên kết (Connected component), phát triển vùng (Region growing) để định vị và trích xuất các vùng tổn thương khác nhau một cách tự động, hiệu quả. Hoạt động kết hợp này thực hiện một chu trình bao gồm các chức năng: kiểm tra quá trình ảnh chụp não, lọc ảnh, phân mảnh ảnh, xác định vị trí khối u và trích xuất vùng khối u. Thuật toán tính toán được thực hiện bằng cách sử dụng bộ công cụ Insight Toolkit (ITK) để xử lý ảnh đầu vào, Visualization Toolkit (VTK) để hiển thị và nền tảng xây dựng các ứng dụng Qt để xây dựng giao diện người dùng. Kết quả cho thấy phương pháp đề xuất đã phát hiện hiệu quả vùng khối u từ ảnh chụp não và tham chiếu với phantom. Từ đó phân tách phần bất thường khỏi phần mô lành bao quanh để thực hiện các xử lý hình ảnh nâng cao, tăng tỉ lệ thành công của liệu pháp điều trị bằng việc phát hiện sớm khối u cũng như giảm thời gian lập kế hoạch phẫu thuật, phác đồ điều trị. 1. GIỚI THIỆU Các khối u não được biết đến là một trong những nguyên nhân gây tử vong hàng đầu.Trong ảnh CT, MRI hình ảnh có sự chồng chéo giữa biên khối u và mô xung quanh hoặccác biên đó có thể bị che khuất bởi cấu trúc của hộp sọ dẫn đến giảm độ tương phản so vớinền rất khó để phân biệt ranh giới giữa các mô bình thường và bất thường. Việc hiện thị rõràng và tách khối u mà không ảnh hưởng đến các mô xung quanh là một thách thức lớn đốivới các bác sĩ [1]. Có rất nhiều cách tiếp cận được sử dụng trong nhiều nghiên cứu để phân biệt cácđường biên sinh học của ảnh chụp não. Biji và cộng sự [2] đã đề xuất một kỹ thuật đểphát hiện các khối u từ ảnh MRI sử dụng phân cụm mờ (fuzzy clustering) và ngưỡng saisố lỗi tối thiểu (minimum error thresholding). Phương pháp này khắc phục được vấn đềphân mảnh quá mức so với thuật toán watershed nhưng nhược điểm chính của phươngpháp là tốn thời gian tính toán. Nagalkar V J và đồng nghiệp [3] đề xuất phân mảnh khốiu não bằng cách sử dụng phương pháp tính toán mềm. Nhưng cách tiếp cận này tạo racác biên giả trên hình ảnh. Bhattacharyya và đồng nghiệp [4] đã kết luận rằng một chuỗithuật toán dựa trên thiết lập ngưỡng là một công cụ mạnh mẽ để phát hiện khối u nãoảnh MRI. Phương pháp được đề xuất bởi Anam Mustaqeem, Ali Javed, Tehseen Fatima[5] yêu cầu thuật toán watershed cho phân mảnh. Nghiên cứu này đi vào phân tích giảiphẫu não và triệu chứng, tổn thương do bệnh não gây ra. Nhược điểm duy nhất của đềxuất này là phân mảnh quá mức dẫn đến phát hiện kém các biên quan trọng và giảm độtương phản thường thấy trong ảnh CT hoặc MRI não. M.C. Jobin Christ và R.M.S.Parvathi [6] đã giới thiệu phương pháp phát hiện khối u não bằng 2 cách : tích hợp cácthuật toán phân cụm K- Means với Marker-controlled watershed và tích hợp thuật toánphân cụm Fuzzy C- Means và Marker-controlled watershed riêng biệt cho phân mảnhhình ảnh y khoa. Nhược điểm của phân nhóm K-means là đòi hỏi nhiều vòng lặp. GibbsTạp chí Nghiên cứu KH&CN quân sự, Số 56, 08 - 2018 115 Kỹ thuật điều khiển & Điện tửvà đồng nghiệp [7] sử dụng một quy trình phân mảnh trong đó các biên được phát hiệnđầu tiên bằng cách sử dụng các toán tử hình thái và sau đó phân mảnh được thực hiệnbằng cách sử dụng phương pháp phát triển vùng. M. Masroor Ahmed và cộng sự [8] đãđề xuất phương pháp phát hiện và trích xuất khối u não từ ảnh MRI bằng cách sử dụngphân cụm K-means. Phương pháp này rất hiệu quả, được chứng minh là tốn ít thời gianhơn và không bị mất dữ liệu khi nén hình ảnh. Hiện nay, thuật toán phân mảnh hiệu quả nhất thu được bằng cách kết hợp điều chỉnhcác thuật toán khác nhau. Các tham số của các thuật toán này được điều chỉnh theo cácthông số hình ảnh được sử dụng làm hình ảnh đầu vào và phụ thuộc vào các đăc điểm giảiphẫu được phân mảnh [9]. Phân mảnh được thực hiện để hỗ trợ phát hiện, trích xuất và môtả cấu trúc giải phẫu. Các kỹ thuật khác nhau của phân mảnh hình ảnh gồm: watershed,ngưỡng histogram, phân cụm K- means và phát triển vùng [10]. Phương pháp được đề xuất của nhóm nghiên cứu dựa trên cường độ của từng điểm ảnh.Cách tiếp cận này sẽ dễ dàng tách riêng biệt các khu vực bị ảnh hưởng. Ảnh cường độ ...